一种基于多维知识属性的通信对象预测方法及系统
文献发布时间:2024-04-18 19:58:21
技术领域
本发明涉及通信网络用户行为分析技术领域,具体涉及一种基于多维知识属性的通信对象预测方法及系统。
背景技术
现如今,移动通信工具特别是智能手机已经成为人们生活中难以缺少的一部分,极大地方便了人们的生产生活,同时也产生了海量的通信行为数据,这些数据同移动通信工具一起构成了当今社会的通信网络。但是便捷的通信工具也成为了违法犯罪团伙的联系和组织手段,为了能够辅助相关执法部门打击犯罪团伙,针对其通信网络中用户的通信对象预测已经成为了一个十分重要问题。
然而当前并未有太多工作着眼于该问题,同时已有的工作大多仅使用通讯对象的号码作为历史通信数据,这样的做法虽然在其它可迁移领域中被证明了其有效性,但对用户通信过程建模单一,影响了其结果的准确性;另一方面,这种做法忽略了例如通信对象所属的社团、通信的时长、通信对象在通信网络中的重要性等客观因素,使得用户历史通信记录信息利用不充分。为此,本专利通过融合通信网络的多维知识属性,提出了一种基于多维知识属性的通信对象预测方法及系统,解决用户通信过程建模单一以及信息利用不充分的问题。
发明内容
本发明的目的在于解决已有的工作大多仅使用通讯对象的号码作为历史通信数据,这样的做法虽然在其它可迁移领域中被证明了其有效性,但对用户通信过程建模单一,影响了其结果的准确性;另一方面,这种做法忽略了例如通信对象所属的社团、通信的时长、通信对象在通信网络中的重要性等客观因素,使得用户历史通信记录信息利用不充分。
本发明为了实现上述目的,提供了一种基于多维知识属性的通信对象预测方法及系统,充分利用用户历史通信序列中的多维知识属性信息,分别从通信对象层级、通信社团层级与通信重要度层级建模用户通信过程,实现对通信用户下一次通信对象的预测,解决了上述背景技术中提到的问题。
为实现上述目的,本发明提供如下技术方案:一种基于多维知识属性的通信对象预测方法及系统,所述通信对象预测方法具体步骤如下:
步骤S10:根据用户历史通信记录中用户的通信对象号码、通信对象所属社团、通信业务类型、通信主被叫关系、通信对象全局关键度与通信时长等属性,构建对应通信对象序列、通信社团序列、通信信息操作序列与通信对象重要度序列,并构建相应字典;
步骤S20:分别初始化所有字典,分别形成对应序列的高维空间表示,利用三个门控循环单元神经网络,分别对通信对象号码、通信对象社团与通信信息操作建模,更新通信对象序列、通信社团序列与通信信息操作序列的高维空间表示;
步骤S30:将通信对象序列的高维空间表示与通信信息操作序列的高维空间表示拼接,得到通信对象-信息操作序列,利用注意力机制从中提取出通信对象层级兴趣度;使用类似的方法,拼接通信社团序列的高维空间表示与通信信息操作序列的高维空间表示,然后提取出通信社团层级兴趣度;
步骤S40:引入基于多维知识属性的兴趣结合机制,结合通信对象层级兴趣度、通信社团层级兴趣度与通信对象重要度序列,得到通信用户全局特征表示;
步骤S50:在步骤S40的基础上,加入通信用户局部特征表示,形成通信用户特征表征,实现对用户呼叫对象的预测。
优选的,所述步骤S10的具体步骤如下:
步骤S101,包含了多维知识属性的用户历史通信记录序列表示为O=[o
步骤S102,从历史通信序列中,分别构建通信对象序列
优选的,所述步骤S20的具体步骤如下:
步骤S201,采用方差为0.01,均值为0的方式对通信对象字典、通信社团字典和通信信息操作字典初始化,分别得到通信对象字典、通信社团字典和通信信息操作字典的高维表示DIC
步骤S202,分别使用三个门控循环单元网络建模通信对象、通信社团与通信信息操作,并更新对应序列的高维空间表示,计算公式如下:
其中GRU
优选的,所述步骤S30的具体步骤如下:
步骤S301,将通信对象序列的高维空间表示
步骤S302,应用软注意力机制,计算通信对象-信息操作序列中每个通信对象-信息操作表示与最后一个通信对象-信息操作表示
其中,
步骤S303,将通信社团序列的高维空间表示
步骤S304,应用软注意力机制,提取对象社团-信息操作表示序列中每个对象社团-信息操作表示与最后一个对象社团-信息操作表示
其中,
优选的,所述步骤S40的具体步骤如下:
步骤S401,引入基于多维知识属性的兴趣结合机制,结合通信对象层级兴趣度、通信社团层级兴趣度与通信对象重要度序列,计算得到通信用户全局兴趣度,计算公式如下:
α=w
其中
步骤S402,根据计算得到的通信用户全局兴趣度,结合更新后的通信对象高维空间表示I
其中α
优选的,所述步骤S50的具体步骤如下:
步骤S501,取通信对象序列的高维空间表示I
其中
本发明还提供了一种基于多维知识属性的通信对象预测系统:
用户历史通信记录序列模块:根据用户历史通信记录中用户的信息进行序列构建得到相应序列信息,从而得到用户历史通信记录序列,具体如下:
根据通信对象号码构建对应通信对象序列,并构建通信对象字典;
根据通信对象所属社团构建对应通信社团序列,并构建通信社团字典;
利用组合函数将通信业务类型与通信主被叫关系信息映射为通信信息操作,并以此构建对应通信信息操作序列,并构建通信信息操作字典;
根据通信对象全局关键度与通信时长构建通信对象重要度序列;
高维空间表示模块:分别初始化所有字典,分别形成对应序列的高维空间表示,利用三个门控循环单元神经网络,分别对通信对象号码、通信对象社团与通信信息操作建模,更新通信对象序列、通信社团序列与通信信息操作序列的高维空间表示;
层级兴趣度模块:将通信对象序列的高维空间表示与通信信息操作序列的高维空间表示拼接,得到通信对象-信息操作序列,利用注意力机制从中提取出通信对象层级兴趣度;拼接通信社团序列的高维空间表示与通信信息操作序列的高维空间表示,然后提取出通信社团层级兴趣度;
全局特征表示模块:引入基于多维知识属性的兴趣结合机制,结合通信对象层级兴趣度、通信社团层级兴趣度与通信对象重要度序列,得到通信用户全局特征表示;
预测模块:取通信对象序列的高维空间表示中的尾项为通信用户局部特征表示,在通信用户全局特征表示的基础上加入通信用户局部特征表示,形成通信用户特征表征,实现对用户呼叫对象的预测。
本发明的有益效果是:本发明所述方法通过利用用户历史通信记录中的多维知识属性,引入基于多维知识属性的兴趣结合机制,从通信对象、通信社团、通信重要度三个角度解析历史通信序列中每条通信记录对通信用户而言的兴趣度与重要性,以此获取信息含量更加丰富的通信用户全局特征表示,解决了用户通信过程建模单一以及信息利用不充分的问题。
附图说明
图1为本发明方法步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:
本发明提供如下技术方案:一种基于多维知识属性的通信对象预测方法及系统,所述通信对象预测方法具体步骤如下:
步骤1:根据用户历史通信记录中用户的通信对象号码、通信对象所属社团、通信业务类型、通信主被叫关系、通信对象全局关键度与通信时长等属性,构建对应通信对象序列、通信社团序列、通信信息操作序列与通信对象重要度序列,并构建相应字典;
步骤1-1,包含了多维知识属性的用户历史通信记录序列表示为O=[o
步骤1-2,从历史通信序列中,分别构建通信对象序列
步骤2:分别初始化所有字典,分别形成对应序列的高维空间表示,利用三个门控循环单元神经网络,分别对通信对象号码、通信对象社团与通信信息操作建模,更新通信对象序列、通信社团序列与通信信息操作序列的高维空间表示;
步骤2-1,采用方差为0.01,均值为0的方式对通信对象字典、通信社团字典和通信信息操作字典初始化,分别得到通信对象字典、通信社团字典和通信信息操作字典的高维表示DIC
步骤2-2,分别使用三个门控循环单元网络建模通信对象、通信社团与通信信息操作,并更新对应序列的高维空间表示,计算公式如下:
其中GRU
步骤3:将通信对象序列的高维空间表示与通信信息操作序列的高维空间表示拼接,得到通信对象-信息操作序列,利用注意力机制从中提取出通信对象层级兴趣度;使用类似的方法,拼接通信社团序列的高维空间表示与通信信息操作序列的高维空间表示,然后提取出通信社团层级兴趣度;
步骤3-1,将通信对象序列的高维空间表示
步骤3-2:应用软注意力机制,计算通信对象-信息操作序列中每个通信对象-信息操作表示与最后一个通信对象-信息操作表示
其中,
步骤3-3,将通信社团序列的高维空间表示
步骤3-4,应用软注意力机制,提取对象社团-信息操作表示序列中每个对象社团-信息操作表示与最后一个对象社团-信息操作表示
其中,
步骤4:引入基于多维知识属性的兴趣结合机制,结合通信对象层级兴趣度、通信社团层级兴趣度与通信对象重要度序列,得到通信用户全局特征表示;
步骤4-1,引入基于多维知识属性的兴趣结合机制,结合通信对象层级兴趣度、通信社团层级兴趣度与通信对象重要度序列,计算得到通信用户全局兴趣度,计算公式如下:
α=w
其中
步骤4-2,根据计算得到的通信用户全局兴趣度,结合更新后的通信对象高维空间表示I
其中α
步骤5:在步骤S40的基础上,加入通信用户局部特征表示,形成通信用户特征表征,实现对用户呼叫对象的预测。
步骤5-1,取通信对象序列的高维空间表示I
其中
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 一种基于多维度数据模型的专业招生预测方法及系统
- 基于对象多维属性空间的数据仓库鉴权方法及系统
- 基于知识蒸馏的对象行为的预测方法及系统、设备及介质