用户社交属性判别模型

用户社交属性判别模型目录1研究目标和意义2关系群体社会网络动态移动轨迹OD稳定点发现提升家庭、集团客户营销精准度针对性制定竞争策略加强核心客户维系和粘性价值利用群体影响力拓展营销市场掌握用户群体出行规律，强化广告投放、业务营销策略拓展信息化服务业务产品提升目标客户群体圈定的准确率和效率丰满客户画像了解客户分布，定位商务区、居民区、流动性大区域对用户的交往、移动轨迹等使用社会网络分析相关分析方法进行建模，判别用户间各类交往关系，如家庭、同事等。研究方法3包括用户个人通话行为、用户交往圈以及用户移动轨迹，首次引入不同时段的位置信息，提升关系识别精准度。从数据仓库中读取源数据，校验数据的完整性，去除冗余和具有明显错误的数据。1）OD发现/轨迹分析：分析基站数据得到用户移动轨迹的时间和空间规律，可判定用户的OD稳定点，有助于描述用户行为模式和关系特征；2）特征提取：提取样本OD、通话频次、交往规律等用户行为特征，作为关系分类判别的依据；3）关系分类：基于特征建立不同关系分类训练器，计算不同关系和社群聚类，作为社会关系网络基础。地图直观展示用户稳定点和关系分布，动态显示用户群行为轨迹，可作为营销参考依据，并支持灵活扩展配置。使用河南济源三个月(2010.07-09)数据进行研究。4阶段一：接口检测检测配置文件，读取数据访问权限阶段二：数据校验检测表结构，清洗数据检查实体完整性和参照完整性运行状态检测检测模型运行状态，运行提示配置文件数据结构数据标准化处理校验5阶段三：OD提取（时间+空间优化）出现频率大的基站区频繁度得到增强出现次数下限大的基站区频繁度得到增强周期性规律更显著的基站区得到突出OD识别解决了数据非实时，数据稀缺的问题仍有不足，需要利用时空规律进行改进OD同时被多个基站覆盖，数据分散需要进行合并-手机行为随机，不能只用次数作为频繁度刻画-需要用行为的周期性规律对次数做修正OD发现朴素算法空间规律利用时间规律利用识别效果：共有400000多位用户，其中识别380000位用户OD，识别率约为95%。其他12000多位用户由于位置暴露信息过少无法识别，8000多用户O和D只能识别其一。6关系分类分类效果：引入交叉验证功能，家庭识别精度81%，同事识别精度73%。正在优化训练样本特征提取，逐步结果调优。阶段四：产生训练集使用已知集团用户或家庭用户关系的其中一方除已知关系外的所有关系作为反例。可通过配置文件定义训练集规模阶段五：训练分类器主要使用用户间通话属性、交往圈重合、OD来进行分类7关系识别识别效果：识别出882178个家庭关系，2147524个同事关系；形成了10948个家庭，每个家庭的人数平均为5；形成了4743个集团，每个集团的人数平均为13。阶段六：计算关系利用分类器，对用户的关系进行分类阶段七：计算群组根据得到的关系，可以将用户聚集成组，形成家庭和同事群体模型识别效果测试8模块性能效果OD识别共有400000多位用户，其中识别380000位用户OD，识别率约为95%关系识别模型测试：家庭识别精度81%，同事识别精度73%实际外呼测试：家庭识别精度75%，同事识别精度65%群组发现形成了10948个家庭，每个家庭的人数平均为5；形成了4743个集团，每个集团的人数平均为13OD切换时间服从正态分布，与日常规律一致不同关系群体与亲密指数分布符合常态规律关系识别可视化9结合地图信息，提供了可展示不同用户社群关系归属、OD稳定点、动态移动轨迹、OD分布和用户密度分布的可视化Web页面，可更加直观和便捷地圈定和查询家庭集团客户，有助于市场拓展应用和精准营销。以Googlemap方式展示家庭、同事、朋友等不同关系群体分类查询，静态显示住所和工作地稳定点。列表给出查询用户附近同类群体成员信息，可直接点击查看静态分布。设定时间段，动态播放该关系群体的动态轨迹分布，有助于了解不同群体用户移动出行规律以及消费特征。聚类展示该区域集中的居民区和商务区；利用热