[发明专利]基于移动终端的用户行为相似度识别方法、系统及装置

权利要求书

1.一种基于移动终端的用户行为相似度识别方法,其特征在于，包括：

数据获取步骤，获取至少两部移动终端的指纹信息、所述移动终端的LBS位置信息以及所述移动终端安装的app多维度行为数据信息，所述app多维度行为数据信息包括：app已装卸载行为数据、app卸载行为数据和WiFi连接行为数据；

设备关联步骤，根据所述指纹信息和所述app多维度行为数据信息，对一人多机的移动终端进行关联并生成相应地标记信息；

线上行为相似度计算步骤，根据所述app多维度行为数据提取用户线上行为特征矩阵，根据所述用户线上行为特征矩阵，计算用户之间的线上行为相似度；

线下行为相似度计算步骤，根据所述LBS位置信息，聚合密度较高的报点，得到用户历史轨迹特征矩阵，根据所述用户历史轨迹特征矩阵，计算用户之间的线下行为相似度；

综合分析步骤，根据所述标记信息、线上行为相似度和线下行为相似度，量化用户行为相似度。

2.如权利要求1所述的方法，其特征在于，所述设备关联步骤包括：

根据所述指纹信息和所述app多维度行为数据信息，建立用户指纹信息和app多维行为数据之间的对应关联关系，通过设备指纹和app多维标识的交叉定位分析，确定一人多机备关联度，在关联度高时，对相应地移动终端进行关联并生成相应地标记信息。

3.如权利要求1所述的方法，其特征在于，所述线上行为相似度计算步骤包括计算app安装特征相似度和计算WiFi特征关联度，其中，所述WiFi特征关联度包括工作时段WiFi使用特征关联度和休息时段WiFi使用特征关联度。

4.如权利要求3所述的方法，其特征在于，所述app安装特征相似度使用广义Jaccard相关系数计算，其公式为：

其中，C_i,C_j为设备安装app的特征向量，m表示app的渗透率。

5.如权利要求3所述的方法，其特征在于，所述WiFi特征关联度采用余弦相似度计算，其公式为：

其中，x_a、x_b分别为用户a、用户b的WiFi使用特征向量，表示用户连接使用某WiFi的强度。

6.如权利要求1所述的方法，其特征在于，所述线下行为相似度计算步骤：

根据用户历史行为特征剔除用户历史LBS信息中的LBS噪声报点，得到优化后的用户报点位置；

对所述优化后的用户报点位置进行聚类分析，得到用户聚合行为轨迹；

将所述用户聚合行为轨迹进行二进制编码，利用所述编码计算所述用户聚合行为轨迹的权重；

根据所述用户聚合行为轨迹的权重，计算两个用户之间任意两条轨迹的海明距离，将所述海明距离归一化处理，得到两条轨迹的相似度；

根据两个用户之间所有轨迹两两之间的海明距离，得到两个用户的聚合行为轨迹相似度。

7.如权利要求6所述的方法，其特征在于，所述用户聚合行为轨迹的权重

其中，表示用户u的第i条轨迹的权重第k的位编码；

其中，

其中，r表示轨迹点，u为用户总数，T_u表示用户u的所有轨迹点的集合，{u:r∈T_u}为轨迹中包含轨迹点r的用户数目；

其中，为轨迹点的权重映射规则；

其中，表示用户u的轨迹i中轨迹点j的第k的位编码。