[发明专利]一种基于通信网的重要用户发现及行为预测方法

说明书

本发明公开了一种基于通信网的重要用户发现及行为预测方法，属于网络用户行为分析技术领域。本发明根据用户通信记录构建通信网络，先利用基于平衡树的Fast‑Newman算法进行社区划分，再利用PageRank算法综合社区划分结果挖掘重要用户。本发明还针对基于用户通信记录所构建的每个用户的历史通信用户序列，利用NARM模型实现重要用户的未来通信对象预测，同时利用数据统计方法挖掘通信规律以实现重要用户与未来通信对象通信时间的预测。本发明所述方法具有重要用户发现、重要用户的未来通信对象及通信时间预测能力，可为通信网络行为趋势预判提供一种技术方案。

技术领域

本发明涉及网络用户行为分析技术领域，具体地说，涉及一种基于通信网 的重要用户发现及行为预测方法。

背景技术

随着互联网的发展和移动智能设备的普及，人与人的沟通方式发生了从线 下到线上的转变，形成了一种公民网上发表言论自由、网络信息传播范围广、 传播速度快等特点的新局面。如果没有足够的监控和治理能力的条件下，很容 易形成有组织地操控舆论大面积传播。针对该情况，学术界利用用户通信记录， 研究了通信网络的重要节点发现、通信时间预测、下一刻通信对象预测等行为 预测任务，为舆情治理的有效治理和预防提供了方法。当前学术研究中，首先， 目前的网络用户行为分析技术领域中，都只涉及了重要用户未来通信对象预测， 或者通信时间预测，并未对两个方面进行融合；其次，对于Fast-Newman算法 在实际编程应用中对于每一次合并时寻找最大的模块度之差ΔQ时，都是采用遍 历整个网络的所有的边的方法，这样会造成了大量时间花费。

发明内容

本发明的内容是提供一种基于通信网的重要用户发现及行为预测方法，其 能够克服现有技术的某种或某些缺陷。

根据本发明的一种基于通信网的重要用户发现及行为预测方法，其包括以 下步骤：

步骤1、根据用户通信记录，构建出用户的通信网络，利用基于社区划分的 关键节点查找方法，查找网络中的重要节点，挖掘出重要用户；

步骤2、依据用户通信记录，提取出用户通信时间的特征，构建折线图，挖 掘出全局通信时间的规律；

步骤3、依据用户通信记录，构建用户的历史通信对象序列，对于挖掘出的 重要用户，利用NARM模型，预测出用户下一刻通信对象；

步骤4、基于以上3步的输出结果，筛选出未来时间中重要用户的通信时间 和通信对象的预测结果，从而得出重要用户及行为趋势的预测结果。

作为优选，步骤1中是根据某个时间段内的用户通信记录，构建通信网络， 利用关键点查找算法，挖掘重要用户，实施具体过程如下：

步骤1-1：根据某个时间段内用户通信记录下的主叫用户和被叫用户信息， 提取出该时间段内的所有用户集合及用户集合个数；

步骤1-2：在步骤1-1的基础上，以用户集合中的每个用户作为用户通信网 络中的节点，并根据用户通信记录中的主叫号码、被叫号码、主叫、被叫信息， 建立通信网络中的节点间通信的边，其中用户通信网络为无向图G(V，E)；在 G(V，E)中允许两个节点间存在多条边；

步骤1-3：依据用户通信网络的拓扑结构，利用Fast-Newman算法对网络进 行社区划分，首先初始化每个节点为一个社区，网络一共N个节点则共有N个 社区；模块度Q＝0，初始化e_uv：

如果节点u和v之间有连边：其中m为无向图总的边数，其中 tot为节点u和v之间的边的数量；

如果节点u和v之间没有连边：e_uv＝0；

并且a_u满足：

a_u＝k_u/2m；其中k_u表示与节点u相连的边的数量；