[发明专利]一种基于用户行为特征的IPTV日志用户识别方法

说明书

本发明公开了一种基于用户行为特征的IPTV日志用户识别方法，包括以下步骤：1.选取连续若干天的日志作为原始数据；2.通过聚类算法将原始数据打碎为若干个时间段，分析每个时间段中用户对频道的评分，将特征相似的时间段进行合并，生成特征数据；3.对需要识别的数据重复步骤2，得到预匹配数据；4.将预匹配数据与特征数据进行匹配，统计重复次数最多的用户作为输出。本发明所提出的方法能以较高的正确率识别出匿名用户，在实践中可以帮助侦查机关更快更准确地对匿名嫌疑人进行身份鉴别。

技术领域

本发明涉及IPTV技术领域和用户识别的交叉技术领域，具体地说是一种基于用户行为特征的IPTV日志用户识别方法。

背景技术

犯罪嫌疑人往往会对自己的数字行为进行匿名处理，导致其身份的识别和追踪甚难。随着互联网协议电视IPTV(Internet Protocol Television)技术日新月异的发展，IPTV开始普及到每个家庭，丰富的IPTV用户行为日志为基于IPTV用户行为特征进行嫌疑人身份识别成为了可能。

在IPTV系统中，用户观看行为特征指不同人观看频道的时长、频率、时段等特征，能够精准地区分不同的用户，而且IPTV日志数据可以通过用户家庭的机顶盒进行提取，这给系统运行提供了硬件条件和数据来源。并且，在IPTV的用户场景下，普遍为多用户共享一台IPTV设备。这就使得日志中参杂着多个用户的特征，使得传统的频率分析正确率不高。

发明内容

本发明的主要目的是针对IPTV多用户识别问题而提供的一种基于用户行为特征的用户识别方法。通过此方法可以以较高的准确度定位嫌疑人的身份和确定嫌疑人的地理位置。

一种基于用户行为特征的IPTV日志用户识别方法，包括以下步骤：

1.选取连续若干天的日志作为原始数据；

2.通过聚类算法将原始数据打碎为若干个时间段，分析每个时间段中用户对频道的评分，将特征相似的时间段进行合并，得到特征数据：

3.对需要识别的数据重复步骤2，得到预匹配数据；

4.将预匹配数据与特征数据进行匹配，统计重复次数最多的用户作为识别结果输出。

进一步的，所述原始数据包括以下数据结构：用户设备号或用户智能卡卡号，用户当前观看的频道ID，开始观看时间以及观看或切台的时刻。

进一步的，所述步骤2的生成特征数据的过程包括如下步骤：

2.1对原始数据中的开始观看时间采用k-平均算法(k-means clustering)进行聚类，得到k个时间段t_k，记作{t₁,t₂,t₃,…,t_n,…t_k}；

2.2对于时间段t_n，利用评分公式计算用户user对每个频道的评分向量A_{(user,channel)}，评分公式：

其中表示用户uawe在t_n时间段里观看的频道列表，d_{(user,channel)}表示用户user观看频道channel的总时长，c表示频道列表中的每一个频道，d_(user,c)表示表示用户user观看频道c的总时长；

2.3对于t_a和t_b两个不同时间段，采用余弦公式计算相似度，余弦公式：

其中A和B分别表示t_a和t_b时间段提取的评分向量。