一种识别无线局域网wlan潜在用户的方法及装置的制造方法

文档序号:9381635阅读:426来源:国知局
一种识别无线局域网wlan潜在用户的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及通信技术领域,尤其涉及一种识别无线局域网WLAN潜在用户的方法 及装置。
【背景技术】
[0002] 随着移动通信进入3G时代,移动业务迅猛增长,交易处理数据激增,流量运营成 为移动运营商市场营销的热点,而无线局域网(英文:Wireless Local Area Network简 称:WLAN)潜在用户的预测成为流量运营领域的重点。马尔代夫链预测是一种应用于潜在 用户预测的典型应用,而现有的基于决策树的挖掘算法应用于WLAN潜在用户的预测主要 是通过收集大量的用户流量清单作为样本数据,并按照一定的比例将样本数据随机的进行 分组,然后利用信息论分析方法逐步找出关键因素并建立决策树,最终设定WLAN潜在用户 的阈值,进而进行信息分类来判断WLAN潜在用户的等级。
[0003] 但是,目前随着用户属性数据的增加以及属性之间的联系,马尔代夫链预测潜在 用户的处理过程复杂,并且挖掘潜在用户的准确性较低。

【发明内容】

[0004] 本发明实施例提供了一种识别无线局域网WLAN潜在用户的方法及装置,用以提 升了挖掘潜在WLAN潜在用户的准确度,具体方案如下:
[0005] -种识别无线局域网WLAN潜在用户的方法,包括:
[0006] 获取包含了 WLAN潜在用户的属性信息的参数信息;
[0007] 根据所述参数信息中的用户属性信息,确定所述WLAN潜在用户的群属性,所述群 属性为被筛选出的用户属性信息的集合;
[0008] 根据所述WLAN潜在用户的群属性,生成用以确定WLAN潜在用户等级的贝叶斯网 络模型;
[0009] 根据所述WLAN潜在用户的参数信息以及所述贝叶斯网络模型,确定出表征所述 WLAN潜在用户在网络中的重要级别的等级信息。
[0010] 可选的,根据所述参数信息中用户属性信息,确定所述WLAN潜在用户的群属性, 包括:
[0011] 将所述用户属性信息进行相似度计算,在所述用户属性信息中确定出重要性程度 值达到阈值的属性;
[0012] 将所述重要性程度值达到阈值的属性的集合确定为所述WLAN潜在用户的群属 性。
[0013] 可选的,根据所述WLAN潜在用户的群属性,生成用以确定WLAN潜在用户等级的贝 叶斯网络模型,包括:
[0014] 将所述群属性中的一个属性作为一个节点,并确定出每两个节点之间的连接关 系;
[0015] 根据具有连接关系的节点组成的集合,生成用以确定WLAN潜在用户等级的贝叶 斯网络模型。
[0016] 可选的,确定出每两个节点之间的连接关系,包括:
[0017] 获取每两个节点之间的影响因子;
[0018] 判断获取的两个节点之间的影响因子是否等于预设阈值;
[0019] 若所述两个节点之间的影响因子等于预设阈值时,则所述两个节点不存在连接关 系;
[0020] 若所述连接节点之间的影响因子不等于预设阈值时,则所述两个节点存在连接关 系;
[0021] 将具有连接关系的节点所组成的集合确定为所述WLAN潜在用户的群属性。
[0022] 可选的,所述影响因子可以通过公式(1)得到:
[0024] 其中,Xi表示一个节点,表示另一个节点,I (XiIyi)表示节点之间的影响因子的 值,P (Xi)表征节点Xi的概率分布,P Ui I yj表征节点Xi相对于节点的概率分布。
[0025] 一种识别无线局域网WLAN潜在用户的装置,包括:
[0026] 获取模块,用于获取包含了 WLAN潜在用户的属性信息的参数信息;
[0027] 确定模块,用于根据所述参数信息中的用户属性信息,确定所述WLAN潜在用户的 群属性,所述群属性为被筛选出的用户属性信息的集合;
[0028] 生成模块,用于根据所述WLAN潜在用户的群属性,生成用以确定WLAN潜在用户等 级的贝叶斯网络模型;
[0029] 处理模块,用于根据所述WLAN潜在用户的参数信息以及所述贝叶斯网络模型,确 定出表征所述WLAN潜在用户在网络中的重要级别的等级信息。
[0030] 可选的,所述确定模块,包括:
[0031] 处理单元,用于将所述用户属性信息进行相似度计算,在所述用户属性信息中确 定出重要性程度值达到阈值的属性;
[0032] 确定单元,用于将所述重要性程度值达到阈值的属性的集合确定为所述WLAN潜 在用户的群属性。
[0033] 可选的,所述生成模块,包括:
[0034] 关系确定单元,用于将所述群属性中的一个属性作为一个节点,并确定出每两个 节点之间的连接关系;
[0035] 生成单元,用于根据具有连接关系的节点组成的集合,生成用以确定WLAN潜在用 户等级的贝叶斯网络模型。
[0036] 可选的,所述关系确定单元,具体用于获取每两个节点之间的影响因子;判断获取 的两个节点之间的影响因子是否等于预设阈值;若所述两个节点之间的影响因子等于预 设阈值时,则所述两个节点不存在连接关系;若所述连接节点之间的影响因子不等于预设 阈值时,则所述两个节点存在连接关系;将具有连接关系的节点所组成的集合确定为所述 WLAN潜在用户的群属性。
[0037] 本发明实施例提供了一种识别无线局域网WLAN潜在用户的方法,该方法包括:获 取包含了 WLAN潜在用户的用户属性信息的参数信息,根据参数信息中的用户属性信息,确 定WLAN潜在用户的群属性,所述群属性为被筛选出的用户属性信息的集合;根据WLAN潜在 用户的群属性,生成用以确定WLAN潜在用户等级的贝叶斯网络模型;根据WLAN潜在用户的 参数信息以及贝叶斯网络模型,确定出表征WLAN潜在用户在网络中的重要级别的等级信 息。即在本发明实施例中通过WLAN潜在用户的群属性来迅速的挖掘出潜在的WLAN潜在用 户,同时也提升了挖掘潜在WLAN潜在用户的准确度。
【附图说明】
[0038] 图1为本发明实施例中一种识别无线局域网WLAN潜在用户的方法流程图;
[0039] 图2为本发明实施例中一种识别无线局域网WLAN潜在用户的装置结构示意图。
【具体实施方式】
[0040] 本发明实施例提供了一种识别无线局域网WLAN潜在用户的方法,该方法包括:获 取包含了 WLAN潜在用户的用户属性信息的参数信息,根据参数信息中的用户属性信息,确 定WLAN潜在用户的群属性,所述群属性为被筛选出的用户属性信息的集合;根据WLAN潜在 用户的群属性,生成用以确定WLAN潜在用户等级的贝叶斯网络模型;根据WLAN潜在用户的 参数信息以及贝叶斯网络模型,确定出表征WLAN潜在用户在网络中的重要级别的等级信 息。即在本发明实施例中通过WLAN潜在用户的群属性来迅速的挖掘出潜在的WLAN潜在用 户,同时也提升了挖掘潜在WLAN潜在用户的准确度。
[0041] 下面通过附图以及具体实施例对本发明技术方案做详细的说明。
[0042] S101,获取包含了 WLAN潜在用户的用户属性信息的参数信息;
[0043] 首先来讲,在进行WLAN潜在用户的评级之前,需要获取WLAN潜在用户的用户属性 信息,其中,用户属性信息就包括了:用户所在基站、地区ID、WLAN套餐、流量套餐、用户产 生流量费用等参数,当然确定出的用户属性信息越多计算出的群属性信息就越准确。
[0044] S102,根据所述参数信息中的用户属性信息,确定所述WLAN潜在用户的群属性;
[0045] 在得到WLAN潜在用户的用户属性信息之后,基于WLAN潜在用户的用户属性信息 之间的相似度来计算出WLAN潜在用户的群属性,该群属性的具体确定方法如下:
[0046] 步骤1 :设定(U,A,F)为一组数据模型,其中,U为WLAN潜在用户的流量清单汇总 信息,即:U = Ix1, Xl,....,xn},其中,Xn表征WLAN潜在用户流向清单信息,A为WLAN潜在 用户所包含的属性集,即:A = Ia1, a2,--,an},其中,an表征了 WLAN潜在用户的一个属性 信息,F为U与A之间的关系集,即:F= {f1:U -V1Q彡m)},其中,V1S值域。
[0047] 定义一个初始筛选矩阵M。,在该初始筛选矩阵中共有m列,每一列对应一个属性, 每一行对应数据模型中的一对对象(X 1, Xj),其中,i < j < η,η表征筛选矩阵M。中的行数, 另外[x』A,所以在筛选矩阵Μ。中最多有η(η-1)/2行,此时将&记为U 2。则筛选矩 阵Μ。的值可以有映射τ :U2XA - {0, 1}来确定,即:
[0049] 其中,Y :为指定属性B1对应的阈值,Y :的取值可以通过如下公式得到:
[00
I表征指定属性S1对应的有效数据集的求和,η'表示有效数据集 的数量。
[0052] 通过上述的公式计算就能够得到初始筛选矩阵Μ。。
[0053] 步骤2 :通过初始筛选矩阵Μ。求解出属性群,其求解的实现步骤如下:
[0054] a、计算初始筛选矩阵Μ。;
[0055] b、取eM。,从初始筛选矩阵M。中删除属性ai中取值为1对应的所有行及该 列,得到处理后的筛选矩阵M 1 ;
[0056] c、对于一个筛选矩阵Mk (I < k),根据如下公式计算其各属性的重要性程度:
[0058] 其中,Sign(B1)表征属性重要程度值。
[0059] d、选取重要性程度值最大的属性,若是多个属性同时具有最大值时,则随机选取 一个优选属性,然后删除选取出的属性对应在筛选矩阵中取值为1所对应的所有行及列, 得到新的筛选矩阵M k+1,然后转至步骤c继续执行,直至筛选矩阵M为空。
[0060] e、所有被删除的列属性的集合即为群属性G,其中G = {Gi,G2,. . .,Gn},这样就可 以得到如图2所示的群属性。
[0061] 通过上述的计算过程就得到了 WLAN潜在用户的群属性,然后执行步骤103。
[0062] S103,根据WLAN潜在用户的群属性,生成用以确定WLAN潜在用户等级的贝叶斯网 络模型。
[0063] 在对WLAN潜在用户进行评级之前,还需要调取已经生成的贝叶斯网络模型,贝叶 斯网络模型的具体生成过程如下:
[0064] 步骤1,群属性中的节点组建。
[0065] 在确定好群属性之后,对群属性内单个属性的连接关系近确认,具体的实现方式 如下:
[0066] 1、首先创建一个空网络,空网络必须满足的条件为:BN= (B,P),其中B = (V,E), B= (V,E)为有向无环图,V为节点集,SP :V = Gn,此时的空网络指:Gn= {},E为有向边集, 反映节点变量之间的因果依赖关系;P为节
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1