[发明专利]一种用户话单大数据基站连接信息用户关系推定方法

权利要求书

1.一种用户话单大数据基站连接信息用户关系推定方法，其特征在于，包括以下步骤：

步骤(1)话单大数据中兴趣用户相关信息分析、查找

在话单大数据中定位相关的兴趣用户(目标用户)全部通话信息和基站连接信息，同时，基于用户之间通话相关特征、基站连接相关特征，查找能反应用户之间亲疏程度的相关特征；

步骤(2)用户特征信息提取

在话单大数据库中对相关用户的上述特征进行提取；

步骤(3)在话单大数据库中对目标用户的上述特征进行统计、计算，

一定时间内，用户间通话的相关信息计算：计算一定时间内该用户与不同用户间的通话次数，并通过与一定时间内全部统计用户间通话最大次数相除进行归一化，得到参数c；

共同出现在相同基站下的频次信息计算：计算一定时间内话单中不同两用户同时出现在相同基站下的频次，并通过与全部统计用户间一定时间内同时出现在相同基站下的最大频次相除进行归一化，得到参数o；

一定时间内共同出现在相同基站下的粘度信息：计算一定时间内两用户出现在相同基站下的频次，并通过与全部统计用户间一定时间内同时出现在相同基站下的最大频次相除进行归一化，得到参数p；

一定时间点出现在相同基站下的时间点信息(早、中、晚；工作日、休息日；节假日)：对用户出现的时间点进行统计，并依据上述信息对用户进行预分类，同事(非早晚，工作日，定义为时间s)、家人(早、晚、休息日、节假日定义为时间n)；

步骤(4)首先利用部分已知用户的上述信息，基于 Bayes算法对分类模型进行训练

基于 Bayes算法和上述步骤3中相关特征对分类模型 Bayes进行训练，给出基于本发明方案和 Bayes算法训练所得的用户关系分类器模型，即用户之间属于不同关系的概率，概率越大说明关系越亲近，以下公式(4)和(5)分别对应家人关系亲疏程度判定和同事关系亲疏程度判定：

P(R＝r|A₁＝c,A₂＝o,A₃＝p,A₄＝n)＝(c+o+p)/3(4)

或

P(R＝r|A₁＝c,A₂＝o,A₃＝p，A₅＝s)＝(c+o+p)/3(5)

(5)基于 Bayes分类模型的用户亲疏度推定

对于话单中未知目标用户，采用公式4或5，基于上述特征训练所得 Bayes分类器和经验所得关系阈值对不同用户之间的关系亲疏程度进行推定。