基于多维多粒度分析的电信网用户行为模式挖掘

程晓涛; 吉立新; 黄瑞阳; 于洪涛; 杨奕卓

doi:10.11959/j.issn.2096-109x.2018083

您当前的位置：

首页 >

文章列表页 >

基于多维多粒度分析的电信网用户行为模式挖掘

论文 | 更新时间：2024-06-03

- 基于多维多粒度分析的电信网用户行为模式挖掘
- User behavior pattern mining method based on multi-dimension and multi-granularity analysis in telecom networks
- 网络与信息安全学报 2018年4卷第10期页码：39-51
- 作者机构：
- 作者简介：
  
  [ "程晓涛（1990-），男，河北邢台人，国家数字交换系统工程技术研究中心博士生，主要研究方向为电信网安全、网络大数据处理与分析。" ]
  [ "吉立新（1969-），男，江苏淮安人，国家数字交换系统工程技术研究中心研究员，主要研究方向为电信网信息安全。" ]
  [ "黄瑞阳（1986-），男，福建漳州人，国家数字交换系统工程技术研究中心助理研究员，主要研究方向为文本挖掘和图挖掘。" ]
  [ "于洪涛（1970-），男，辽宁丹东人，国家数字交换系统工程技术研究中心研究员，主要研究方向为网络大数据分析与处理。" ]
  [ "杨奕卓（1994-），男，吉林省吉林市人，国家数字交换系统工程技术研究中心硕士生，主要研究方向为社会网络分析。" ]
- 基金信息：
  
  国家自然科学基金创新研究群体基金资助项目;The Foundation for Innovative Research Groups of the National Natural Science Foundation of China(61521003);国家自然科学基金资助项目;The National Natural Science Foundation of China(61601513)
- DOI：10.11959/j.issn.2096-109x.2018083
  中图分类号： TP393
- 网络首发：2018-10，
  
  纸质出版：2018-10-15
- 稿件说明：
移动端阅览
程晓涛, 吉立新, 黄瑞阳, 等. 基于多维多粒度分析的电信网用户行为模式挖掘[J]. 网络与信息安全学报, 2018,4(10):39-51.

Xiaotao CHENG, Lixin JI, Ruiyang HUANG, et al. User behavior pattern mining method based on multi-dimension and multi-granularity analysis in telecom networks[J]. Chinese Journal of Network and Information Security, 2018, 4(10): 39-51.
程晓涛, 吉立新, 黄瑞阳, 等. 基于多维多粒度分析的电信网用户行为模式挖掘[J]. 网络与信息安全学报, 2018,4(10):39-51. DOI： 10.11959/j.issn.2096-109x.2018083.

Xiaotao CHENG, Lixin JI, Ruiyang HUANG, et al. User behavior pattern mining method based on multi-dimension and multi-granularity analysis in telecom networks[J]. Chinese Journal of Network and Information Security, 2018, 4(10): 39-51. DOI： 10.11959/j.issn.2096-109x.2018083.

摘要

为了更好地理解电信网用户行为规律，以大规模电信网用户通信详细记录（CDR

call detail record）数据为研究对象，运用混合概率模型与特征工程方法，从用户群体与个体的角度分析了用户呼叫中的通话时长、通话频次、通联关系等多维度特征，并从小时、天、周等不同时间粒度上进一步细化，实现了对不同用户群体通话行为模式的有效发现。通过混合概率模型对用户行为中的分布特性进行建模，解决了用户通话时长、频次等分布特征难以刻画的问题。实验中采用某地区电信网的真实数据作为数据集，对比了决策树、朴素贝叶斯、SVM等常见分类算法的实验效果，证明了所提用户行为特征的有效性与计算可行性；并以快递、航班、银行等服务号码为例，对比了不同群体通信行为模式的差异性。

Abstract

In order to better understand the behavior of users in telecom networks

it takes CDR (call detail record) data of large-scale telecom network as the research object.By using the mixed probability model and feature engineering method

the multi-dimension characteristics of the call time

call frequency and connections are analyzed from the perspective of user groups and individuals.It is further refined from different time granularities such as hour

day

and week to realize effective discovery of call behavior patterns for different user groups.The distribution characteristics of user behavior are modeled by mixed probability model

which solves the problem of describing the distribution characteristics such as user's call time and frequency.Based on the dataset of a regional telecom network

the performance of decision tree

naive Bayes and SVM classification algorithm are compared.It proves the validity and computational feasibility of the proposed method.The differences in communication behavior patterns of different groups are also compared by taking the service numbers like express

flight and bank as examples.

关键词

Keywords

references

刘衍珩 , 李飞鹏 , 孙鑫 , 朱建启 . 基于信息传播的社交网络拓扑模型 [J ] . 通信学报 , 2013 , 34 ( 4 ): 1 - 9 .

LIU Y Y , LI F P , SUN X , ZHU J Q . Social network model based on the transmission of information [J ] . Journal on Communications , 2013 , 34 ( 4 ): 1 - 9 .

曹玖新 , 吴江林 , 石伟 , 等 . 新浪微博网信息传播分析与预测 [J ] . 计算机学报 , 2014 , 37 ( 4 ): 779 - 790 .

CAO J X , WU J L , SHI W , et al . Sina microblog information diffusion analysis and prediction [J ] . Journal of Computers , 2014 , 37 ( 4 ): 779 - 790 .

杨杰 , 李小平 , 陈湉 . 基于增量时空轨迹大数据的群体挖掘方法 [J ] . 计算机研究与发展 , 2014 ( s2 ): 76 - 85 .

YANG J , LI X P , CHEN T . A group mining method for incremental spatio-temporal trajectory bigdata [J ] . Journal of Computer Research and Development , 2014 ( s2 ): 76 - 85 .

李艳丽 , 刘阳 , 谢文波 , 等 . 大数据发现非法传销网络 [J ] . 大数据 , 2017 , 3 ( 5 ): 106 - 112 .

LI Y L , LIU Y , XIE W P , et al . Uncovering the illegal pyramid networks by big data [J ] . Big Data Research , 2017 , 3 ( 5 ): 106 - 112 .

史殿习 , 李寒 , 杨若松 , 等 . 用户日常频繁行为模式挖掘 [J ] . 国防科技大学学报 , 2017 , 39 ( 1 ): 74 - 80 .

SHI D X , LI H , YANG R S , et al . Mining user frequent behavior patterns in daily life [J ] . Journal of National University of Defense Technology , 2017 , 39 ( 1 ): 74 - 80 .

文雨 , 王伟平 , 孟丹 . 面向内部威胁检测的用户跨域行为模式挖掘 [J ] . 计算机学报 , 2016 , 39 ( 8 ): 1555 - 1569 .

WEN Y , WANG W P , MENG D . Mining user cross-domain behavior patterns for insider threat detection [J ] . Journal of Computer , 2016 , 39 ( 8 ): 1555 - 1569 .

李全刚 , 时金桥 , 秦志光 , 等 . 面向邮件网络事件检测的用户行为模式挖掘 [J ] . 计算机学报 , 2014 , 37 ( 5 ): 1135 - 1146 .

LI Q G , SHI J Q , QIN Z G , et al . Mining user behavior patterns for event detection in email networks [J ] . Journal of Computer , 2014 , 37 ( 5 ): 1135 - 1146 .

郝秀兰 , 胡运发 , 申倩 . 中文论坛内容监测的方法研究 [J ] . 中文信息学报 , 2012 , 26 ( 3 ): 129 - 137 .

HAO X L , HU Y F , SHEN Q . Research on content monitoring on Chinese web forums [J ] . Journal of Chinese Information Processing , 2012 , 26 ( 3 ): 129 - 137 .

AIELLO W , CHUNG F , LU L . A random graph model for power law graphs [J ] . Experimental Mathematics , 2001 , 10 ( 1 ): 53 - 66 .

ONNELA J P , SARAMÄKI J , HYVÖNEN J , et al . Structure and tie strengths in mobile communication networks [J ] . Proceedings of the national academy of sciences , 2007 , 104 ( 18 ): 7332 - 7336 .

JIANG Z Q , XIE W J , LI M X , et al . Calling patterns in human communication dynamics [J ] . Proceedings of the National Academy of Sciences , 2013 , 110 ( 5 ): 1600 - 1605 .

余晓平 , 裴韬 . 手机通话网络度特征分析 [J ] . 物理学报 , 2013 , 62 ( 2 ): 1 - 9 .

YU X P , PEI T . Analysis on degree characteristics of mobile call network [J ] . Acta Phys Sin , 2013 , 62 ( 2 ): 1 - 9 .

CAPDEVILA J , CERQUIDES J , TORRES J . Recognizing warblers:a probabilistic model for event detection in Twitter [C ] . ICML2016 Anomaly Detection Workshop,New York,USA , 2016 .

MANAVOGLU E , PAVLOV D , GILES C L . Probabilistic user behavior models [C ] // Proceedings of the Third IEEE International Conference on Data Mining,Melbourne,Florida . 2003 : 203 - 210 .

BEUTEL A . User behavior modeling with large-scale graph analysis [D ] . Computer Science Department School of Computer Science Carnegie Mellon University Pittsburgh,PA , 2016 .

XU Z H , ZHANG Y,WU , et al . Modeling user posting behavior on social media [C ] . SIGIR’12,Portland,Oregon,USA . 2012 .

张啸剑 , 王淼 , 孟小峰 . 差分隐私保护下一种精确挖掘 top-k 频繁模式方法 [J ] . 计算机研究与发展 , 2014 , 51 ( 1 ): 104 - 114 .

ZHANG X J , WANG M , MENG X F . An accurate method for mining top-k frequent pattern under differential privacy [J ] . Journal of Computer Research and Development , 2014 , 51 ( 1 ): 104 - 114 .

CUI P , LIU H , AGGARWAL C , et al . Uncovering and predicting human behaviors [J ] . IEEE Intelligent Systems , 2016 , 03 .

张宇翔 , 孙菀 , 杨家海 , 等 . 新浪微博反垃圾中特征选择的重要性分析 [J ] . 通信学报 , 2016 , 37 ( 8 ):2016152-10.

ZHANG Y X , SUN Y , YANG J H , et al . Feature importance analysis for spammer detection in Sina Weibo [J ] . Journal of Communications , 2016 , 37 ( 8 ):2016152-10.

曹菁华 , 胡访宇 , 华烨 . 基于电信数据的通话行为模式发现 [J ] . 计算机仿真 , 2014 , 11 ( 31 ): 163 - 167 .

CAO J H , HU F Y , HUA Y . Call behavior pattern discovery based on telecom data [J ] . Computer Simulation , 2014 , 11 ( 31 ): 163 - 167 .

OLSZEWSKI D . A probabilistic approach to fraud detection in telecommunications [J ] . Knowledge-Based Systems , 2012 , 26 ( 3 ): 246 - 258 .

STEINLEY D . Properties of the hubert-arable adjusted rand index [J ] . Psychological methods , 2004 , 9 ( 3 ): 386 .

浏览量

1204

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据