[发明专利]用户行为分析方法、装置、计算设备及存储介质

说明书

本发明实施例公开了一种用户行为分析方法、装置、计算设备及存储介质，该方法包括：基于多个用户特征数据，构建基于第一特征维度和第二特征维度的二维特征矩阵，多个用户特征数据包括多个特征，多个特征包括第一特征和第二特征；对二维特征矩阵进行因子分析，以将多个用户特征数据分别投影在第一特征域和第二特征域的因子载荷平面上；以及对因子载荷平面上的投影点进行聚类分析，以提取用户行为模式特征。本方案通过将用户数据与网络性能结合在一起，能够提取潜在的用户行为特征，进而能够评估出用户行为对网络指标的影响。

技术领域

本发明涉及无线网络优化技术领域，尤其涉及一种用户行为分析的方法、装置、计算设备及存储介质。

背景技术

近年来移动通信技术飞速发展，移动业务渗入到人们生活的各方各面，移动业务使用便捷，为人们提供了工作和生活的便利。

现有的用户行为识别方法主要包括利用手机的加速度传感器所采集的行为信号在不同佩戴位置的特征来识别用户行为；收集用户的基础业务信息，以历史数据为基础推算转移率，得出迁出转移率的转移矩阵，并应用马尔可夫模型对时间间隔点上的各类人员分布情况进行预测；根据移动用户的日志记录以及对应的基站标号和地理位置，从若干个维度提取多种基本特征指标，并利用K-means聚类方法将移动用户区分成规律通话型、随机上网型、居家节约型和随机高消费型等用户模型；根据终端设备产生的用户数据，通过对兴趣点语义和行为模式进行分析，来执行用户行为的兴趣相似性计算和移动用户的位置预测。上述各方法存在以下缺陷：运营商无法获取终端中存储的信息；基于马尔科夫的分析模型在实际预测时受各种因素的影响，人员转移率很难准确确定，从而影响预测结果的准确性；用户业务行为模型的划分没有结合考虑网络性能；基于兴趣点的移动用户行为预测方法无法对未识别的潜在兴趣关联进行提取。

传统的基于移动基站展开的固态基站分析方案已经无法满足用户个性化的需求，因此，需要一种基于与网络指标密切相关的用户行为分析的方法。

发明内容

针对用户业务行为模型的划分没有结合考虑网络性能的问题，本发明实施例提供了一种用户行为分析方法、装置、计算设备及存储介质，通过将用户行为和网络性能特征进行关联分析，挖掘强关联特征量，能够提供更准确的用户行为分析。

第一方面，本发明实施例提供了一种用户行为分析方法，方法包括：

基于多个用户特征数据，构建基于第一特征维度和第二特征维度的二维特征矩阵，用户特征数据包括多个特征，其中，多个特征包括第一特征和第二特征；

对二维特征矩阵进行因子分析，以将多个用户特征数据分别投影在第一特征域和第二特征域的因子载荷平面上；以及

对因子载荷平面上的投影点进行聚类分析，以提取用户行为模式特征。

优选地，该方法还包括：分别计算多个特征与网络指标之间的相关系数，选择相关系数不低于预定阈值的特征作为待分析特征。

优选地，相关系数可以是R系数或斯皮尔曼等级相关系数或γ系数。

优选地，从待分析特征中选择多组第一特征和第二特征，以分别构建二维特征矩阵。

优选地，用户特征数据是MDT数据。

优选地，待分析特征可以包括时间、位置、非时空类特征，非时空类特征是从MDT数据中提取的除了时间和位置以外的特征，其中，多组第一特征和第二特征包括以下特征组合中的至少一种：时间和位置；时间和非时空类特征；位置和非时空类特征；两个不同的非时空类特征。

优选地，可以使用对应分析法对二维特征矩阵进行因子分析。

优选地，可以将二维特征矩阵基于第一特征域进行分解，得到第一域特征向量和第一域特征值；以及/或者将二维特征矩阵基于第二特征域进行分解，得到第二域特征向量和第二域特征值。