、業(yè)務(wù)總流量等作為用戶的業(yè)務(wù)特性變量的統(tǒng)計值。
[0045] 具體的，假設(shè)業(yè)務(wù)向量包括Napp個變量，全網(wǎng)有N USCT個用戶，則用戶相似性評估裝 置基于用戶行為數(shù)據(jù)構(gòu)建用戶i的業(yè)務(wù)特性向量^和全網(wǎng)業(yè)務(wù)矩陣A分別為：
[0046] \
⑴
[0047]
(2)
[0048] 優(yōu)選的，本發(fā)明實施例中使用用戶所在網(wǎng)絡(luò)的各個小區(qū)作為用戶的小區(qū)軌跡向量 的變量。小區(qū)軌跡向量的變量的統(tǒng)計量依據(jù)應(yīng)用需求，可采用小區(qū)更新次數(shù)、駐留時長、業(yè) 務(wù)時長、業(yè)務(wù)吞吐量等指標(biāo)來表示。
[0049] 具體的，假設(shè)全網(wǎng)包括Nm11個小區(qū)，全網(wǎng)有N USCT個用戶，則用戶相似性評估裝置基 于用戶行為數(shù)據(jù)構(gòu)建的用戶i的小區(qū)軌跡向量1和全網(wǎng)軌跡矩陣B為：
[0050]
[0051]
[0052] 可選的，本發(fā)明實施例中的無線事件可以是用戶相似性評估裝置依據(jù)應(yīng)用需求篩 選特定事件，如接入失敗、掉話、切換失敗等異常事件，也可以是用戶相似性評估裝置依據(jù) 應(yīng)用需求選擇周期性位置區(qū)更新、注冊、1A、1B、AU Bl等常規(guī)事件，還可以是用戶相似性評 估裝置依據(jù)應(yīng)用需求選擇自定義事件，如弱覆蓋、干擾、過遠(yuǎn)接入等，本發(fā)明實施例對此不 做具體限定。
[0053] 優(yōu)選的，本發(fā)明實施例中的無線事件向量的變量為各無線事件，無線事件向量的 變量的統(tǒng)計量采用無線事件發(fā)生的次數(shù)。
[0054] 具體的，假設(shè)待考察無線事件有N_nt種，全網(wǎng)有Nusct個用戶，則用戶相似性評估裝 置基于用戶行為數(shù)據(jù)構(gòu)建的用戶i的無線事件向量€和全網(wǎng)無線時間矩陣E為：
[0055]
[0056]
[0057] S102、用戶相似性評估裝置根據(jù)特性向量，利用第一預(yù)設(shè)規(guī)則，計算不同用戶之間 的相似度。
[0058] 用戶相似性評估裝置在構(gòu)建用戶的特性向量后，計算不同用戶之間在特性向量的 相似度，以便于根據(jù)相似度進(jìn)行用戶聚類分析，生成至少兩類用戶群，進(jìn)而建立移動網(wǎng)絡(luò)與 各類用戶群之間的關(guān)聯(lián)關(guān)系。
[0059] 具體的，若特性向量為業(yè)務(wù)特性向量，則相似度為業(yè)務(wù)相似度；若特性向量為小區(qū) 軌跡向量，則相似度為小區(qū)軌跡相似度；若第一特性向量為無線事件向量，則相似度為無線 事件相似度。
[0060] 其中，本發(fā)明實施例中的第一預(yù)設(shè)規(guī)則可以為夾角余弦法，也可以為相關(guān)系數(shù)法， 還可以為廣義Jaccard系數(shù)法，本發(fā)明實施例不做限定。
[0061] 優(yōu)選的，本發(fā)明實施例中用戶相似性評估裝置根據(jù)用戶的特性向量，利用夾角余 弦法，計算不同用戶之間的相似度。
[0062] 示例性的，用戶相似性評估裝置計算用戶i和用戶j的業(yè)務(wù)相似度為：
[0063]
[0064] 用戶相似性評估裝置計算用戶i和用戶j的小區(qū)軌跡相似度為：
[0065]
[0066] 用戶相似性評估裝置計算用戶i和用戶j的無線事件相似度<為：
[0067]
[0068] 由上可知，采用本發(fā)明實施例提供的用戶相似性的評估方法，可以得到不同用戶 在移動網(wǎng)絡(luò)中某一方面的相似度，即可以得到移動網(wǎng)絡(luò)中某一方面的用戶群體的分布情 況，這樣就建立了移動網(wǎng)絡(luò)與各類用戶群之間的關(guān)系，對針對用戶的個性化營銷和網(wǎng)絡(luò)精 細(xì)化管理起到了積極作用。
[0069] 示例性的，若采用本發(fā)明實施例提供的方法確定了不同用戶之間的業(yè)務(wù)相似度， 即根據(jù)業(yè)務(wù)特性確定了用戶群體，則可以基于用戶群體的業(yè)務(wù)相似度，針對各類業(yè)務(wù)行為 特征，對該用戶群體進(jìn)行個性化推薦，假設(shè)使用本發(fā)明實施例提供的方法得到低語音高數(shù) 據(jù)業(yè)務(wù)特征的用戶群體A，則適當(dāng)推薦數(shù)據(jù)包業(yè)務(wù)給用戶群體A，以滿足其對數(shù)據(jù)業(yè)務(wù)的需 求。
[0070] 若采用本發(fā)明實施例提供的方法，確定了基于用戶群體的小區(qū)軌跡，則可以查找 熱點小區(qū)軌跡，細(xì)化網(wǎng)絡(luò)資源投放和網(wǎng)絡(luò)鄰區(qū)關(guān)系；若采用本發(fā)明實施例提供的方法，確定 了基于用戶群體的無線事件相似性，則可以聚類不同特征用戶群體，進(jìn)而針對用戶數(shù)量大 的群體，查找關(guān)鍵異常事件，針對性解決網(wǎng)絡(luò)問題。
[0071] 本發(fā)明實施例提供一種應(yīng)用于移動網(wǎng)絡(luò)的用戶相似性評估方法，用戶相似性評估 裝置基于用戶行為數(shù)據(jù)，構(gòu)建用戶的特性向量，然后根據(jù)該特性向量，利用第一預(yù)設(shè)規(guī)則， 計算不同用戶之間的相似度，這樣可以通過用戶相似度，形成用戶聚類，評估移動網(wǎng)絡(luò)中某 方面的用戶群分布情況，進(jìn)而建立了移動網(wǎng)絡(luò)與各類用戶群之間的關(guān)聯(lián)關(guān)系，一方面有利 于掌握移動用戶群體感知和動向，另一方面有利于掌握移動網(wǎng)絡(luò)瓶頸區(qū)域和潛在問題。
[0072] 實施例二
[0073] 本發(fā)明提供一種應(yīng)用于移動網(wǎng)絡(luò)的用戶相似性評估方法，如圖2所示，該方法包 括：
[0074] S201、用戶相似性評估裝置基于用戶行為數(shù)據(jù)，構(gòu)建用戶的特性向量。
[0075] S202、用戶相似性評估裝置根據(jù)特性向量，利用第一預(yù)設(shè)規(guī)則，計算不同用戶之間 的相似度。
[0076] S203、用戶相似性評估裝置基于至少兩個特性向量，計算用戶的綜合特性向量。
[0077] S204、用戶相似性評估裝置根據(jù)用戶的綜合特性向量，利用第二預(yù)設(shè)規(guī)則，計算不 同用戶之間的綜合相似度。
[0078] 其中，S201與實施例一中的SlOl相同，S202與實施例一中的S102相同，因此，這 里不再對S201和S202做詳細(xì)解釋。
[0079] 在需要對整網(wǎng)用戶的相似性進(jìn)行判斷時，用戶相似性評估裝置先基于至少兩個特 性向量計算用戶的綜合特性向量，然后根據(jù)用戶的綜合特性向量計算不同用戶之間的綜合 相似度。
[0080] 具體的，用戶相似性評估裝置采用下述方法計算用戶的綜合特性向量：
[0081] (1)、用戶相似性評估裝置分別計算至少兩個特性向量的歸一化向量。
[0082] 優(yōu)選的，用戶相似性評估裝置分別計算業(yè)務(wù)特性向量的歸一化向量、小區(qū)軌跡向 量的歸一化向量和無線事件向量的歸一化向量。
[0083] 具體的，業(yè)務(wù)特性向量的歸一化向量、小區(qū)軌跡向量的歸一化向量和無線事件向 量的歸一化向量分別為：
[0084]
[0085]
[0086]
[0087] 其中，6T,為用戶i的業(yè)務(wù)特性向量，丨砵I為瑪?shù)哪ｉL，爲(wèi)為用戶i的小區(qū)軌跡向 量，I瓦I為瓦的模長，g為用戶i的無線事件向量，Igl為$的模長。
[0088] (2)、用戶相似性評估裝置對每一個特性向量的歸一化向量進(jìn)行加權(quán)處理，得到用 戶的綜合特性向量。
[0089] 需要說明的是，本發(fā)明實施例中的用戶相似性評估裝置采用現(xiàn)有的任意一種加權(quán) 方法對每一個特性向量的歸一化向量進(jìn)行加權(quán)處理，得到用戶的綜合特性向量，本發(fā)明對 此并不做具體限定。
[0090] 優(yōu)選的，用戶相似性評估裝置對業(yè)務(wù)特性向量的歸一化向量、小區(qū)軌跡向量的歸 一化向量和無線事件向量的歸一化向量進(jìn)行加權(quán)處理，得到用戶的綜合特性向量。
[0091] 具體的，用戶相似性評估裝置計算得到用戶i的綜合特性向量為：
[0092]
[0093] 其中，ω α，ω P，ω E 彡 〇。
[0094] 進(jìn)一步地，用戶相似性評估裝置在計算出用戶的綜合特性向量之后，該用戶相似 性評估裝置利用第二預(yù)設(shè)規(guī)則，根據(jù)用戶的綜合特性向量，計算不同用戶之間的綜合相似 度。
[0095] 其中，本發(fā)明實施例中的第二預(yù)設(shè)規(guī)則可以為夾角余弦法，也可以為相關(guān)系數(shù)法， 還可以為廣義Jaccard系數(shù)法，本發(fā)明實施例不做限定。
[0096] 優(yōu)選的，本發(fā)明實施例中用戶相似性評估裝置根據(jù)用戶的綜合特性向量，利用夾 角余弦法，計算不同用戶之間的綜合相似度。
[0097] 具體的，若用戶相似性評估裝置對業(yè)務(wù)特性向量的歸一化向量、小區(qū)軌跡向量的 歸一化向量和無線事件向量的歸一化向量進(jìn)行加權(quán)處理，得到用戶的綜合特性向量，則該 用戶相似性評估裝置計算用戶i和用戶j的綜合相似度為：
[0098] /Cl ' wa ' ^β
'
[0099] 其中，"^表示用戶i和用戶j的業(yè)務(wù)相似度，？^表示用戶i和用戶j的小區(qū)軌 跡相似度，％,.表示用戶i和用戶j的無線事件相似度。
[0100] 可以理解的是，用戶相似性評估裝置可以根據(jù)應(yīng)用場景和實際需求，適當(dāng)調(diào)整加 權(quán)過程中使用的權(quán)重，來改變各類統(tǒng)計因素。
[0101] 本發(fā)明實施例提供一種應(yīng)用于移動網(wǎng)絡(luò)的用戶相似性評估方法，用戶相似性評估 裝置基于用戶行為數(shù)據(jù)，構(gòu)建用戶的特性向量，并根據(jù)該特性向量，利用第一預(yù)設(shè)規(guī)則，計 算不同用戶之間的相似度，進(jìn)一步地，用戶相似性評估裝置基于至少兩個特性向量，計算用 戶的綜合特性向量，并根據(jù)用戶的綜合特性向量，利用第二預(yù)設(shè)規(guī)則，計算不同用戶之間的 綜合相似度，這樣不僅可以通過不同用戶之間的相似度，形成用戶聚類，評估移動網(wǎng)絡(luò)中某 方面的用戶群分布情況，還可以通過