[发明专利]用户关系圈的生成方法和装置、设备

说明书

本发明公开了一种用户关系圈的生成方法和装置、设备。所述用户关系圈的生成方法包括：获得至少一个用户的用户通信记录；根据每个所述用户通信记录，获得至少一个第一用户派系；其中，每个所述第一用户派系中包含至少一个用户关系；根据每个所述用户关系的用户关系权重，获得派系系数阈值和每个所述第一用户派系的派系系数；将所述派系系数小于所述派系系数阈值的每个所述第一用户派系设置为第二用户派系；根据所有所述第二用户派系，生成与所有所述用户相对应的用户关系圈。采用本发明，能够提高获得用户关系圈的速度和准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户关系圈的生成方法和装置、设备。

背景技术

移动通信用户关系圈，指的是根据移动用户的通话关系特征、移动用户的行为特征等对移动用户进行社团划分而得的用户关系集合。这种基于用户特征的划分，能够帮助运营商更加了解用户关系网络的构成，为电信业务的拓展提供科学的支撑。

当前有不少成熟的社团划分算法：Palla等人于2005年首先提出了派系过滤算法CPM(Clique Percolation Method)，该算法突破了传统的非重叠社团划分算法的限制，能够用来分析重叠的社团结构，其分析结果更贴近现实的社团结构。由于CPM的计算复杂度较大，Lancichinetti等人于2009年从网络局部结构的角度出发，提出了基于局部扩展思想的重叠社团挖掘算法(local fitness measure，LFM)，提升了社团划分的速度。Evans和Ahn等人突破传统以网络节点为研究对象进行网络划分的局限，提出了边聚类的社团划分方法。Evans将网络结映射成为相应的线图后，可运用非重叠社团发现算法来进行重叠社团的划分。Ahn提出了基于边相似度的层次聚类算法来实现重叠社团的划分。

通过大量的研究和实践发现，当处理的移动用户数据的数量较为庞大时，上述算法运算所需要花费的时间十分漫长，无法满足大数据处理的需求。另外，上述算法大多只考虑了各个用户节点之间的连接关系，忽略各个用户节点之间的关系强弱，因此所得出的结果一般无法满足现实的社团划分需求。

发明内容

本发明实施例提出一种用户关系圈的生成方法和装置、设备，能够提高获得用户关系圈的速度和准确度。

本发明实施例提供的一种用户关系圈的生成方法，具体包括：

获得至少一个用户的用户通信记录；

根据每个所述用户通信记录，获得至少一个第一用户派系；其中，每个所述第一用户派系中包含至少一个用户关系；

根据每个所述用户关系的用户关系权重，获得派系系数阈值和每个所述第一用户派系的派系系数；

将所述派系系数小于所述派系系数阈值的每个所述第一用户派系设置为第二用户派系；

根据所有所述第二用户派系，生成与所有所述用户相对应的用户关系圈。

进一步地，每个所述用户对应的用户通信记录的总个数均大于2个。

进一步地，所述根据每个所述用户通信记录，获得至少一个第一用户派系，具体包括：

生成每个所述用户通信记录对应的用户关系；

根据每个所述用户通信记录，获得频率系数阈值和每个所述用户关系对应的频率系数；

将所述频率系数不小于所述频率系数阈值的每个所述用户关系设置为目标用户关系；

根据每个所述目标用户关系，获得至少一个所述第一用户派系。

进一步地，每个所述用户通信记录中包含通信频率；

则所述根据每个所述用户通信记录，获得频率系数阈值和每个所述用户关系对应的频率系数，具体包括：