本發(fā)明屬于信息處理和特征識(shí)別領(lǐng)域，涉及到一種基于高頻刷卡數(shù)據(jù)的朋友關(guān)系識(shí)別方法。

背景技術(shù)：

現(xiàn)在如果我們假設(shè)你從一個(gè)集體到了另一個(gè)新的集體中，那么你會(huì)有多大的可能性和你周圍的某個(gè)人成為朋友呢？又從社會(huì)學(xué)的方面而言，在一個(gè)群體中，兩兩之間的朋友關(guān)系又能占到多大比例呢？要回答這些問題，首先就要建立一種穩(wěn)定、高效同時(shí)具有大規(guī)模性質(zhì)的朋友識(shí)別方法。另一方面，從商業(yè)角度來說，個(gè)人社會(huì)朋友關(guān)系的識(shí)別對(duì)一些企業(yè)或公司拓展新用戶，以及對(duì)老用戶開展個(gè)性化服務(wù)都具有十分重要的意義。

近年來，隨著互聯(lián)網(wǎng)的普及和發(fā)展，越來越多的專家學(xué)者樂于用一些社交軟件，網(wǎng)絡(luò)平臺(tái)，虛擬游戲設(shè)備來識(shí)別朋友關(guān)系。雖然這些方法對(duì)社會(huì)研究，企業(yè)發(fā)展能產(chǎn)生一定的指導(dǎo)性意義，但是基于這些方法，認(rèn)真分析可發(fā)現(xiàn)三點(diǎn)明顯的不足：一是用戶在填寫注冊(cè)信息時(shí)往往會(huì)存在虛假成分，不能真實(shí)反映自身的信息；二是用戶的網(wǎng)上行為并不能真實(shí)的反映人們現(xiàn)實(shí)世界的朋友關(guān)系，比如銀行、超市、健身房等服務(wù)性場(chǎng)所，卻只有現(xiàn)實(shí)世界的朋友關(guān)系才能幫助它們有效拓展客戶源；三是在網(wǎng)絡(luò)虛擬平臺(tái)上得到的某些朋友關(guān)系及其薄弱，或者地域上相差及遠(yuǎn)，很明顯這些所謂的朋友關(guān)系或者不存在，或者不處在一個(gè)特定的群體里，對(duì)我們的研究而言沒有太大的實(shí)際意義。

當(dāng)前的朋友識(shí)別系統(tǒng)通常是基于用戶的注冊(cè)信息，以及用戶的上網(wǎng)行為來挖掘用戶之間的朋友關(guān)系，對(duì)互聯(lián)網(wǎng)技術(shù)有了應(yīng)用卻又恰恰忽略了現(xiàn)實(shí)社會(huì)，人們真實(shí)生活記錄的重要性，反倒顯得得不償失。經(jīng)過認(rèn)真分析研究發(fā)現(xiàn)隨著現(xiàn)代信息技術(shù)的快速發(fā)展和網(wǎng)絡(luò)技術(shù)的不斷成熟，以及近些年來大數(shù)據(jù)的分析應(yīng)用技術(shù)已經(jīng)進(jìn)入人們生活的方方面面，記錄人們?nèi)粘Ｕ鎸?shí)行為一卡通作為信息技術(shù)的產(chǎn)物，對(duì)于改進(jìn)人們生活的便捷程度和推動(dòng)數(shù)字化管理起到了巨大的作用。由一卡通產(chǎn)生的反映人們行為的高頻數(shù)據(jù)能夠有效識(shí)別人與人之間關(guān)系，那些在大量的數(shù)據(jù)中擁有著相似刷卡行為的個(gè)體親密度更高，更有可能是朋友關(guān)系。由此，產(chǎn)生了一種基于高頻刷卡數(shù)據(jù)的朋友關(guān)系識(shí)別方法。

日常生活中，高頻刷卡數(shù)據(jù)的來源極其廣泛。例如，高校學(xué)生一日三餐的刷卡數(shù)據(jù)，以及進(jìn)出校門，宿舍，圖書館借書、自習(xí)，超市購物等數(shù)據(jù)都可以作為很好的研究樣本。并且這種大數(shù)據(jù)的特點(diǎn)從一定程度上保證了研究結(jié)果的穩(wěn)定性和可靠性。另一方面，這些大數(shù)據(jù)可以利用先進(jìn)的計(jì)算機(jī)技術(shù)進(jìn)行分析處理，很好的保證了研究的準(zhǔn)確性和高效性。

運(yùn)用這些高頻刷卡數(shù)據(jù)和先進(jìn)的應(yīng)用軟件以及計(jì)算分析技術(shù)真正實(shí)現(xiàn)了從真實(shí)的日常生活中來識(shí)別朋友關(guān)系。從研究者的角度來說，朋友是從各種各樣的生活數(shù)據(jù)中得來，它的真實(shí)性和可靠性無須贅述，對(duì)進(jìn)一步的社會(huì)關(guān)系的發(fā)展和演變的研究，以及其規(guī)律的探尋有著不可代替的重要作用。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)當(dāng)前朋友關(guān)系識(shí)別方法中存在的僅僅依靠用戶注冊(cè)信息和用戶上網(wǎng)行為進(jìn)行朋友關(guān)系識(shí)別的不足，本發(fā)明提出了一種基本高頻刷卡數(shù)據(jù)的朋友關(guān)系識(shí)別方法。以滿足商家有效挖掘新用戶和對(duì)老用戶進(jìn)行個(gè)性化服務(wù)的需求。

本發(fā)明采用的技術(shù)方案是：

一種基于高頻刷卡數(shù)據(jù)的朋友關(guān)系識(shí)別方法，主要包括數(shù)據(jù)預(yù)處理、相似行為矩陣的生成、相似行為閾值的確定和朋友關(guān)系的識(shí)別；

1)數(shù)據(jù)預(yù)處理；獲取當(dāng)前所有用戶的高頻刷卡數(shù)據(jù)，提取數(shù)據(jù)中有效信息，包括用戶的id，刷卡的地點(diǎn)，刷卡的時(shí)間，刷卡操作的類型，刪除數(shù)據(jù)中所有的標(biāo)點(diǎn)，僅保留數(shù)字信息，并對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的命名，存入統(tǒng)一的數(shù)據(jù)倉庫中；

2)相似行為矩陣的生成；

(a)對(duì)于數(shù)據(jù)倉庫中的數(shù)據(jù)而言，當(dāng)任意兩個(gè)用戶的刷卡記錄的地點(diǎn)一致，同時(shí)刷卡時(shí)間間隔不超過t秒時(shí)，則稱這兩個(gè)用戶之間存在一次相似行為；

(b)設(shè)定時(shí)間區(qū)間t，提取數(shù)據(jù)倉庫中在時(shí)間區(qū)間t范圍內(nèi)的數(shù)據(jù)；在時(shí)間區(qū)間t范圍內(nèi)，用戶m和用戶n的相似行為次數(shù)就構(gòu)成了相似行為矩陣的一個(gè)元素am,n；相似行為矩陣為主對(duì)角元素均為0的對(duì)稱矩陣；

3)相似行為閾值的確定；提取相似行為矩陣對(duì)角線上方的所有元素，生成帕累托圖，取累計(jì)百分比首次超過α，0＜α＜100％所對(duì)應(yīng)的相似行為的次數(shù)作為相似行為閾值，α通常取90％；

4)朋友關(guān)系的識(shí)別；找出所有相似行為超過相似行為閾值的用戶對(duì)，將他們確認(rèn)為朋友關(guān)系，同時(shí)輸出所有的朋友對(duì)。

本發(fā)明優(yōu)點(diǎn)是：能夠利用用戶產(chǎn)生的高頻刷卡數(shù)據(jù)有效識(shí)別用戶在現(xiàn)實(shí)生活中的朋友關(guān)系。

附圖說明

圖1是一卡通數(shù)據(jù)樣例圖。

圖2是數(shù)據(jù)清理圖。

圖3是進(jìn)入圖書館數(shù)據(jù)圖。

圖4是離開圖書館數(shù)據(jù)圖。

圖5是圖書館數(shù)據(jù)排序結(jié)果圖。

圖6是相似行為節(jié)點(diǎn)對(duì)圖。

圖7是相似行為矩陣圖。

圖8是帕累托圖。

具體實(shí)施方式

下面結(jié)合說明書附圖1-8及實(shí)施例對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。

一種基于高頻刷卡數(shù)據(jù)的朋友關(guān)系識(shí)別方法，主要包括數(shù)據(jù)預(yù)處理、相似行為矩陣的生成、相似行為閾值的確定和朋友關(guān)系的識(shí)別；

1)數(shù)據(jù)預(yù)處理；獲取當(dāng)前所有用戶的高頻刷卡數(shù)據(jù)，提取數(shù)據(jù)中有效信息，包括用戶的id，刷卡的地點(diǎn)，刷卡的時(shí)間，刷卡操作的類型，刪除數(shù)據(jù)中所有的標(biāo)點(diǎn)，僅保留數(shù)字信息，并對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的命名，存入統(tǒng)一的數(shù)據(jù)倉庫中；

2)相似行為矩陣的生成；

(a)對(duì)于數(shù)據(jù)倉庫中的數(shù)據(jù)而言，當(dāng)任意兩個(gè)用戶的刷卡記錄的地點(diǎn)一致，同時(shí)刷卡時(shí)間間隔不超過t秒時(shí)，則稱這兩個(gè)用戶之間存在一次相似行為；

(b)設(shè)定時(shí)間區(qū)間t，提取數(shù)據(jù)倉庫中在時(shí)間區(qū)間t范圍內(nèi)的數(shù)據(jù)；在時(shí)間區(qū)間t范圍內(nèi)，用戶m和用戶n的相似行為次數(shù)就構(gòu)成了相似行為矩陣的一個(gè)元素am,n；相似行為矩陣為主對(duì)角元素均為0的對(duì)稱矩陣；

3)相似行為閾值的確定；提取相似行為矩陣對(duì)角線上方的所有元素，生成帕累托圖，取累計(jì)百分比首次超過α，0＜α＜100％所對(duì)應(yīng)的相似行為的次數(shù)作為相似行為閾值，α通常取90％；

4)朋友關(guān)系的識(shí)別；找出所有相似行為超過相似行為閾值的用戶對(duì)，將他們確認(rèn)為朋友關(guān)系，同時(shí)輸出所有的朋友對(duì)。

實(shí)施例

1、數(shù)據(jù)預(yù)處理

(1)數(shù)據(jù)清理

從學(xué)校教務(wù)處獲取的一卡通數(shù)據(jù)如圖1所示，每一行代表一個(gè)刷卡記錄，分別為學(xué)生的id，學(xué)生的刷卡操作，學(xué)生刷卡的時(shí)間。以10條數(shù)據(jù)為例，對(duì)數(shù)據(jù)進(jìn)行清理。數(shù)據(jù)清理的內(nèi)容包括刪除不完整的數(shù)據(jù)，刪除每一條數(shù)據(jù)中刷卡操作記錄中的引號(hào)、刷卡時(shí)間記錄中的引號(hào)和斜線號(hào)，經(jīng)處理后得到結(jié)果如圖2。將處理后的數(shù)據(jù)保存到數(shù)據(jù)倉庫中。

(2)數(shù)據(jù)分類

在每一條數(shù)據(jù)中，不僅記錄了刷卡的時(shí)間，還記錄了刷卡者是進(jìn)入還是離開圖書館。由于兩個(gè)用戶如果存在朋友關(guān)系，通常都是同時(shí)進(jìn)入圖書館或者同時(shí)離開。因此，我們假定只有兩個(gè)用戶同時(shí)進(jìn)入或離開才稱作一次相似行為?；诖朔N假定，我們將進(jìn)入和離開的數(shù)據(jù)進(jìn)行分類，建立兩個(gè)txt文檔，分別命名為“l(fā)ibrary_in”和“l(fā)ibrary_out”?！發(fā)ibrary_in”和“l(fā)ibrary_out”中的數(shù)據(jù)分別如圖3和圖4所示。

(3)數(shù)據(jù)整理

以“l(fā)ibrary_in”為例，使用c++sort排序方法將文本中的數(shù)據(jù)按時(shí)間排序，得到結(jié)果如圖5所示。

2、相似行為矩陣的建立

我們假定當(dāng)兩名用戶刷卡地點(diǎn)一致，并且刷卡時(shí)間間隔不超過30秒時(shí)，則稱兩者存在一次相似行為。下面具體闡述相似行為矩陣的生成方法：

首先建立一個(gè)空的隊(duì)列，之后按行遍歷文本。如果隊(duì)列為空，將讀取到的當(dāng)前行的時(shí)間信息排入隊(duì)列；如果隊(duì)列中存在信息，則將該行時(shí)間信息與隊(duì)首的時(shí)間信息進(jìn)行比較。若時(shí)間間隔小于30秒，則視為一次相似性為，輸出到“friend”文本中，并繼續(xù)向下遍歷隊(duì)列；如果時(shí)間間隔都小于30秒，則將該行信息加入到隊(duì)尾中；如果時(shí)間間隔大于30秒，則將隊(duì)列中該點(diǎn)的信息替換為文本中該行的信息，繼續(xù)向下遍歷文本。統(tǒng)計(jì)出兩個(gè)時(shí)間間隔不超過30秒的同學(xué)id，得到朋友對(duì)，朋友對(duì)的兩個(gè)id按遞增順序輸出，并且保留朋友對(duì)的年月日信息。按半月為時(shí)間單位生成矩陣，輸出結(jié)果如圖6所示。將“friend”文檔中的數(shù)據(jù)按半月為時(shí)間段分成若干個(gè)小文本，將用戶id按遞增順序?qū)?yīng)生成如圖7所示的相似行為矩陣。

3、相似行為閾值的確定

我們?cè)O(shè)定α的值為90％，獲取相似行為矩陣對(duì)角線上方的數(shù)據(jù)，生成帕累托圖，如圖8所示。由圖8可知，相似行為次數(shù)為1的，累積百分比為85.04％。,相似行為次數(shù)為1和2時(shí)的累積百分比為96.38％，此時(shí)已經(jīng)超過了設(shè)定的90％的閾值，因此取2為相似行為閾值。

4.朋友關(guān)系的識(shí)別

我們將相似行為次數(shù)為2的用戶對(duì)認(rèn)定為存在朋友關(guān)系，因此用戶id為9733和9773的學(xué)生被識(shí)別為朋友關(guān)系。