[发明专利]移动网络的用户分组

说明书

识别移动网络的各个用户的分组。具体地，一些实施例被配置为从一个或多个移动网络提供商获得交易数据记录。可通过应用词嵌入来捕捉数据中的关联模式来识别用户的分组。

背景技术

本发明总体上涉及移动网络领域，并且更具体地涉及识别移动网络的各个用户的分组。

自然语言处理(NLP)是已知的。截至2019年12月3日，“自然语言处理”的维基百科条目陈述如下：“自然语言处理(NLP)是语言学、计算机科学、信息工程、以及与计算机和人类(自然)语言之间的交互有关的人工智能的子领域，特别是如何对计算机进行编程以处理和分析大量自然语言数据。自然语言处理中的挑战经常涉及语音识别、自然语言理解和自然语言生成。”

术语“国际移动用户标识”(IMSI)是已知的。截至2019年12月3日，“国际移动用户标识”的维基百科条目陈述如下：“国际移动用户标识或IMSI……是唯一地识别蜂窝网络的每个用户的数字。其被存储为64比特字段并且由移动设备发送到网络。其还用于在归属位置寄存器(HLR)中或者在访问者位置寄存器中本地拷贝时获取移动设备的其他细节。为了防止窃听者在无线电接口上识别和跟踪用户，尽可能少地发送IMSI，并且代替地发送随机生成的TMSI……IMSI通常呈现为15位数字，但是可以更短……。[移动网络代码]MNC的长度取决于[移动国家代码]MCC的值，并且建议长度在MCC区域内是一致的。剩余的数字是网络的客户群内的移动订阅标识号(MSIN)，根据MNC的长度，通常9至10位长。IMSI符合ITUE.212编号标准。”

术语“word2vec”是已知的。截至2019年12月4日，“word2vec”的维基百科条目陈述如下：“word2vec是用于产生单词嵌入的一组相关模型。这些模型是浅的、双层神经网络，其被训练以重建单词的语言上下文。Word2vec将大的文本语料库作为其输入，并产生通常具有几百个维度的向量空间，语料库中的每个唯一词语被分配该空间中的对应向量。字向量位于向量空间中，使得在语料库中共享共同上下文的字在空间中彼此靠近。”

发明内容

本发明的实施例提供了一种用于识别移动网络的各个用户的分组的方法。这种方法可以是计算机实施的。本发明的实施例进一步提供一种计算机程序产品，包括当在处理器上执行时用于实施所提出的方法的计算机程序代码。本发明实施例还提供了一种适于执行该计算机程序代码的系统。

本发明的实施例还提供一种用于识别移动网络的各个用户的分组的系统。根据本发明的实施例，提供了一种用于识别移动网络的各个用户的分组的方法。该方法包括从移动网络的一个或多个移动网络提供商获得交易数据记录。该方法还包括基于获得的交易数据记录识别多个用户出现，每个用户出现表示相关的用户在移动网络内的时间和位置的出现。该方法还包括对多个用户出现应用词嵌入(word embedding)以生成将多个用户出现映射到词汇表的词语的词嵌入模型。该方法还包括用自然语言处理NLP算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。

所提出的是用于通过在几个不同时间和位置使用它们的关联设备来识别移动通信网络的用户的分组(例如，社交群组、共享兴趣群组等)的概念。本发明的一些实施例利用常规地由移动网络提供者收集的数据作为用于识别分组的信息的源。

作为示例，对用户分组的识别可基于与移动网络的使用有关的数据。具体地，国际移动用户标识(IMSI)、网络与移动设备之间的交互的时间戳、以及用于连接的网络的单元小区的标识符可以被用作用于识别移动网络的不同用户之间的关系的信息的重要来源。例如，利用这些数据变量，实施例可以被提供有足够的信息以将IMSI关联到对应的用户，以及在特定时间窗口期间关联到特定的地点。在进行这种关联之后，可以确定并分析同现(co-occurrence)以识别用户和/或位置之间的关联(affinity)。

一些实施例利用具有移动网络连接性能力的移动计算设备(例如，智能电话、平板、智能手表、膝上型计算机等)的广泛可用性和使用，以获得或访问可用于识别和验证用户之间的关系的大量信息。