CN112528166A - 用户关系分析方法、装置、计算机设备及存储介质 - Google Patents
用户关系分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112528166A CN112528166A CN202011487947.1A CN202011487947A CN112528166A CN 112528166 A CN112528166 A CN 112528166A CN 202011487947 A CN202011487947 A CN 202011487947A CN 112528166 A CN112528166 A CN 112528166A
- Authority
- CN
- China
- Prior art keywords
- user
- relationship
- target
- sharing
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 238000012216 screening Methods 0.000 claims abstract description 18
- 230000006399 behavior Effects 0.000 claims description 71
- 238000000034 method Methods 0.000 claims description 11
- 238000011144 upstream manufacturing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000000750 progressive effect Effects 0.000 claims description 4
- 238000012800 visualization Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了用户关系分析方法、装置、计算机设备及存储介质，属于大数据领域。本发明的用户关系分析方法可获取访问目标端口的各个用户的基础信息和行为信息，并对各个用户的行为信息进行跟踪得到用户之间的关系构建候选关系网络，通过对其进行分析筛选确定目标关系网络，基于目标关系网络对各个用户的基础信息和行为信息进行分析，生成与目标端口关联的用户关系信息，从而实现可从复杂的互联网数据中有针对性的快速、有效的挖掘出与目标端口有关的有效用户关系信息，以便于直观的衡量用户间的亲密程度。
Description
技术领域
本发明涉及大数据领域，尤其涉及用户关系分析方法、装置、计算机设备及存储介质。
背景技术
社交关系是指以自己为中心单位，向外围散射的人际利益关系网络，形成良好的社交关系圈，对于人们的工作、学习的发展可以起到至关重要的作用。目前，为了便于人们开展社交活动，越来越多的智能终端和社交APP(application，应用)出现在人们的日常生活和工作中。然而在混乱复杂的互联网数据中快速挖掘出社交关系非常困难。目前基于Facebook、LinkedIn等网络论坛只能查找用户的基本信息、发帖信息、好友信息及家乡、居住地、现居住、教育经历、工作经历等信息，但查找到的用户个人信息之间并没有直接的关系，而每个人在论坛中展示的内容及方式也各不相同。
综上所述，目前无法有针对性的基于复杂的互联网数据有效、快速的挖掘出用户的有效社交信息。
发明内容
针对无法基于复杂的互联网数据有效、快速的挖掘出用户的有效社交信息的问题，现提供一种旨在可基于复杂的互联网数据有针对性的快速、有效的挖掘出用户的有效社交信息的用户关系分析方法、装置、计算机设备及存储介质。
为实现上述目的，本发明提供一种基于社交平台的用户关系分析方法，包括：
获取访问目标端口的各个用户的基础信息和行为信息；
分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络；
根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络；
将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
可选的，所述目标端口为目标页面的链接或与所述目标页面对应的二维码，所述基础信息包括用户ID、浏览数据和用户账号，所述行为信息包括：触发埋点事件、分享事件、转发事件、和订单事件，其中，每一种事件对应一种标识；
所述获取访问目标端口的各个用户的基础信息和行为信息，包括：
通过所述目标页面的定时器获取每个所述用户的浏览数据，通过所述目标页面的渐进式框架获取每个所述用户的用户ID和用户账号；
分别对每个所述用户的行为进行标识，得到每个所述用户的触发埋点事件、分享事件、转发事件和订单事件，并根据事件标识的不同对相应的事件进行分类存储。
可选的，所述分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络，包括：
通过全链接追踪对每个所述用户的分享事件进行分析，以获取用户分享路径；
基于所述用户分享路径生成所述候选关系网络。
可选的，所述基于所述用户分享路径生成所述候选关系网络，包括：
采用echart控件根据所述用户分享路径生成采用用户节点表示的所述候选关系网络。
可选的，所述根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络，包括：
获取所述候选关系网络中每一所述用户分享路径的关系度数；
将所述关系度数相同，且所述用户分享路径中的首用户节点与尾用户节点相同的多个所述用户分享路径作为候选路径集合；
从所述候选路径集合提取满足所述预设规则的所述用户分享路径，作为关系路径；
将所述关系路径和除所述候选路径集合中的所述用户分享路径作为所述目标关系网络，并记录所述目标关系网络。
可选的，所述用户分享路径中的用户节点与用户分享的时间戳关联；
所述预设规则为在所述候选路径集合中当一个用户节点对应多个上游节点时，选择时间戳最早的上游节点对应的所述用户分享路径作为关系路径。
可选的，所述第一预设条件包括第二预设条件和第三预设条件；
所述将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息，包括：
获取所述目标关系网络中各个用户节点对应的用户的所述基础信息和行为信息，将所述基础信息与第二预设条件进行匹配，将所述行为信息与第三预设条件进行匹配；
标记与所述第二预设条件匹配的所述用户对应的用户节点，标记与所述第三预设条件匹配的所述用户对应的用户节点；
基于携带标记的用户节点生成与所述目标端口对应的用户关系信息；
其中，所述用户关系信息包括用户的所述分享路径、所述基础信息和所述行为信息。
为实现上述目的，本发明还提供一种基于社交平台的用户关系分析装置，包括：
获取单元，用于获取访问目标端口的各个用户的基础信息和行为信息；
跟踪单元，用于分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络；
筛选单元，用于根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络；
生成单元，用于将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
为实现上述目的，本发明还提供一种计算机设备，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
为实现上述目的，本发明还提供一种计算机可读存储介质，其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上述方法的步骤。
本发明提供的用户关系分析方法、装置、计算机设备及存储介质，可获取访问目标端口的各个用户的基础信息和行为信息，并对各个用户的行为信息进行跟踪得到用户之间的关系构建候选关系网络，通过对其进行分析筛选确定目标关系网络，基于目标关系网络对各个用户的基础信息和行为信息进行分析，生成与目标端口关联的用户关系信息，从而实现可从复杂的互联网数据中有针对性的快速、有效的挖掘出与目标端口有关的有效用户关系信息，以便于直观的衡量用户间的亲密程度。
附图说明
图1为本发明所述的基于社交平台的用户关系分析方法的一种实施例的方法流程图；
图2为对用户的行为信息进行跟踪得到候选关系网络的一种实施例的流程图；
图3为对候选关系网络进行分析筛选得到目标关系网络的一种实施例的流程图；
图4为本发明所述的基于社交平台的用户关系分析装置的一种实施例的模块图；
图5为本发明计算机设备的一个实施例的硬件架构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
本发明提供的用户关系分析方法、装置、计算机设备及存储介质，适用于保险业务领域。本发明的用户关系分析方法可获取访问目标端口的各个用户的基础信息和行为信息，并对各个用户的行为信息进行跟踪得到用户之间的关系构建候选关系网络，通过对其进行分析筛选确定目标关系网络，基于目标关系网络对各个用户的基础信息和行为信息进行分析，生成与目标端口关联的用户关系信息，从而实现可从复杂的互联网数据中有针对性的快速、有效的挖掘出与目标端口有关的有效用户关系信息，以便于直观的衡量用户间的亲密程度。
实施例一
请参阅图1，本实施例的一种基于社交平台的用户关系分析方法，包括以下步骤：
S1.获取访问目标端口的各个用户的基础信息和行为信息。
本实施例中，所述目标端口为目标页面的链接或与所述目标页面对应的二维码，所述基础信息包括用户ID、浏览数据和用户账号，所述行为信息包括：触发埋点事件、分享事件、转发事件、和订单事件，其中，每一种事件对应一种标识。
作为举例而非限定，目标端口可以是描述产品(如小程序)、咨询或软文的HTML5的链接或二维码。浏览数据为浏览时长及浏览次数，基础信息还可包括用户账户的昵称及图像等信息。
进一步地，步骤S1可通过所述目标页面的定时器获取每个所述用户的浏览数据，通过所述目标页面的渐进式框架(Vue.js)获取每个所述用户的用户ID和用户账号。
具体地，目标页面的定时器为javascript(简称“JS”，即时编译型的高级编程语言)中的定时器，定时器可采用倒计定时器或循环定时器。倒计定时器是设定一段时间后执行function()函数，而循环定时器则是每隔一段时间都执行function()函数一次。Vue可以自底向上逐层应用。Vue的核心库只关注视图层，便于与第三方库或既有项目整合。当与现代化的工具链以及各种支持类库结合使用时，Vue完全能够为复杂的单页应用提供驱动。
进一步地，步骤S1可分别对每个所述用户的行为进行标识，得到每个所述用户的触发埋点事件、分享事件、转发事件和订单事件，并根据事件标识的不同对相应的事件进行分类存储。
在本实施例中，当用户访问目标端口时，可通过监测用户的行为对其行为事件进行标记，触发埋点事件为用户点击与目标端口对应的页面的按钮、链接的事件，或用户在该页面录入信息的事件；分享事件为用户分享目标端口的行为事件；转发事件为用户转发目标端口的行为事件；订单事件为用户基于该目标端口发生交易(包括支付和待支付)的行为事件。可采用不同的标识对不同类型的行为事件进行标识，以区分行为事件类型的不同，将并相应的行为事件根据标识的不同的存储于yellowbrick数据库，以便于后续进行数据分析。yellowbrick数据库是一个机器学习可视化库，能够提供多种机器学习算法的可视化，如特征可视化，分类可视化，回归可视化，回归可视化，聚类可视化，模型选择可视化，目标可视化，文字可视化等。
S2.分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络。
进一步地，参阅图2所示步骤S2可包括以下步骤：
S21.通过全链接追踪对每个所述用户的分享事件进行分析，以获取用户分享路径。
本实施例中，当用户访问目标端口时，与目标端口关联的服务器接收到访问请求后，生成一个traceld(全链接追踪)，通过traceld追踪用户的分享事件日志，以便于根据记录的日志确定用户的分享路径。
S22.基于所述用户分享路径生成所述候选关系网络。
具体地，步骤S22可包括：
采用echart控件根据所述用户分享路径生成采用用户节点表示的所述候选关系网络。
本实施例中，由于访问目标端口的用户可能有多个，各个用户之间可能有关联，也可能互相独立，因此需分别对各个用户的分享路径进行分析梳理，合并重复的路径，区分互相独立的路径，从而利用echart控件生成由多个路径组成的候选关系网络。
S3.根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络。
本实施例中，考虑到候选关系网络中的用户节点为所有访问目标端口的节点，无法突出体现哪些节点是对目标端口感兴趣的用户，哪些节点的用户对目标端口没有兴趣，因此需要通过步骤S3对候选关系网络中的节点进行筛选，提高用户关系数据的分析精度。
进一步地，参阅图3所示步骤S3可包括：
S31.获取所述候选关系网络中每一所述用户分享路径的关系度数。
其中，所述用户分享路径中的用户节点与用户分享的时间戳关联。
本实施例中，关系度数为用户分享路径中参与访问目标端口的用户个数。
S32.将所述关系度数相同，且所述用户分享路径中的首用户节点与尾用户节点相同的多个所述用户分享路径作为候选路径集合。
需要说明的是：用户分享路径包括分享方向。
作为举例而非限定，用户分享路径为：目标端口→用户A→用户B→用户C→用户D。该用户分享路径为当用户A访问目标端口后将该目标端口分享给用户B，用户B访问目标端口后将该目标端口分享给用户C，用户C访问目标端口后将该目标端口分享给用户D。其中，用户A为该用户分享路径中的首用户节点，用户D为该用户分享路径中的尾用户节点。当有多条用户分享路径的关系度数均为4，首用户节点为用户A，且尾用户节点为用户D时，则将这些用户分享路径放到候选路径集合。
S33.从所述候选路径集合提取满足预设规则的所述用户分享路径，作为关系路径。
其中，所述预设规则为在所述候选路径集合中当一个用户节点对应多个上游节点时，选择时间戳最早的上游节点对应的所述用户分享路径作为关系路径。用户节点的上一级节点。
在用户分享路径中目标端口→用户A→用户B→用户C→用户D，用户A为用户B的上游节点，用户B为用户C的上游节点，用户C为用户D的上游节点。
在本实施例中，当多个路径关系度数相同、且路径的首用户节点和尾用户节点相同时，表示分享路径相似，可依据优先分享原则，将较早分享的路径作为关系路径，从而滤除相似路径。
S34.将所述关系路径和除所述候选路径集合中的所述用户分享路径作为所述目标关系网络，并记录所述目标关系网络。
需要强调的是，为进一步保证上述目标关系网络的私密和安全性，上述目标关系网络还可以存储于一区块链的节点中。
本实施例中，将关系度数相同、首用户节点与尾用户节点不相同的用户分享路径，关系度数不相同、首用户节点与尾用户节点相同的用户分享路径，以及关系路径作为目标关系网络。
S4.将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
进一步地，所述第一预设条件包括第二预设条件和第三预设条件。步骤S4可包括：获取所述目标关系网络中各个用户节点对应的用户的所述基础信息和行为信息，将所述基础信息与第二预设条件进行匹配，将所述行为信息与第三预设条件进行匹配；标记与所述第二预设条件匹配的所述用户对应的用户节点，标记与所述第三预设条件匹配的所述用户对应的用户节点；基于携带标记的用户节点生成与所述目标端口对应的用户关系信息。
其中，第二预设条件为浏览数据中的浏览时间达到时间阈值(如：1分钟)，和/或浏览次数达到次数阈值(如：5次)。第三预设条件为分享次数达到分享阈值(如：10次)，和/或转发次数达到转发阈值(如：10次)，和/或订单次数达到订单阈值(如：1件、2件等)。
需要说明的是：所述用户关系信息包括用户的所述分享路径、所述基础信息和所述行为信息。
本实施例中，可根据经标记的用户节点，直观的展示各个用户对目标端口对应的页面的关注度，还可基于用户关系信息中的用户构建与该页面对应的用户画像，以达到数据分析的目的。
在优选的实施例中，还可根据所述目标关系网络分别统计所有用户的总浏览时长、总分享次数、总转发次数以及总订单事件个数，基于所述总浏览时长、总分享次数、总转发次数以及总订单事件个数生成目标端口的分析数据。
在本实施例中，基于社交平台的用户关系分析方法可获取访问目标端口的各个用户的基础信息和行为信息，并对各个用户的行为信息进行跟踪得到用户之间的关系构建候选关系网络，通过对其进行分析筛选确定目标关系网络，基于目标关系网络对各个用户的基础信息和行为信息进行分析，生成与目标端口关联的用户关系信息，从而实现可从复杂的互联网数据中有针对性的快速、有效的挖掘出与目标端口有关的有效用户关系信息，以便于直观的衡量用户间的亲密程度。
实施例二
请参阅图4，本实施例的一种基于社交平台的用户关系分析装置1，包括：获取单元11、跟踪单元12、筛选单元13和生成单元14。
获取单元11，用于获取访问目标端口的各个用户的基础信息和行为信息。
本实施例中，所述目标端口为目标页面的链接或与所述目标页面对应的二维码，所述基础信息包括用户ID、浏览数据和用户账号，所述行为信息包括：触发埋点事件、分享事件、转发事件、和订单事件，其中，每一种事件对应一种标识。
作为举例而非限定，目标端口可以是描述产品(如小程序)、咨询或软文的HTML5的链接或二维码。浏览数据为浏览时长及浏览次数，基础信息还可包括用户账户的昵称及图像等信息。
进一步地，获取单元11可通过所述目标页面的定时器获取每个所述用户的浏览数据，通过所述目标页面的渐进式框架(Vue.js)获取每个所述用户的用户ID和用户账号。
具体地，目标页面的定时器为javascript(简称“JS”，即时编译型的高级编程语言)中的定时器，定时器可采用倒计定时器或循环定时器。倒计定时器是设定一段时间后执行function()函数，而循环定时器则是每隔一段时间都执行function()函数一次。Vue可以自底向上逐层应用。Vue的核心库只关注视图层，便于与第三方库或既有项目整合。当与现代化的工具链以及各种支持类库结合使用时，Vue完全能够为复杂的单页应用提供驱动。
进一步地，获取单元11可分别对每个所述用户的行为进行标识，得到每个所述用户的触发埋点事件、分享事件、转发事件和订单事件，并根据事件标识的不同对相应的事件进行分类存储。
在本实施例中，当用户访问目标端口时，可通过监测用户的行为对其行为事件进行标记，触发埋点事件为用户点击与目标端口对应的页面的按钮、链接的事件，或用户在该页面录入信息的事件；分享事件为用户分享目标端口的行为事件；转发事件为用户转发目标端口的行为事件；订单事件为用户基于该目标端口发生交易(包括支付和待支付)的行为事件。可采用不同的标识对不同类型的行为事件进行标识，以区分行为事件类型的不同，将并相应的行为事件根据标识的不同的存储于yellowbrick数据库，以便于后续进行数据分析。yellowbrick数据库是一个机器学习可视化库，能够提供多种机器学习算法的可视化，如特征可视化，分类可视化，回归可视化，回归可视化，聚类可视化，模型选择可视化，目标可视化，文字可视化等。
跟踪单元12，用于分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络。
进一步地，跟踪单元12可通过全链接追踪对每个所述用户的分享事件进行分析，以获取用户分享路径；基于所述用户分享路径生成所述候选关系网络。
本实施例中，当用户访问目标端口时，与目标端口关联的服务器接收到访问请求后，生成一个traceld(全链接追踪)，通过traceld追踪用户的分享事件日志，以便于根据记录的日志确定用户的分享路径。跟踪单元12可采用echart控件根据所述用户分享路径生成采用用户节点表示的所述候选关系网络。
本实施例中，由于访问目标端口的用户可能有多个，各个用户之间可能有关联，也可能互相独立，因此需分别对各个用户的分享路径进行分析梳理，合并重复的路径，区分互相独立的路径，从而利用echart控件生成由多个路径组成的候选关系网络。
筛选单元13，用于根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络。
本实施例中，考虑到候选关系网络中的用户节点为所有访问目标端口的节点，无法突出体现哪些节点是对目标端口感兴趣的用户，哪些节点的用户对目标端口没有兴趣，因此需要通过筛选单元13对候选关系网络中的节点进行筛选，提高用户关系数据的分析精度。
进一步地，筛选单元13通过获取所述候选关系网络中每一所述用户分享路径的关系度数，将所述关系度数相同，且所述用户分享路径中的首用户节点与尾用户节点相同的多个所述用户分享路径作为候选路径集合；从所述候选路径集合提取满足预设规则的所述用户分享路径，作为关系路径；将所述关系路径和除所述候选路径集合中的所述用户分享路径作为所述目标关系网络，并记录所述目标关系网络。
其中，所述预设规则为在所述候选路径集合中当一个用户节点对应多个上游节点时，选择时间戳最早的上游节点对应的所述用户分享路径作为关系路径。用户节点的上一级节点。
需要强调的是，为进一步保证上述目标关系网络的私密和安全性，上述目标关系网络还可以存储于一区块链的节点中。
在本实施例中，当多个路径关系度数相同、且路径的首用户节点和尾用户节点相同时，表示分享路径相似，可依据优先分享原则，将较早分享的路径作为关系路径，从而滤除相似路径。将关系度数相同、首用户节点与尾用户节点不相同的用户分享路径，关系度数不相同、首用户节点与尾用户节点相同的用户分享路径，以及关系路径作为目标关系网络。
生成单元14，用于将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
进一步地，所述第一预设条件包括第二预设条件和第三预设条件。通过生成单元14获取所述目标关系网络中各个用户节点对应的用户的所述基础信息和行为信息，将所述基础信息与第二预设条件进行匹配，将所述行为信息与第三预设条件进行匹配；标记与所述第二预设条件匹配的所述用户对应的用户节点，标记与所述第三预设条件匹配的所述用户对应的用户节点；基于携带标记的用户节点生成与所述目标端口对应的用户关系信息。
其中，第二预设条件为浏览数据中的浏览时间达到时间阈值(如：1分钟)，和/或浏览次数达到次数阈值(如：5次)。第三预设条件为分享次数达到分享阈值(如：10次)，和/或转发次数达到转发阈值(如：10次)，和/或订单次数达到订单阈值(如：1件、2件等)。
需要说明的是：所述用户关系信息包括用户的所述分享路径、所述基础信息和所述行为信息。
本实施例中，可根据经标记的用户节点，直观的展示各个用户对目标端口对应的页面的关注度，还可基于用户关系信息中的用户构建与该页面对应的用户画像，以达到数据分析的目的。
在优选的实施例中，生成单元14还可根据所述目标关系网络分别统计所有用户的总浏览时长、总分享次数、总转发次数以及总订单事件个数，基于所述总浏览时长、总分享次数、总转发次数以及总订单事件个数生成目标端口的分析数据。
在本实施例中，基于社交平台的用户关系分析装置1可通过获取单元11获取访问目标端口的各个用户的基础信息和行为信息，利用跟踪单元12对各个用户的行为信息进行跟踪得到用户之间的关系构建候选关系网络，通过筛选单元13对候选关系网络进行分析筛选确定目标关系网络，利用生成单元14基于目标关系网络对各个用户的基础信息和行为信息进行分析，生成与目标端口关联的用户关系信息，从而实现可从复杂的互联网数据中有针对性的快速、有效的挖掘出与目标端口有关的有效用户关系信息，以便于直观的衡量用户间的亲密程度。
实施例三
为实现上述目的，本发明还提供一种计算机设备2，该计算机设备2包括多个计算机设备2，实施例二的基于社交平台的用户关系分析装置1的组成部分可分散于不同的计算机设备2中，计算机设备2可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。本实施例的计算机设备2至少包括但不限于：可通过系统总线相互通信连接的存储器21、处理器23、网络接口22以及基于社交平台的用户关系分析装置1(参考图5)。需要指出的是，图5仅示出了具有组件-的计算机设备2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，所述存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以是计算机设备2的外部存储设备，例如该计算机设备2上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21通常用于存储安装于计算机设备2的操作系统和各类应用软件，例如实施例一的基于社交平台的用户关系分析方法的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器23在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器23通常用于控制计算机设备2的总体操作例如执行与所述计算机设备2进行数据交互或者通信相关的控制和处理等。本实施例中，所述处理器23用于运行所述存储器21中存储的程序代码或者处理数据，例如运行所述的基于社交平台的用户关系分析装置1等。
所述网络接口22可包括无线网络接口或有线网络接口，该网络接口22通常用于在所述计算机设备2与其他计算机设备2之间建立通信连接。例如，所述网络接口22用于通过网络将所述计算机设备2与外部终端相连，在所述计算机设备2与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(WidebandCode Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图5仅示出了具有部件21-23的计算机设备2，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器21中的所述基于社交平台的用户关系分析装置1还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器23)所执行，以完成本发明。
实施例四
为实现上述目的，本发明还提供一种计算机可读存储介质，其包括多个存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器23执行时实现相应功能。本实施例的计算机可读存储介质用于存储基于社交平台的用户关系分析装置1，被处理器23执行时实现实施例一的基于社交平台的用户关系分析方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于社交平台的用户关系分析方法，其特征在于，包括：
获取访问目标端口的各个用户的基础信息和行为信息；
分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络；
根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络；
将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
2.根据权利要求1所述的基于社交平台的用户关系分析方法，其特征在于，所述目标端口为目标页面的链接或与所述目标页面对应的二维码，所述基础信息包括用户ID、浏览数据和用户账号，所述行为信息包括：触发埋点事件、分享事件、转发事件和订单事件，其中，每一种事件对应一种标识；
所述获取访问目标端口的各个用户的基础信息和行为信息，包括：
通过所述目标页面的定时器获取每个所述用户的浏览数据，通过所述目标页面的渐进式框架获取每个所述用户的用户ID和用户账号；
分别对每个所述用户的行为进行标识，得到每个所述用户的触发埋点事件、分享事件、转发事件和订单事件，并根据事件标识的不同对相应的事件进行分类存储。
3.根据权利要求2所述的基于社交平台的用户关系分析方法，其特征在于，所述分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络，包括：
通过全链接追踪对每个所述用户的分享事件进行分析，以获取用户分享路径；
基于所述用户分享路径生成所述候选关系网络。
4.根据权利要求3所述的基于社交平台的用户关系分析方法，其特征在于，所述基于所述用户分享路径生成所述候选关系网络，包括：
采用echart控件根据所述用户分享路径生成采用用户节点表示的所述候选关系网络。
5.根据权利要求4所述的基于社交平台的用户关系分析方法，其特征在于，所述根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络，包括：
获取所述候选关系网络中每一所述用户分享路径的关系度数；
将所述关系度数相同，且所述用户分享路径中的首用户节点与尾用户节点相同的多个所述用户分享路径作为候选路径集合；
从所述候选路径集合提取满足所述预设规则的所述用户分享路径，作为关系路径；
将所述关系路径和除所述候选路径集合中的所述用户分享路径作为所述目标关系网络，并记录所述目标关系网络。
6.根据权利要求5所述的基于社交平台的用户关系分析方法，其特征在于，所述用户分享路径中的用户节点与用户分享的时间戳关联；
所述预设规则为在所述候选路径集合中一个用户节点对应多个上游节点时，选择时间戳最早的上游节点对应的所述用户分享路径作为关系路径。
7.根据权利要求4所述的基于社交平台的用户关系分析方法，其特征在于，所述第一预设条件包括第二预设条件和第三预设条件；
所述将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息，包括：
获取所述目标关系网络中各个用户节点对应的用户的所述基础信息和行为信息，将所述基础信息与第二预设条件进行匹配，将所述行为信息与第三预设条件进行匹配；
标记与所述第二预设条件匹配的所述用户对应的用户节点，标记与所述第三预设条件匹配的所述用户对应的用户节点；
基于携带标记的用户节点生成与所述目标端口对应的用户关系信息；
其中，所述用户关系信息包括用户的所述分享路径、所述基础信息和所述行为信息。
8.一种基于社交平台的用户关系分析装置，其特征在于，包括：
获取单元，用于获取访问目标端口的各个用户的基础信息和行为信息；
跟踪单元，用于分别对每个所述用户的所述行为信息进行跟踪以得到候选关系网络；
筛选单元，用于根据预设规则对所述候选关系网络进行分析筛选以得到目标关系网络；
生成单元，用于将所述目标关系网络中各个用户对应的所述基础信息和所述行为信息与第一预设条件进行匹配，基于所述目标关系网络与所述第一预设条件匹配的所述用户生成与所述目标端口对应的用户关系信息。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011487947.1A CN112528166A (zh) | 2020-12-16 | 2020-12-16 | 用户关系分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011487947.1A CN112528166A (zh) | 2020-12-16 | 2020-12-16 | 用户关系分析方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112528166A true CN112528166A (zh) | 2021-03-19 |
Family
ID=75000721
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011487947.1A Pending CN112528166A (zh) | 2020-12-16 | 2020-12-16 | 用户关系分析方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528166A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111114A (zh) * | 2021-04-21 | 2021-07-13 | 北京易数科技有限公司 | 基于社交网络的数据处理方法、装置、介质、电子设备 |
| CN113220657A (zh) * | 2021-05-14 | 2021-08-06 | 上海哔哩哔哩科技有限公司 | 数据处理方法、装置及计算机设备 |
| CN113485900A (zh) * | 2021-06-07 | 2021-10-08 | 广发银行股份有限公司 | 一种用户行为分析方法、系统、设备及计算机介质 |
| CN113553364A (zh) * | 2021-08-03 | 2021-10-26 | 伙伴愿景(广东)智能科技有限公司 | 人脉关系网络构建方法、找人联系路径输出方法、存储介质及人脉资源互助系统 |
| CN113689074A (zh) * | 2021-07-22 | 2021-11-23 | 深圳市明源云客电子商务有限公司 | 客户分配方法、设备、介质及计算机程序产品 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870578A (zh) * | 2014-03-21 | 2014-06-18 | 联想(北京)有限公司 | 一种网络应用的用户间关联信息的显示方法及电子设备 |
| CN105894118A (zh) * | 2016-04-01 | 2016-08-24 | 丁伟明 | 一种人际关系路径的选择方法及装置 |
| CN107169871A (zh) * | 2017-04-20 | 2017-09-15 | 西安电子科技大学 | 一种基于关系组合优化和种子扩张的多关系社区发现方法 |
| CN111046429A (zh) * | 2019-12-13 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的关系网络构建方法及装置 |
| CN111447137A (zh) * | 2020-02-29 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 浏览情况数据分析方法、装置、服务器及存储介质 |
-
2020
- 2020-12-16 CN CN202011487947.1A patent/CN112528166A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103870578A (zh) * | 2014-03-21 | 2014-06-18 | 联想(北京)有限公司 | 一种网络应用的用户间关联信息的显示方法及电子设备 |
| CN105894118A (zh) * | 2016-04-01 | 2016-08-24 | 丁伟明 | 一种人际关系路径的选择方法及装置 |
| CN107169871A (zh) * | 2017-04-20 | 2017-09-15 | 西安电子科技大学 | 一种基于关系组合优化和种子扩张的多关系社区发现方法 |
| CN111046429A (zh) * | 2019-12-13 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的关系网络构建方法及装置 |
| CN111447137A (zh) * | 2020-02-29 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 浏览情况数据分析方法、装置、服务器及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113111114A (zh) * | 2021-04-21 | 2021-07-13 | 北京易数科技有限公司 | 基于社交网络的数据处理方法、装置、介质、电子设备 |
| CN113220657A (zh) * | 2021-05-14 | 2021-08-06 | 上海哔哩哔哩科技有限公司 | 数据处理方法、装置及计算机设备 |
| CN113485900A (zh) * | 2021-06-07 | 2021-10-08 | 广发银行股份有限公司 | 一种用户行为分析方法、系统、设备及计算机介质 |
| CN113689074A (zh) * | 2021-07-22 | 2021-11-23 | 深圳市明源云客电子商务有限公司 | 客户分配方法、设备、介质及计算机程序产品 |
| CN113689074B (zh) * | 2021-07-22 | 2022-04-08 | 深圳市明源云客电子商务有限公司 | 客户分配方法、装置、设备及介质 |
| CN113553364A (zh) * | 2021-08-03 | 2021-10-26 | 伙伴愿景(广东)智能科技有限公司 | 人脉关系网络构建方法、找人联系路径输出方法、存储介质及人脉资源互助系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112528166A (zh) | 用户关系分析方法、装置、计算机设备及存储介质 | |
| CN110489520B (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
| US10565750B2 (en) | Intelligent visualization munging | |
| CN112491602B (zh) | 行为数据的监控方法、装置、计算机设备及介质 | |
| CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
| US20150254158A1 (en) | Event correlation | |
| KR101524971B1 (ko) | 개인 성향 예측 방법 및 그 장치 | |
| CN107622008B (zh) | 一种应用页面的遍历方法和装置 | |
| Prasanthi | Cyber forensic tools: a review | |
| CN106650433B (zh) | 一种异常行为检测方法及系统 | |
| CN111694718A (zh) | 内网用户异常行为识别方法、装置、计算机设备及可读存储介质 | |
| CN107870860A (zh) | 埋点验证系统及方法 | |
| CN108287823B (zh) | 消息数据处理方法、装置、计算机设备和存储介质 | |
| CN112394908A (zh) | 埋点页面自动生成的方法、装置、计算机设备及存储介质 | |
| WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
| Sepehri Rad et al. | Leveraging editor collaboration patterns in Wikipedia | |
| CN110659435A (zh) | 页面数据采集处理方法、装置、计算机设备和存储介质 | |
| Munoz et al. | Android malware detection from Google Play meta-data: Selection of important features | |
| Creese et al. | Tools for understanding identity | |
| Liu et al. | User behavior discovery from low‐level software execution log | |
| Genga et al. | Towards a systematic process-aware behavioral analysis for security | |
| Qi et al. | STBins: Visual tracking and comparison of multiple data sequences using temporal binning | |
| CN111833219A (zh) | 知识产权服务商品数据的提供方法及装置 | |
| Bhat et al. | A data mining approach for data generation and analysis for digital forensic application | |
| US20230023798A1 (en) | Digital forensics tool and method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210319 |
|
| WD01 | Invention patent application deemed withdrawn after publication |