[发明专利]一种基于网络数据的孤僻人群预测方法和系统

说明书

技术领域

本发明属于大数据处理领域，具体涉及一种基于网络数据的孤僻人群预测方法和系统。

背景技术

由于人员流动性较大，个体差异性也很强，想清晰定义出个体是否是孤僻人群面临着诸多的问题。首先面临着，收集数据的困难，每个人的行为习惯各不相同。必须找动一种有效的方案能统一标准化的采集个体的行为信息。另一个难点就是，采集到的行为信息，通过什么方法来判定出具体个体是否是孤僻性格。面临着对用户的行为特征如何映射到社交活动的活跃度的问题。

发明内容

本发明所要解决的技术问题是提供一种基于深度学习的孤僻人群预测方法和系统。

本发明解决上述技术问题所采取的技术方案如下：

一种基于网络数据的孤僻人群预测方法，包括：

步骤1)接收无线访问接入点AP上传的连接上网的所有用户的设备信息，该设备信息中包括：设备MAC地址和为用户分配的IP地址；

步骤2)通过用户认证登录系统确定相应设备的用户ID信息；

步骤3)获取某一时间段内的同一AP在同一时间的所有用户ID信息，并形成一个网络数据信息集合；

步骤4)根据以上网络数据信息集合，获取多个用户ID信息同时出现在一个AP下的数量，并据此形成所有用户ID信息之间的亲密度网络；

步骤5)遍历用户ID信息之间的亲密度网络，如果某一用户ID没有与之具有较高亲密度的其他用户，则判定该用户疑似孤僻。

优选的是，步骤1)中，包括：

无线访问接入点AP采集连接到当前AP的设备MAC地址，并同时为其分配IP地址信息；

每隔一段时间，以上AP采集一次当前连接的所有设备的MAC地址信息和IP地址信息，并将这些信息同步到中央服务器中。

优选的是，步骤2)中，

基于用户上网认证系统中的临时通信的IP地址，结合以上用户的设备信息；根据用户认证的信息进行映射，获取用户的用户ID，并将同一AP下，同一时间采集信息中的用户ID作为一条数据保存到服务器中。

优选的是，步骤4)中，包括：

获取网络数据信息集合；

根据以上网络数据信息进行建模，并据此训练出一个具有空间向量的语义网络，该网络可以用来表示用户亲密度。

优选的是，步骤4)中，具体利用word2vec深度学习算法，对以上网络数据信息进行建模。

一种基于网络数据的孤僻人群预测系统，包括：

数据获取单元，用于接收无线访问接入点AP上传的连接上网的所有用户的设备信息，该设备信息中包括：设备MAC地址和为用户分配的IP地址；

用户认证单元，用于通过用户认证登录系统确定相应设备的用户ID信息；

数据统计单元，用于获取某一时间段内的同一AP在同一时间的所有用户ID信息，并形成一个网络数据信息集合；

亲密度网络形成单元，用于根据以上网络数据信息集合，获取多个用户ID信息同时出现在一个AP下的数量，并据此形成所有用户ID信息之间的亲密度网络；

孤僻人群预测单元，用于遍历用户ID信息之间的亲密度网络，如果某一用户ID没有与之具有较高亲密度的其他用户，则判定该用户疑似孤僻。

优选的是，无线访问接入点AP采集连接到当前AP的设备MAC地址，并同时为其分配IP地址信息；

每隔一段时间，以上AP采集一次当前连接的所有设备的MAC地址信息和IP地址信息，并将这些信息同步到中央服务器中。

优选的是，所述用户认证单元，进一步用于：

基于用户上网认证系统中的临时通信的IP地址，结合以上用户的设备信息；根据用户认证的信息进行映射，获取用户的用户ID，并将同一AP下，同一时间采集信息中的用户ID作为一条数据保存到服务器中。

优选的是，所述亲密度网络形成单元，进一步用于:

获取网络数据信息集合；

根据以上网络数据信息进行建模，并据此训练出一个具有空间向量的语义网络，该网络可以用来表示用户亲密度。

优选的是，所述亲密度网络形成单元，进一步用于利用word2vec深度学习算法，对以上网络数据信息进行建模。

本发明提供了一种端到端的预测孤僻人群的方案。依托数据采集，清洗，深度学习算法，模型预测等综合方法的利用提供了一种快速有效的解决预测孤僻人群的方法。相比现有方法，具有数据量大，数据有效性高，算法先进，实现简单等方面的优点。