[发明专利]一种基于社交评价动态更新的通信行为识别方法

权利要求书

1.一种基于社交评价动态更新的通信行为识别方法，其特征在于，具体步骤如下：

步骤一、针对目标用户A，从一个周期内向用户B呼出的全量通话话单中统计通信指标；

步骤二、根据通信指标得到用户间量化的通信强度，进而得到用户间量化的通信满意度；

首先，在时间周期T内用户A向用户B呼出的通信强度公式为：

I(A,B)＝∑λ_kX_k(A,B)

且

∑λ_k＝1

X_k(A,B)∈[0,1]

其中，λ_k对应第k个通信指标的权重；X_k(A,B)为第k个通信指标归一化后的值；

然后，利用通信强度计算周期T内用户A和用户B之间的通信满意度，公式为：

且

且b＞a

其中，g₁(I(A,B),I(B,A))用于衡量双方用户通信强度的均衡程度，随着双方用户通信强度的均衡程度的增大而增大；σ₁表示g₁(I(A,B),I(B,A))的权重；I(B,A)表示时间周期T内用户B向用户A呼出的通信强度；

g₂(I(A,B),I(B,A))用于衡量双方用户通信强度的差值，随着双方用户通信强度差值的增大而减少；σ₂表示g₂(I(A,B),I(B,A))的权重；

a和b是自定义的参数，用于调节通信满意度随着通信强度差值减小的坡度；

步骤三、根据当前周期T的通信满意度结合历史亲密度，对当前周期的用户A和用户B之间亲密度进行迭代更新；

用户A和用户B之间的亲密度迭代更新算法如下：

步骤301、判断用户A与用户B在第i-1个周期的亲密度Int_AB(i-1)是否大于亲密度阈值Int_δ，如果是，表明两用户间的亲密度已足够大，第i个周期的亲密度与第i-1个周期的亲密度保持相同，结束算法；否则，进入步骤302；

初始i＝1，对应的历史亲密度为自定义数值；

步骤302、判断用户A和用户B在第i个周期的非负通信满意度S_AB(i)是否等于0，如果是，进入步骤303；否则，进入步骤304；

步骤303、用户A和用户B在第i个周期内未进行通信，用户A和用户B距离上一次通话的周期数t_AB自增1，然后判断t_AB是否超过周期阈值t_δ，如果是，按照用户之间亲密度的衰减函数M对第i个周期的亲密度进行更新；否则第i个周期的亲密度与第i-1个周期的亲密度相同，结束算法；

衰减函数M计算如下：

步骤304、用户A和用户B之间的通信满意度S_AB(i)大于零，判断t_AB是否超过t_δ；如果是，第i-1个周期的亲密度经过了衰减，按照亲密度的更新函数W2对第i个周期的亲密度进行更新；否则，第i-1个周期的亲密度未衰减，则按照亲密度的更新函数W1对第i个周期的亲密度进行更新；亲密度更新之后，t_AB置为零；

更新函数W1，计算公式如下：

W1(Int_AB(i-1),S_AB(i))＝Int_AB(i-1)+μ₁*S_AB(i)

S_AB(i)表示用户A和用户B在第i个周期的通信满意度；μ₁是通信满意度在亲密度更新函数W1中的权重系数；μ₁越大，表明通信满意度在亲密度的更新中就越重要；

更新函数W2，计算公式如下：

W2(Int_AB(max),S_AB(i),t_AB)＝Int_AB(max)+μ*S_AB(i)+ρ*t_AB

ρ是t_AB的权重参数，ρ越大，t_AB在亲密度的更新中就越重要；

步骤四、同时，将一个周期内用户A与所有交互用户的全量通话话单中，分别统计每个用户个体相关的特征向量；

步骤五、利用步骤三分别更新用户A与相交互的每个用户之间的亲密度；

步骤六、根据用户A以及每个交互用户各自对应的个体特征向量，以及与每个交互用户更新后的亲密度建立通信社交网络，基于消息传递网络算法得到每个交互用户对用户A的局部信任度；

步骤七、将用户A与每个交互用户的局部信任度构成局部信任度向量，用户A与每个交互用户的亲密度构成亲密度向量，做点积运算得到用户A的局部推荐信任度；

用户A的交互用户集合为{0,1,2,...j,...J}，用户j在第i个周期的局部信任度为T_j(i)，用户A与用户j在第i个周期的亲密度为Int_Aj(i)，则用户A在第i个周期的局部推荐信任度为TR_A(i)：

步骤八、根据用户A的局部信任度、局部推荐信任度和历史置信度对用户A当前周期的置信度进行迭代更新；

步骤九、判断更新后的用户A的置信度是否低于阈值，如果是，则用户A为疑似诈骗用户，否则，用户A正常；

步骤十、同理，选择下一个目标用户，重复步骤一到步骤九，统计出疑似诈骗用户的名单。