异网用户常驻地识别模型的训练方法和装置与流程

本申请涉及通信领域，尤其涉及一种异网用户常驻地识别模型的训练方法和装置。

背景技术：

1、在通信领域，不同的运营商往往只能获取到各自本网通信用户的通信行为信息，不能获取到异网通信用户的通信行为信息。

2、在部分应用场景下，运营商通过话单能识别本网通信用户的位置轨迹，从而能预测本网用户的真正常驻小区，但异网用户却无法获取基站下的通信数据，无法从根本上获得小区和常驻地的映射关系，因此丢失了对异网客户的常驻地信息，导致无法有效开展异网客户挖抢。

3、如何提高异网通信用户常驻地的识别准确性，是本申请所要解决的技术问题。

技术实现思路

1、本申请实施例的目的是提供一种异网用户常驻地识别模型的训练方法和装置，用以解决识别异网通信用户常驻地识别不准确的问题。

2、第一方面，提供了一种异网用户常驻地识别模型的训练方法，包括：

3、获取多个本网通信用户的通信行为信息，所述通信行为信息包括本网通信用户与异网通信用户执行通信行为的地理位置信息和执行通信行为的时间信息；

4、根据所述多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户对应的交往圈完全图，所述交往圈完全图包括表征通信用户的顶点和连接不同顶点的边，所述边表征相连的顶点对应的通信用户之间执行过通信行为；

5、根据所述多个本网通信用户对应的交往圈完全图和对应的通信行为信息生成多个训练样本和对应的训练标签，任一所述训练样本包括属于同一个交往圈完全图的通信用户之间基于时序的通信关系特征矩阵，所述训练标签包括所述异网通信用户所属的交往圈完全图中的多个本网通信用户执行通信行为的常驻地的地理位置；

6、基于所述多个训练样本和对应的训练标签对预构建的基于时序的循环神经网络模型进行训练。

7、第二方面，提供了一种异网用户常驻地识别模型的训练装置，包括：

8、获取模块，获取多个本网通信用户的通信行为信息，所述通信行为信息包括本网通信用户与异网通信用户执行通信行为的地理位置信息和执行通信行为的时间信息；

9、第一生成模块，根据所述多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户对应的交往圈完全图，所述交往圈完全图包括表征通信用户的顶点和连接不同顶点的边，所述边表征相连的顶点对应的通信用户之间执行过通信行为；

10、第二生成模块，根据所述多个本网通信用户对应的交往圈完全图和对应的通信行为信息生成多个训练样本和对应的训练标签，任一所述训练样本包括属于同一个交往圈完全图的通信用户之间基于时序的通信关系特征矩阵，所述训练标签包括所述异网通信用户所属的交往圈完全图中的多个本网通信用户执行通信行为的常驻地的地理位置；

11、训练模块，基于所述多个训练样本和对应的训练标签对预构建的基于时序的循环神经网络模型进行训练。

12、第三方面，提供了一种电子设备，该电子设备包括处理器、存储器及存储在该存储器上并可在该处理器上运行的计算机程序，该计算机程序被该处理器执行时实现如第一方面的方法的步骤。

13、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质上存储计算机程序，该计算机程序被处理器执行时实现如第一方面的方法的步骤。

14、在本申请实施例中，首先，获取多个本网通信用户的通信行为信息，通信行为信息包括本网通信用户与异网通信用户执行通信行为的地理位置信息和执行通信行为的时间信息；然后，根据多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户对应的交往圈完全图，交往圈完全图包括表征通信用户的顶点和连接不同顶点的边，边表征相连的顶点对应的通信用户之间执行过通信行为；随后，根据多个本网通信用户对应的交往圈完全图和对应的通信行为信息生成多个训练样本和对应的训练标签，任一训练样本包括属于同一个交往圈完全图的通信用户之间基于时序的通信关系特征矩阵，训练标签包括异网通信用户所属的交往圈完全图中的多个本网通信用户执行通信行为的常驻地的地理位置；最后，基于多个训练样本和对应的训练标签对预构建的基于时序的循环神经网络模型进行训练。其中，根据本网通信用户的通信行为信息生成的交往圈完全图能表征多个通信用户之间的通信关系。由于具有相近行为的多个通信用户的地理位置也往往相同，例如，有同事关系的多个通信用户位于相同的办公地点，或者，有家庭关系的多个通信用户位于相同的住址等，因此，本方案基于异网通信用户与本网通信用户的通信行为，以及本网通信用户的地理位置信息识别具有相似通信行为的异网通信用户的常驻地，能在未获得异网通信用户的通信行为信息的情况下对异网通信用户的常驻地实现准确识别。而且，本方案基于时序生成训练样本并使用基于时序的模型进行训练，能对地理位置随时间变化的异网用户的常驻地实现有效识别，能广泛适用于多种实际应用场景。

技术特征：

1.一种异网用户常驻地识别模型的训练方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，根据所述多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户对应的交往圈完全图，包括：

3.如权利要求2所述的方法，其特征在于，根据所述多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户在多个时段分别对应的交往圈完全图，包括：

4.如权利要求1所述的方法，其特征在于，根据所述多个本网通信用户对应的交往圈完全图和对应的通信行为信息生成多个训练样本和对应的训练标签，包括：

5.如权利要求4所述的方法，其特征在于，所述通信关系邻接矩阵包括通话邻接矩阵；

6.如权利要求4所述的方法，其特征在于，所述通信关系邻接矩阵包括短信邻接矩阵；

7.如权利要求4～6任一项所述的方法，其特征在于，所述通信关系邻接矩阵包括通话邻接矩阵和短信邻接矩阵；

8.一种异网用户常驻地识别模型的训练装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请公开了一种异网用户常驻地识别模型的训练方法和装置，用以解决识别异网通信用户常驻地识别不准确的问题。本申请提供的方案包括：获取多个本网通信用户的通信行为信息；根据所述多个本网通信用户的通信行为信息生成各通信行为信息所属的本网通信用户对应的交往圈完全图；根据多个本网通信用户对应的交往圈完全图和对应的通信行为信息生成多个训练样本和对应的训练标签；基于多个训练样本和对应的训练标签对预构建的基于时序的循环神经网络模型进行训练。

技术研发人员：祝希路,吴栋念
受保护的技术使用者：中国移动通信集团湖南有限公司
技术研发日：
技术公布日：2024/1/15