本發(fā)明涉及通信領(lǐng)域，具體涉及一種人員潛在關(guān)系分析方法和裝置。

背景技術(shù)：

隨著計(jì)算機(jī)技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展，計(jì)算機(jī)應(yīng)用越來越普及，其規(guī)模，范圍和深度也在不斷的擴(kuò)大。尤其是近幾十年來隨著數(shù)據(jù)庫(kù)技術(shù)的不斷成熟和數(shù)據(jù)庫(kù)管理系統(tǒng)的廣泛應(yīng)用，以及數(shù)據(jù)庫(kù)采集技術(shù)的發(fā)展，人們利用計(jì)算機(jī)技術(shù)收集和累積的數(shù)據(jù)也在極力增加，并且這些數(shù)據(jù)每天都在以指數(shù)級(jí)增長(zhǎng)。這些海量數(shù)據(jù)背后隱藏著很多重要信息，人們希望能夠?qū)ζ溥M(jìn)行高層次的分析，以便更好的利用這些數(shù)據(jù)，因此針對(duì)這種海量數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，不同的數(shù)據(jù)挖掘算法可以產(chǎn)生不同的分析數(shù)據(jù)結(jié)果，對(duì)于人員關(guān)系的分析，現(xiàn)在有如下幾種方案：

方案一：基于通信記錄的海量數(shù)據(jù)分析，通過在數(shù)據(jù)中挖掘出潛在的，不為人所知的，人與人之間的通信及交互模式，例如通話時(shí)間，通話時(shí)長(zhǎng)和通話人職業(yè)等之間的關(guān)系模式，給進(jìn)一步分析人與人之間關(guān)系提供決策支持。該方案的缺點(diǎn)在于：分析數(shù)據(jù)主體單一，只能依靠單一的通話記錄獲取通話相關(guān)的人員關(guān)系分析；關(guān)系模型不具備通用性，無法靈活接入其他的分析數(shù)據(jù)，擴(kuò)展性不強(qiáng)。只能基于已知的存在交互的數(shù)據(jù)進(jìn)行分析，很難分析出潛在的，不存在通話數(shù)據(jù)的人員關(guān)系。

方案二：基于社交網(wǎng)絡(luò)海量數(shù)據(jù)的人員關(guān)系分析，通過識(shí)別目標(biāo)人員的社交互動(dòng)方式；統(tǒng)計(jì)與目標(biāo)人員的社交互動(dòng)種類；統(tǒng)計(jì)每種社交方式的互動(dòng)次數(shù)；根據(jù)人際關(guān)系熱度算法計(jì)算人際關(guān)系熱度積分；根據(jù)人際關(guān)系熱度積分繪制人 際關(guān)系熱譜圖。從而分析得出人員關(guān)系親密程度。該方案的缺點(diǎn)在于：只能通過單一的社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析，模型不適用于其他類型的行為軌跡數(shù)據(jù)。只能基于已知的存在人員社交互動(dòng)的數(shù)據(jù)進(jìn)行分析，很難分析出潛在的，不存在直接社交互動(dòng)數(shù)據(jù)的人員關(guān)系。

方案三：基于人物照片的數(shù)據(jù)分析，輸入為一個(gè)照相簿，基于人臉識(shí)別技術(shù)，識(shí)別出該相簿里每一張照片中的人臉區(qū)塊，以區(qū)分出每一張照片中的人。進(jìn)一步地，該方法根據(jù)上述相簿里包含某個(gè)人的照片，計(jì)算該人與照片中其他人之間的距離，從而計(jì)算出該人與該其他人之間的人脈關(guān)系。該方案的缺點(diǎn)在于：分析數(shù)據(jù)不具備通用性，且對(duì)于數(shù)據(jù)的要求較高。需要引入人臉識(shí)別技術(shù)，提高了人員關(guān)系分析的技術(shù)難度。只對(duì)于出現(xiàn)在同一個(gè)相簿里的人進(jìn)行分析，具有局限性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的主要技術(shù)問題是，提供一種人員潛在關(guān)系分析方法和裝置，解決現(xiàn)有中對(duì)人員潛在關(guān)系分析分析主體數(shù)據(jù)源比較單一，擴(kuò)展性不強(qiáng)以及只能依據(jù)已知的關(guān)系人員進(jìn)行分析的問題。

為解決上述問題，本發(fā)明提供一種人員潛在關(guān)系分析方法，包括：

獲取各人員的多種行為軌跡數(shù)據(jù)；

確定目標(biāo)人員，并獲取所述目標(biāo)人員的多種行為軌跡數(shù)據(jù)中的至少兩種行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)；

根據(jù)所述目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到所述目標(biāo)人員的潛在關(guān)系人員。

在本發(fā)明的一種實(shí)施例中，所述行為軌跡數(shù)據(jù)包括行程類型軌跡數(shù)據(jù)、娛 樂類型軌跡數(shù)據(jù)和通信類型軌跡數(shù)據(jù)。

在本發(fā)明的一種實(shí)施例中，所述獲取各人員的多種行為軌跡數(shù)據(jù)之前還包括：采集各人員的各種行為軌跡數(shù)據(jù)，存入大數(shù)據(jù)平臺(tái)；所述獲取各人員的多種行為軌跡數(shù)據(jù)包括：從所述大數(shù)據(jù)平臺(tái)提取各人員的多種行為軌跡數(shù)據(jù)。

在本發(fā)明的一種實(shí)施例中，所述采集各人員的各種行為軌跡數(shù)據(jù)包括：建立各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性的提取模型，獲取數(shù)據(jù)源，根據(jù)所述提取模型從所述數(shù)據(jù)源中提取特征屬性；各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括：行程類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括行程時(shí)間和行程標(biāo)識(shí)；娛樂類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括娛樂時(shí)間和地址標(biāo)識(shí)；通信類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)包括通信標(biāo)識(shí)和通信時(shí)間。

在本發(fā)明的一種實(shí)施例中，在根據(jù)所述目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡進(jìn)行分析之前還包括：將每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合并，并按照預(yù)設(shè)排序規(guī)則進(jìn)行排序。

在本發(fā)明的一種實(shí)施例中，將每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合并包括：根據(jù)預(yù)設(shè)分析條件對(duì)每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行篩選，將每個(gè)人滿足預(yù)設(shè)分析條件的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合。

在本發(fā)明的一種實(shí)施例中，所述根據(jù)所述目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到所述目標(biāo)人員的潛在關(guān)系人員包括：將所述目標(biāo)行為軌跡數(shù)據(jù)和其他人員對(duì)應(yīng)的行為軌跡分析按照相似度算法進(jìn)行比對(duì)，得到各行為相似度對(duì)應(yīng)的權(quán)重值，當(dāng)至少一個(gè)權(quán)重值滿足預(yù)設(shè)潛在條件時(shí)，確定對(duì)應(yīng)的人員為所述目標(biāo)人員的潛在關(guān)系人員。

為解決上述問題，本發(fā)明還提供一種人員潛在關(guān)系分析裝置，包括數(shù)據(jù)獲取模塊、目標(biāo)確定模塊和關(guān)系分析模塊：

所述數(shù)據(jù)獲取模塊用于獲取各人員的多種行為軌跡數(shù)據(jù)；

所述目標(biāo)確定模塊用于確定目標(biāo)人員，并獲取所述目標(biāo)人員的多種行為軌跡數(shù)據(jù)中的至少兩種行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)；

所述關(guān)系分析模塊用于根據(jù)所述目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到所述目標(biāo)人員的潛在關(guān)系人員。

在本發(fā)明的一種實(shí)施例中，所述行為軌跡數(shù)據(jù)包括行程類型軌跡數(shù)據(jù)、娛樂類型軌跡數(shù)據(jù)和通信類型軌跡數(shù)據(jù)。

在本發(fā)明的一種實(shí)施例中，還包括數(shù)據(jù)采集模塊，所述數(shù)據(jù)采集模塊用于在獲取各人員的多種行為軌跡數(shù)據(jù)之前，采集各人員的各種行為軌跡數(shù)據(jù)，存入大數(shù)據(jù)平臺(tái)；所述數(shù)據(jù)獲取模塊還用于從所述大數(shù)據(jù)平臺(tái)提取各人員的多種行為軌跡數(shù)據(jù)。

在本發(fā)明的一種實(shí)施例中，所述數(shù)據(jù)采集模塊還用于建立各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性的提取模型，獲取數(shù)據(jù)源，根據(jù)所述提取模型從所述數(shù)據(jù)源中提取特征屬性；各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括：行程類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括行程時(shí)間和行程標(biāo)識(shí)；娛樂類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括娛樂時(shí)間和地址標(biāo)識(shí)；通信類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)包括通信標(biāo)識(shí)和通信時(shí)間。

在本發(fā)明的一種實(shí)施例中，所述關(guān)系分析模塊還用于將所述目標(biāo)行為軌跡數(shù)據(jù)和其他人員對(duì)應(yīng)的行為軌跡分析按照相似度算法進(jìn)行比對(duì)，得到各行為相似度對(duì)應(yīng)的權(quán)重值，當(dāng)至少一個(gè)權(quán)重值滿足預(yù)設(shè)潛在條件時(shí)，確定對(duì)應(yīng)的人員為所述目標(biāo)人員的潛在關(guān)系人員。

本發(fā)明的有益效果是：

本發(fā)明提供的人員潛在關(guān)系分析方法和裝置，先獲取各人員的多種行為軌 跡數(shù)據(jù)；然后確定目標(biāo)人員，并獲取目標(biāo)人員的多種行為軌跡數(shù)據(jù)中的至少兩種行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)；最后根據(jù)目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到目標(biāo)人員的潛在關(guān)系人員。與現(xiàn)有技術(shù)相比，通過至少兩種行為軌跡數(shù)據(jù)進(jìn)行潛在關(guān)系的分析，數(shù)據(jù)多樣化，具有很好的擴(kuò)展性，是通過各種行為軌跡數(shù)據(jù)進(jìn)行分析，并不僅基于已知的人員交互數(shù)據(jù)進(jìn)行分析，能夠更加全面的得到目標(biāo)人員的潛在關(guān)系人員。

附圖說明

圖1為本發(fā)明實(shí)施例一提供的人員潛在關(guān)系分析方法流程圖；

圖2-1為本發(fā)明實(shí)施例一提供的人員潛在關(guān)系分析方法流程圖；

圖2-2為本發(fā)明實(shí)施例二提供的人員潛在關(guān)系分析方法流程圖；

圖2-3為本發(fā)明實(shí)施例二提供的人員潛在關(guān)系分析方法中的權(quán)重設(shè)置表一；

圖2-4為本發(fā)明實(shí)施例二提供的人員潛在關(guān)系分析方法中的權(quán)重設(shè)置表二；

圖3為本發(fā)明實(shí)施例三提供的人員潛在關(guān)系分析方法中的權(quán)重設(shè)置表三；

圖4-1為本發(fā)明實(shí)施例四提供的人員潛在關(guān)系分析裝置結(jié)構(gòu)示意圖一；

圖4-2為本發(fā)明實(shí)施例四提供的人員潛在關(guān)系分析裝置結(jié)構(gòu)示意圖二。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

實(shí)施例一：

本申請(qǐng)實(shí)施例的人員潛在關(guān)系分析方法，如圖1所示，該方法包括：

S101：獲取各人員的多種行為軌跡數(shù)據(jù)；

在該步驟中，這里的行為軌跡數(shù)據(jù)具體是指各人員具體干做了什么事，這里的兩種行為軌跡數(shù)據(jù)是指做不同類型的事。例如行為軌跡數(shù)據(jù)可以是交通數(shù)據(jù)，可以是住宿數(shù)據(jù)，可以是通話數(shù)據(jù)，也可以社交數(shù)據(jù)和娛樂數(shù)據(jù)等，應(yīng)該理解為只要是做某件事所產(chǎn)生的記錄數(shù)據(jù)能夠體現(xiàn)該人員具體干了什么的數(shù)據(jù)都包含在內(nèi)。由于獲取的數(shù)據(jù)來源比較廣泛以及獲取的量比較大，彼此之間也比較雜，為了便于后續(xù)進(jìn)行分析，可以對(duì)獲取的數(shù)據(jù)進(jìn)行整理，即可以根據(jù)各人員的標(biāo)識(shí)對(duì)其對(duì)應(yīng)的軌跡數(shù)據(jù)進(jìn)行歸類梳理。

S102：確定目標(biāo)人員，并獲取目標(biāo)人員的多種行為軌跡數(shù)據(jù)中的至少兩種行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)；

在該步驟中，目標(biāo)人員是指要對(duì)誰的潛在關(guān)系進(jìn)行的分析的人員。也就說需要的確定目標(biāo)人員具體做的什么事，通過這些具體事產(chǎn)生的行為軌跡數(shù)據(jù)去找與之有關(guān)聯(lián)的行為數(shù)據(jù)。具體的，從總?cè)藛T中確定待分析人員，也即目標(biāo)人員，以及從獲取的中行為軌跡數(shù)據(jù)中提取該目標(biāo)人的多種行為軌跡數(shù)據(jù)，從這些多種行為軌跡數(shù)據(jù)中選擇確定至少兩種待分析的行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)。

S103：根據(jù)目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到目標(biāo)人員的潛在關(guān)系人員。

在該步驟中，在確定目標(biāo)人員具體做了什么事，即目標(biāo)人員的至少兩種行為軌跡數(shù)據(jù)，通過數(shù)據(jù)去與其他人員的行為軌跡數(shù)據(jù)進(jìn)行即統(tǒng)計(jì)結(jié)果進(jìn)行分析，如果彼此之間的軌跡數(shù)據(jù)相似性大，很顯然彼此存在關(guān)系的可能性就比較大。

進(jìn)一步，為了合理快速的進(jìn)行數(shù)據(jù)處理，會(huì)對(duì)各種行為數(shù)據(jù)進(jìn)行分類型，即行為軌跡數(shù)據(jù)包括行程類型軌跡數(shù)據(jù)、娛樂類型軌跡數(shù)據(jù)和通信類型軌跡數(shù)據(jù)，這里的行程類型軌跡數(shù)據(jù)包括交通類的軌跡數(shù)據(jù)和數(shù)據(jù)類的軌跡數(shù)據(jù)等；娛樂類型軌跡數(shù)據(jù)包括上網(wǎng)類的軌跡數(shù)據(jù)、打球類的軌跡數(shù)據(jù)和唱歌類的娛樂數(shù)據(jù)等；通信類型軌跡數(shù)據(jù)包括電話類的軌跡數(shù)據(jù)和社交類的軌跡數(shù)據(jù)等。

為了降低數(shù)據(jù)的處理，行為軌跡數(shù)據(jù)包括行為對(duì)應(yīng)的行為特征屬性信息。這里的行為特征屬性信息是指能夠體現(xiàn)人員具體做了什么事一些特征屬性的數(shù)據(jù)。具體的獲取各人員的多種行為軌跡數(shù)據(jù)之前還包括：采集各人員的各種行為軌跡數(shù)據(jù)，存入大數(shù)據(jù)平臺(tái)；獲取各人員的多種行為軌跡數(shù)據(jù)包括：從大數(shù)據(jù)平臺(tái)提取各人員的多種行為軌跡數(shù)據(jù)。具體的通過各個(gè)數(shù)行為軌跡數(shù)據(jù)記錄平臺(tái)進(jìn)行數(shù)據(jù)源獲取，這里的數(shù)據(jù)源是指能夠體現(xiàn)人員各種行為的數(shù)據(jù)；具體可以借助網(wǎng)絡(luò)進(jìn)行傳輸，將各種行為軌跡數(shù)據(jù)匯集起來進(jìn)行存儲(chǔ)，便于后期的統(tǒng)計(jì)分析。例如從鐵路火車乘客數(shù)據(jù)系統(tǒng)，航班乘客數(shù)據(jù)系統(tǒng)，酒店入住數(shù)據(jù)系統(tǒng)，網(wǎng)吧上網(wǎng)數(shù)據(jù)系統(tǒng)等去獲取行為軌跡數(shù)據(jù)。這里包含且不限于上述幾個(gè)數(shù)據(jù)存儲(chǔ)系統(tǒng)。

具體的，采集各人員的各種行為軌跡數(shù)據(jù)包括：建立各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性的提取模型，獲取數(shù)據(jù)源，根據(jù)提取模型從數(shù)據(jù)源中提取特征屬性；各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括：行程類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括行程時(shí)間和行程標(biāo)識(shí)；娛樂類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括娛樂時(shí)間和地址標(biāo)識(shí)；通信類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)包括通信標(biāo)識(shí)和通信時(shí)間。例如行為軌跡數(shù)據(jù)是交通數(shù)據(jù)，那么具體的可以飛機(jī)乘坐數(shù)據(jù)、火車乘坐數(shù)據(jù)和汽車乘坐數(shù)據(jù)等，其的行為特征屬性可以是起點(diǎn)站、終點(diǎn)站、出發(fā)時(shí)間和到達(dá)時(shí)間等信息；行為軌跡數(shù)據(jù)是住宿數(shù)據(jù)，那么具體的可以賓館住宿數(shù)據(jù)、旅館住宿數(shù) 據(jù)和農(nóng)家樂住宿數(shù)據(jù)等，其的行為特征屬性可以是入住時(shí)間、離開時(shí)間、入住地點(diǎn)和房號(hào)等信息；行為軌跡數(shù)據(jù)是通話數(shù)據(jù)，那么其的行為特征屬性可以是開始通話時(shí)間，結(jié)束通話時(shí)間，通話次數(shù)，通話號(hào)碼等信息；行為軌跡數(shù)據(jù)是社交數(shù)據(jù)，那么其的行為特征屬性可以是社交軟件類別，聊天開始時(shí)間，聊天結(jié)束時(shí)間和聊天次數(shù)等信息；行為軌跡數(shù)據(jù)是娛樂數(shù)據(jù)，那么具體可以上網(wǎng)、打球和玩游戲等，行為軌跡數(shù)據(jù)是娛樂開始時(shí)間、娛樂結(jié)束時(shí)間、娛樂地點(diǎn)和娛樂次數(shù)等信息。

進(jìn)一步，在根據(jù)目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡進(jìn)行分析之前還包括：將每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合并，并按照預(yù)設(shè)排序規(guī)則進(jìn)行排序。具體的將每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合并包括：根據(jù)預(yù)設(shè)分析條件對(duì)每個(gè)人的多種行為軌跡數(shù)據(jù)進(jìn)行篩選，將每個(gè)人滿足預(yù)設(shè)分析條件的多種行為軌跡數(shù)據(jù)進(jìn)行梳理合。具體的預(yù)設(shè)規(guī)則可以根據(jù)個(gè)人身份識(shí)別信息進(jìn)行時(shí)間排序等。具體的預(yù)設(shè)分析條件可以是分析周期和分析執(zhí)行周期等，即對(duì)那段時(shí)間段內(nèi)的行為軌跡數(shù)據(jù)進(jìn)行分析，以及多久進(jìn)行分析等。

在上述步驟S103中，為了便于分析統(tǒng)計(jì)，是根據(jù)不同類型的行為軌跡數(shù)據(jù)，分析建模，將其相同類型的數(shù)據(jù)特征歸納形成固定的行為模型，不同數(shù)據(jù)源系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)和對(duì)應(yīng)的行為模型進(jìn)行映射，將數(shù)據(jù)源中的數(shù)據(jù)結(jié)構(gòu)抽取為具有統(tǒng)一格式的行為模型表。即根據(jù)目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到目標(biāo)人員的潛在關(guān)系人員包括：將目標(biāo)行為軌跡數(shù)據(jù)和其他人員對(duì)應(yīng)的行為軌跡分析按照相似度算法進(jìn)行比對(duì)，得到各行為相似度對(duì)應(yīng)的權(quán)重值，當(dāng)至少一個(gè)權(quán)重值滿足預(yù)設(shè)潛在條件時(shí)，確定對(duì)應(yīng)的人員為目標(biāo)人員的潛在關(guān)系人員。這里的預(yù)設(shè)潛在條件可以根據(jù)多個(gè)行為軌跡的和滿足預(yù)設(shè)權(quán)重和閾值時(shí)就為潛在關(guān)系人員，也可是單個(gè)行為軌跡的權(quán)重滿足預(yù)設(shè)單個(gè)權(quán)重閾值，也 可以需要多個(gè)行為的權(quán)重都滿足預(yù)設(shè)平均權(quán)重閾值等，具體情況可以具體設(shè)置。

實(shí)施例二：

本申請(qǐng)實(shí)施例的人員潛在關(guān)系分析方法，如圖2-1所示，該方法包括：

步驟S201：采集各種行為軌跡相關(guān)的數(shù)據(jù)源；

在該步驟中，數(shù)據(jù)源可以是鐵路火車乘客數(shù)據(jù)，航班乘客數(shù)據(jù)，酒店入住數(shù)據(jù)，網(wǎng)吧上網(wǎng)數(shù)據(jù)等；具體的數(shù)據(jù)源從相關(guān)的數(shù)據(jù)源系統(tǒng)，即外部接入的行為軌跡數(shù)據(jù)存儲(chǔ)系統(tǒng)，例如鐵路火車乘客數(shù)據(jù)系統(tǒng)，航班乘客數(shù)據(jù)系統(tǒng)，酒店入住數(shù)據(jù)系統(tǒng)，網(wǎng)吧上網(wǎng)數(shù)據(jù)系統(tǒng)等

步驟S202：傳輸采集的數(shù)據(jù)；

在該步驟中，該實(shí)施例中的數(shù)據(jù)都為行為軌跡數(shù)據(jù)，采集其他接入數(shù)據(jù)源系統(tǒng)數(shù)據(jù)的網(wǎng)絡(luò)傳輸；

步驟S203：采集各種數(shù)據(jù)源系統(tǒng)中的數(shù)據(jù)，即將各人員的各行為軌跡數(shù)據(jù)匯集起來；

在該步驟中，是根據(jù)不同類型的行為軌跡數(shù)據(jù)，分析建模，將其相同類型的數(shù)據(jù)特征歸納形成固定的行為特征屬性模型，不同數(shù)據(jù)源系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)和對(duì)應(yīng)的行為特征屬性模型進(jìn)行映射，將數(shù)據(jù)源中的數(shù)據(jù)結(jié)構(gòu)抽取為具有統(tǒng)一格式的行為特征屬性模型表；根據(jù)行為特征屬性模型和數(shù)據(jù)源數(shù)據(jù)之間的映射關(guān)系，對(duì)數(shù)據(jù)源中的數(shù)據(jù)進(jìn)行清洗，轉(zhuǎn)換，入庫(kù)，存儲(chǔ)到大數(shù)據(jù)平臺(tái)。

步驟S204：綜合分析數(shù)據(jù)采集模塊采集到的各種行為軌跡數(shù)據(jù)，產(chǎn)生潛在的關(guān)系人列表和關(guān)系人權(quán)重；

在該步驟中，要設(shè)置需要分析的人員關(guān)系相關(guān)參數(shù)，包括需要分析人員的主鍵(身份證)信息，分析周期，分析執(zhí)行周期，關(guān)系算法權(quán)重，關(guān)系人權(quán)重 閥值等；根據(jù)輸入的被分析關(guān)系人的信息，和分析周期，執(zhí)行分析任務(wù)，在分析周期內(nèi)的數(shù)據(jù)中查找被分析人潛在的關(guān)系人和其關(guān)系權(quán)重，并且控制啟停，查看分析任務(wù)的執(zhí)行情況，執(zhí)行進(jìn)度，和狀態(tài)等，以及算法作為可調(diào)度的任務(wù)，由任務(wù)管理模塊進(jìn)行監(jiān)控和調(diào)度。具體的關(guān)系人分析算法，使用MapReduce(映射歸約)算法實(shí)現(xiàn)，執(zhí)行了兩步MapReduce(映射歸約)，第一步首先將所有的數(shù)據(jù)以人員身份證信息作為主鍵，進(jìn)行一次Map(映射)，將每個(gè)人的信息全部以身份證信息作為key(鍵)，以行為軌跡數(shù)據(jù)作為value(值)，進(jìn)行梳理合并，并且按照時(shí)間排序，將輸入的被分析人信息梳理出作為對(duì)照項(xiàng)。第二步，將所有人的行為軌跡和被分析人行為軌跡按照時(shí)間順序逐條分析，計(jì)算權(quán)重值。將權(quán)重超過設(shè)置閥值的數(shù)據(jù)輸出。

步驟S205：將分析的結(jié)果用于用戶展示，或者作為基礎(chǔ)數(shù)據(jù)提供給其他系統(tǒng)進(jìn)行進(jìn)一步的人員關(guān)系分析。

在該步驟中，將分析結(jié)果在關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行存儲(chǔ)，以供后續(xù)的用戶業(yè)務(wù)使用。以及將分析的結(jié)果用于用戶展示，或者作為基礎(chǔ)數(shù)據(jù)提供給其他系統(tǒng)進(jìn)行進(jìn)一步的分析。

值得注意的是，本實(shí)例中的被分析人員即分析主體，也即目標(biāo)人員，分析結(jié)果即該分析主體潛在的關(guān)系人；分析周期即分析數(shù)據(jù)的時(shí)間范圍，該參數(shù)可以作用于時(shí)間維度分區(qū)的分析處理；分析執(zhí)行周期，是設(shè)定周期性分析的時(shí)間間隔；關(guān)系算法權(quán)重即對(duì)于不同類型的數(shù)據(jù)關(guān)系緊密度權(quán)重的設(shè)定，可以使用參考值，也可以按照經(jīng)驗(yàn)設(shè)置。具體如圖2-2、2-3和2-4所示，其中，2-2是為交通類型的權(quán)重值設(shè)定，2-3是為住宿類型的權(quán)重值設(shè)定，2-4是為娛樂(上網(wǎng)為例)類型的權(quán)重值設(shè)定。

實(shí)施例三：

本申請(qǐng)實(shí)施例的人員潛在關(guān)系分析方法，如圖3所示，該方法包括：

步驟S301：根據(jù)行為軌跡數(shù)據(jù)結(jié)構(gòu)進(jìn)行建模，按照行為軌跡數(shù)據(jù)類型抽取其行為特征屬性，生成行為特征屬性表，定義不同行為軌跡數(shù)據(jù)結(jié)構(gòu)和行為特征屬性模型之間字段映射關(guān)系；

步驟S302：按照行為特征屬性表在大數(shù)據(jù)平臺(tái)建表，根據(jù)不同數(shù)據(jù)源數(shù)據(jù)結(jié)構(gòu)和行為特征屬性表字段之間的映射關(guān)系，對(duì)數(shù)據(jù)源數(shù)據(jù)進(jìn)行采集，清洗，入庫(kù)；

步驟S303：設(shè)置任務(wù)相關(guān)屬性，被分析人員的主鍵(身份證)信息，分析周期，分析執(zhí)行周期，關(guān)系算法權(quán)重，關(guān)系人權(quán)重閥值等；

步驟S304：按照設(shè)置的屬性進(jìn)行關(guān)系人的分析，輸出被分析人潛在的關(guān)系人和其對(duì)應(yīng)的關(guān)系權(quán)重，以及行為軌跡信息；

步驟S305：將分析結(jié)果存儲(chǔ)到關(guān)系型數(shù)據(jù)庫(kù)中，重新將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)；

步驟S306：從分析結(jié)果存儲(chǔ)模塊中查詢對(duì)應(yīng)的關(guān)系人分析結(jié)果用于用戶界面展示，或者提供給其他系統(tǒng)作為基礎(chǔ)數(shù)據(jù)進(jìn)行進(jìn)一步的分析。

采用本發(fā)明所述方法，與現(xiàn)有技術(shù)相比：解決了主體分析數(shù)據(jù)類型單一的問題，基于多種不同類型海量行為軌跡數(shù)據(jù)進(jìn)行分析。解決了必須使用存在直接交互(通話，合影，網(wǎng)絡(luò)互動(dòng))的數(shù)據(jù)源分析的局限性。能夠分析出不存在直接或者間接社交接觸的潛在關(guān)系人。模型可以基于多種不同類型的行為軌跡數(shù)據(jù)分析，后續(xù)也可引申到其他領(lǐng)域，擴(kuò)展性好。

實(shí)施例四：

本實(shí)例提供的一種人員潛在關(guān)系分析裝置400，如圖4-1所示，包括數(shù)據(jù)獲取模塊401、目標(biāo)確定模塊402和關(guān)系分析模塊403：

數(shù)據(jù)獲取模塊401用于獲取各人員的多種行為軌跡數(shù)據(jù)；

目標(biāo)確定模塊402用于確定目標(biāo)人員，并獲取目標(biāo)人員的多種行為軌跡數(shù)據(jù)中的至少兩種行為軌跡數(shù)據(jù)作為目標(biāo)行為軌跡數(shù)據(jù)；

關(guān)系分析模塊403用于根據(jù)目標(biāo)行為軌跡數(shù)據(jù)與其他人員對(duì)應(yīng)的行為軌跡分析得到目標(biāo)人員的潛在關(guān)系人員。

具體的，行為軌跡數(shù)據(jù)包括行程類型軌跡數(shù)據(jù)、娛樂類型軌跡數(shù)據(jù)和通信類型軌跡數(shù)據(jù)。

本實(shí)例還提供的一種人員潛在關(guān)系分析裝置400，如圖4-2所示，還包括數(shù)據(jù)采集模塊404，數(shù)據(jù)采集模塊用于404在獲取各人員的多種行為軌跡數(shù)據(jù)之前，采集各人員的各種行為軌跡數(shù)據(jù)，存入大數(shù)據(jù)平臺(tái)；數(shù)據(jù)獲取模塊401還用于從大數(shù)據(jù)平臺(tái)提取各人員的多種行為軌跡數(shù)據(jù)。

具體的，數(shù)據(jù)采集模塊404還用于建立各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性的提取模型，獲取數(shù)據(jù)源，根據(jù)提取模型從數(shù)據(jù)源中提取特征屬性；各類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括：行程類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括行程時(shí)間和行程標(biāo)識(shí)；娛樂類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征屬性包括娛樂時(shí)間和地址標(biāo)識(shí)；通信類型軌跡數(shù)據(jù)對(duì)應(yīng)的特征數(shù)據(jù)包括通信標(biāo)識(shí)和通信時(shí)間。

具體的，關(guān)系分析模塊403還用于將目標(biāo)行為軌跡數(shù)據(jù)和其他人員對(duì)應(yīng)的行為軌跡分析按照相似度算法進(jìn)行比對(duì)，得到各行為相似度對(duì)應(yīng)的權(quán)重值，當(dāng)至少一個(gè)權(quán)重值滿足預(yù)設(shè)潛在條件時(shí)，確定對(duì)應(yīng)的人員為目標(biāo)人員的潛在關(guān)系人員。

本領(lǐng)域普通技術(shù)人員可以理解上述方法中的全部或部分步驟可通過程序來 指令相關(guān)硬件完成，上述程序可以存儲(chǔ)于計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，如只讀存儲(chǔ)器、磁盤或光盤等?？蛇x地，上述實(shí)施例的全部或部分步驟也可以使用一個(gè)或多個(gè)集成電路來實(shí)現(xiàn)。相應(yīng)地，上述實(shí)施例中的各模塊/單元可以采用硬件的形式實(shí)現(xiàn)，也可以采用軟件功能模塊的形式實(shí)現(xiàn)。本發(fā)明不限制于任何特定形式的硬件和軟件的結(jié)合。

以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，僅僅參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說明。本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的精神和范圍，均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。