[发明专利]一种基于被动式WiFi与深度聚类的用户画像构建方法及系统

说明书

本发明涉及一种基于被动式WiFi与深度聚类的用户画像构建方法及系统，该提供包括：多个WiFi探测器、一个用于数据处理训练的服务器、一个存储数据的数据库。该方法包括：通过被动式WiFi技术扫描手机，结合深度学习进行聚类分析，从而刻画出典型画像。本发明提出的基于被动式WiFi与深度聚类的用户画像构建方法及系统，利用普及的具有WiFi功能的设备，无需携带特殊设备或额外下载终端，易于推广；利用被动式WiFi进行无感探测，覆盖范围广且操作方便；利用深度学习K‑means模型进行人流分布的预测，实现用户画像的精准刻。

技术领域

本发明涉及被动式WiFi定位技术、机器学习方法、深度学习方法，特别是一种基于被动式WiFi与深度聚类的用户画像构建方法及系统。

背景技术

用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的标签化用户模型。用户画像核心价值在于了解用户、猜测用户的潜在需求、精细化的定位人群特征、挖掘潜在的用户群体。21世纪以来，随着智能手机与互联网技术的不断发展与革新，移动互联网作为二者结合的产物，近年来发展迅猛。随着人们使用智能手机的时长和频数的不断增加，其用户行为数据呈指数级增加，但用户的时间越来越趋于碎片化，各维度的信息也更丰富，若能对“用户画像”进行刻画，从而收集到的关于用户各方面的信息，可以包括人口属性、兴趣爱好、购物偏好、社交属性等等，可以很好地描述用户的许多特征，对产品人员展开针对性的设计产品，对运营人员开展精准化营销个性化推荐都起到了至关重要的作用。但如何对“用户画像”的特征进行完整精准捕捉与有效分析一直是刻画“用户画像”的痛点所在。

现时期用户画像的研究主要集中于人类在互联网环境下的行为研究，用户画像是互联网发展下的产物，同时也推动了互联网市场的不断发展和壮大。现阶段用户画像的数据来源主要依靠网络用户行为进行捕捉与刻画，用户的网络行为固然能够为用户画像提供大量的数据样本，但是在生活多元化的大背景下，用户的网络行为存在着很大的局限性，使得对用户的画像刻画不够精确。

伴随着室内定位技术的发展，尤其是基于被动式WiFi技术的出现与成熟，通过路由扫描手机，将数据发送到服务器，服务器进行定位运算，从而获取位置信息。同时，近年来深度学习作为一种新的机器学习方法开始受到研究人员和商业人士的高度关注。若能依靠被动式WiFi技术对用户的现实生活行为进行捕捉，根据大量的定位数据，结合深度学习K-means模型将人群进行聚类分析，对用户的画像进行完整有效刻画成为可能，刻画出一些典型的画像，让得用户画像更加精准明晰。

发明内容

本发明的目的在于提供一种基于被动式WiFi与深度聚类的用户画像构建方法及系统，以克服现有技术中存在的缺陷。

为实现上述目的，本发明的技术方案是：一种基于被动式WiFi与深度聚类的用户画像构建系统，包括：多个WiFi探测器、一个用于数据处理训练的服务器、一个存储数据的数据库。

进一步的，还提供一种基于被动式WiFi与深度聚类的用户画像构建方法，在室内场所适当位置放置若干个WiFi探测器，并根据室内场所的空间布局将其划分为N个区域；通过WiFi探测器获取N个区域当中个体所携带的智能手机的人流数据，并通过有线或无线网络传输并保存在服务器的关系型数据库中；所述服务器通过深度学习模型对人流数据进行聚类分析，并对用户的行为轨迹进行分类，构建用户的典型画像。

在本发明一实施例中，所述人流数据包括：MAC地址、个体的(X，Y)位置数据；其中，每个MAC地址分别对应一个个体，即统计得多少个MAC地址就相当于有多少个体；个体的(X，Y)位置数据通过探测手机设备的RSSI值获取。

在本发明一实施例中，所述WiFi探测器通过收发数据服务器，采用UDP通讯获取MAC地址、个体的(X，Y)位置数据，并上传至所述服务器。

在本发明一实施例中，所述深度学习模型采用K-means聚类模型。