基于移动终端的大数据分析方法及系统与流程

本发明涉及移动数据分析，具体而言，涉及一种基于移动终端的大数据分析方法及系统。

背景技术：

1、随着网络技术的迅速发展，数以亿计的移动用户越来越多地使用移动终端来访问网络，例如手机、ipad、平板等工具，以满足工作、生活、休闲和娱乐等需求。且用户的上网时间也从以前利用pc端上网的固定化方式变得碎片化，上网的地点也由原来的单一固定变得多样化。网络应用越来越复杂，数据量也越来越大。而移动上网数据是体现用户属性的重要数据，其中包含用户的终端、消费能力、位置信息、上网业务偏好等营销关键信息，通过运营商自有业务与用户属性进行匹配，筛选出目标营销用户，可以帮助运营商进行业务、产品进行精确匹配，精选运营渠道，实现运营商端到端业务内容的精细化运营。当上网方式具有了这些移动特性时，如何从迅速膨胀的信息中准确理解移动用户的信息需求，以为移动用户提供个性化信息服务，成为了一个亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种基于移动终端的大数据分析方法及系统，通过融合特征提取与聚类分析的方式，更加准确地刻画出用户画像，从而为用户提供个性化的网络服务。

2、本发明的实施例是这样实现的：

3、第一方面，本申请实施例提供一种基于移动终端的大数据分析方法，其包括：

4、从移动终端获取用户产生的移动数据并进行预处理，上述移动数据包括通信模式数据和上网行为数据；

5、利用基于深度学习的k-means算法对移动数据进行聚类分析，得到各方面的用户标签，并构建用户画像；

6、根据上述用户画像，为用户推送相应的服务或咨询内容。

7、基于第一方面，在本发明的一些实施例中，上述从移动终端获取用户产生的移动数据并进行预处理的步骤包括：

8、将非数值类型的移动数据转换为数值型，并进行标准化处理；

9、对标准化处理后的移动数据进行异常处理，删除敏感数据。

10、基于第一方面，在本发明的一些实施例中，上述利用基于深度学习的k-means算法对移动数据进行聚类分析，得到各方面的用户标签，并构建用户画像的步骤包括：

11、利用深层神经网络结构对移动数据进行特征学习；

12、对学习到的特征表示，利用k-means算法进行预聚类，得到聚类中心；

13、基于预设的用户画像标签体系，确定每个聚类中心的标签，得到各方面的用户标签，构建出用户画像。

14、基于第一方面，在本发明的一些实施例中，上述对学习到的特征表示，利用k-means算法进行预聚类，得到聚类中心的步骤包括：

15、从学习到的特征表示中选取k个聚类中心，并计算得到其余特征与聚类中心之间的相似度结果；

16、根据相似度结果进行划簇，并不断更新迭代聚类中心的位置；

17、当聚类中心不再变化/达到预设的最大迭代次数则停止，确定最终的聚类中心。

18、基于第一方面，在本发明的一些实施例中，还包括：

19、根据上述通信模式数据获取用户通信信息，包括通信时长、地理位置、联系人数量和频繁度；

20、根据上述通信信息建立甘特图，得到用户的时间和空间分布特征；

21、根据上述时间和空间分布特征确定用户属性。

22、基于第一方面，在本发明的一些实施例中，还包括：将上述用户画像进行可视化展示。

23、第二方面，本申请实施例提供一种基于移动终端的大数据分析系统，其包括：

24、预处理模块，用于从移动终端获取用户产生的移动数据并进行预处理，上述移动数据包括通信模式数据和上网行为数据；

25、用户画像模块，用于利用基于深度学习的k-means算法对移动数据进行聚类分析，得到各方面的用户标签，并构建用户画像；

26、服务模块，用于根据上述用户画像，为用户推送相应的服务或咨询内容。

27、第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项上述的方法。

28、第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。

29、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：

30、本申请实施例提供一种基于移动终端的大数据分析方法及系统，首先，从移动终端获取用户产生的移动数据并进行预处理。包括通信模式数据、上网行为数据和支付行为数据等。然后，利用深层神经网络结构对移动数据进行特征学习。对学习到的特征表示，利用k-means算法进行预聚类，得到聚类中心。之后，基于预设的用户画像标签体系，确定每个聚类中心的标签，得到各方面的用户标签，构建出用户画像。最后，根据用户画像，为用户推送相应的服务或咨询内容。本申请通过融合特征提取与聚类分析的方式，对用户产生的移动数据进行全面的分析统计，从而更加准确地刻画出用户画像，以为用户提供个性化的网络服务。

技术特征：

1.一种基于移动终端的大数据分析方法，其特征在于，包括：

2.如权利要求1所述的一种基于移动终端的大数据分析方法，其特征在于，所述从移动终端获取用户产生的移动数据并进行预处理的步骤包括：

3.如权利要求1所述的一种基于移动终端的大数据分析方法，其特征在于，所述利用基于深度学习的k-means算法对移动数据进行聚类分析，得到各方面的用户标签，并构建用户画像的步骤包括：

4.如权利要求3所述的一种基于移动终端的大数据分析方法，其特征在于，所述对学习到的特征表示，利用k-means算法进行预聚类，得到聚类中心的步骤包括：

5.如权利要求1所述的一种基于移动终端的大数据分析方法，其特征在于，还包括：

6.如权利要求1所述的一种基于移动终端的大数据分析方法，其特征在于，还包括：将所述用户画像进行可视化展示。

7.一种基于移动终端的大数据分析系统，其特征在于，包括：

8.一种电子设备，其特征在于，包括：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的方法。

技术总结
本发明提出了一种基于移动终端的大数据分析方法及系统，涉及移动数据分析技术领域。首先，从移动终端获取用户产生的移动数据并进行预处理。包括通信模式数据、上网行为数据和支付行为数据等。然后，利用深层神经网络结构对移动数据进行特征学习。对学习到的特征表示，利用K‑means算法进行预聚类，得到聚类中心。之后，基于预设的用户画像标签体系，确定每个聚类中心的标签，得到各方面的用户标签，构建出用户画像。最后，根据用户画像，为用户推送相应的服务或咨询内容。本申请通过融合特征提取与聚类分析的方式，对用户产生的移动数据进行全面的分析统计，从而更加准确地刻画出用户画像，以为用户提供个性化的网络服务。

技术研发人员：王耀龙
受保护的技术使用者：王耀龙
技术研发日：
技术公布日：2024/1/12