[发明专利]一种区域网络用户行为的多维度分析与监管方法及系统

说明书

本发明公开了一种区域网络用户行为的多维度分析与监管方法及系统。该方法的离线训练过程包括用户访问场景、用户行为、用户活动规律分析。用户访问场景分析提取用户访问过程中的行为特征；用户行为分析将文本语义化为词向量，采用类别向量和情感向量表示用户行为特征；用户活动规律分析基于语义化的时间对象序列，并引入用户活动位置的语义信息对用户活动轨迹数据进行建模来表示用户行为特征。本发明基于用户行为特征构建能够描述用户网络身份和行为的网络行为画像库，并以画像库中的用户网络行为模式为依据对当前网络环境中的异常行为及用户进行检测，实现对用户网络身份的审查、网络舆情信息的管控、异常用户和行为检测等网络环境的监管。

技术领域

本发明涉及网络监管技术领域，特别是一种区域网络用户行为的多维度分析与监管方法及系统。

背景技术

针对不同类型的网络用户数据和行为分析需求，围绕着如何理解用户网络行为这个核心问题，兰州交通大学的刘宗成使用关联分析的方法来挖掘用户在网络访问中的喜爱偏好，通过寻找频繁出现的用户访问，并使用聚类的方法来提取用户的访问偏好。华中科技大学的刘威通过对用户交互过程中的数据进行分析和拟合，构建用户访问行为模型来描述用户上网的特性和规律。在文本挖掘方面，由于外部知识库包含的领域和主题比较少，词汇更新速度慢，很难应用到短文本处理上，另一种方法是借助外部文本，如知识库、搜索引擎的结果，扩展文本特征。西安电子科技大学的范云杰借助维基百科知识库对文本特征进行扩展，以辅助对文本的分类。在文本的情感分析方面，海军工程大学的孙艳等人分别使用支持向量机和朴素贝叶斯等机器学习的方法来对用户文本数据进行情感分析。

对于用户的活动和行为模式，北京邮电大学的符饶通过使用基于网络的聚类算法来识别用户的访问位置，并使用状态转移矩阵来实现用户活动轨迹的预测，提出了基于马尔可夫模型的位置预测算法。东华大学的薛丹使用局部线性回归和关联规则的方法来分析用户的移动规则，并通过用户移动规则来对用户活动进行预测。北京大学黄文彬等人从用户的频繁活动、规律行为以及移动速度等方法对基站通信网络数据进行了分析，并构建了移动用户行为画像。中国电信公司张慷等人在大数据平台上对电信用户的上网日志进行了分析，结合电信业务中的套餐、终端等信息，形成了手机用户画像。

目前，针对网络数据的用户行为分析与研究已经取得了一些进展，但仍存在以下亟需解决的难题：

(1)缺少对用户行为语义的理解。大多数研究都是通过统计特征或关联分析的方式来获取用户在行为上的相似性和差异性，从而分析用户行为的规律，没有对用户行为所代表的语义和现实含义进行理解，分析过程受数据的统计分布限制，当用户数据不够全面时，容易存在用户行为特征上的理解偏差。

(2)维度单一的问题。大多数研究都是针对用户网络数据中的URL访问、文本内容或活动轨迹其中单一的数据进行用户行为的分析，并没有结合多个维度的用户数据来联合挖掘用户的复合行为特征和模式，由于用户在各个维度上的行为彼此之间存在一定的联系，因此维度单一的用户行为分析无法全面的理解用户的行为。

发明内容

本发明所要解决的技术问题是：针对网络用户结构多样性、信息开放性、通信匿名性、传播高效性等特点导致的网络用户身份和行为难以分析和管理的问题，提供了一种区域网络用户行为的多维度分析与监管方法及系统。

本发明采用的技术方案如下：一种区域网络用户行为的多维度分析与监管方法，包括：

用户访问场景分析：建立用户和访问类别映射标签，挖掘用户偏爱访问路径和使用场景，提取用户访问过程中的行为特征；

用户行为分析：将文本语义化为词向量，基于词向量进行文本分类和情感分析并获取类别向量和情感向量，采用类别向量和情感向量表示用户行为特征；

用户活动规律分析：通过位置兴趣点的语义信息和目标区域图像的空间结构信息，将用户活动轨迹数据转换为语义化的时间对象序列；并引入用户活动位置的语义信息对用户活动轨迹数据进行建模来表示用户行为特征。