[发明专利]确定宽带网络接入点信息的方法和装置

说明书

本发明公开了一种确定宽带网络接入点信息的方法和装置，涉及网络数据分类领域。其中的方法包括：抽取宽带网络数据中的用户信息；根据用户信息提取用户特征；将用户特征作为分类器的输入量，利用分类器初步预测用户对应的宽带网络接入点信息；其中，利用已标注的宽带网络接入点信息训练分类器，构建机器学习模型。本发明提高了宽带网络接入点信息确认的效率，为填补缺失信息以及对信息纠错提供了数据。

技术领域

本发明涉及网络数据分类领域，尤其涉及一种确定宽带网络接入点信息的方法和装置。

背景技术

通常用户在办理宽带上网业务时，会记录一些基本信息，如联系人、宽带类型(家庭、企业等)等。其中，宽带网络的实际用途，对于网络流量数据分析起着重要作用，其原因在于：

第一，了解真实地宽带实际用途，对于开展业务推荐有很大帮助，比如，能够对家庭单位进行买车预测等精准营销，为小型企业与大型企业提供不同流量套餐等。第二，能够防止本是企业宽带的用户刻意隐瞒真实用途，逃避信息的审查或减少必须的开销。第三，但宽带网络不像移动网络环境下能标识用户个体，导致网络下用户不唯一，使得围绕用户进行的各项分析则无法顺利进行，如果能准确区分出家庭接入点，对于家庭下的个人行为分析将更容易追踪。

由此可见，准确的宽带网络接入点信息有助于数据分析的展开与运营商业务的发展。然而，由于用户填写随意性、刻意隐瞒真实用途等原因，宽带网络接入点在运营商系统中的实际记录存在以下问题：

第一，在收集信息时，难免会出现用户漏填等情况，导致数据的缺失，使得原有家庭/企业分类标签不完整。据统计，某市电信固网有分类标签的接入点仅占总数的29％左右，大量的信息需要追溯。第二，实际填写时可能存在用户隐瞒真实用途，或宽带用途有变化等情况，导致部分数据记录不实，例如接入点类型与实际用途不一致或不准确。第三，曾经的家庭住所被用来作为初创公司的工作环境、小型娱乐场所等，使得宽带网络接入点的真实用途有变化，然而运营商却无法获知情况。

发明内容

本发明要解决的一个技术问题是一种确定宽带网络接入点信息的方法和装置能够提高宽带网络接入点信息确认的效率。

根据本发明一方面，提出一种确定宽带网络接入点信息的方法，包括：抽取宽带网络数据中的用户信息；根据用户信息提取用户特征；将用户特征作为分类器的输入量，利用分类器初步预测用户对应的宽带网络接入点信息；其中，利用已标注的宽带网络接入点信息训练分类器，构建机器学习模型。

进一步地，该方法还包括：根据强假设条件重新标注已标注的宽带网络接入点信息，并赋予训练权重；利用重新标注的宽带网络接入点信息训练分类器，并将用户特征作为分类器的输入量，利用二元分类模型初步预测用户对应的宽带网络接入点信息。

进一步地，根据强假设条件重新标注已标注的宽带网络接入点信息，并赋予训练权重包括：若宽带网络接入点的设备数量大于等于第一阈值，则标注宽带网络接入点类型为企业，并赋予第一训练权重；若宽带接入点的设备数量小于等于第二阈值，则标注宽带网络接入点类型为家庭，并赋予第二训练权重；若宽带接入点的设备数量大于第二阈值且小于第一阈值，则保持宽带网络接入点的已标注类型，并赋予第三训练权重；其中，第一训练权重和第二训练权重大于第三训练权重。

进一步地，该方法还包括：基于时间推移的投票机制，以预定时间为单位训练分类器，采用相对多数投票法更新用户对应的宽带网络接入点信息的预测结果。

进一步地，用户信息包括用户账号信息和用户行为信息；抽取宽带网络数据中的用户信息包括：通过用户账号的正则表达式，从宽带网络数据的统一资源定位符URL中匹配出用户账号信息；基于一级域名从宽带网络数据的URL中获取用户行为信息。

进一步地，用户特征包括用户账号特征和用户行为特征；基于用户账号数量、用户行为丰富度和/或接入点活跃时间段确定用户账号特征和用户行为特征。