基于智慧园区多维度数据的用户关系动力学分析方法与流程

1.本发明涉及园区用户关系分析技术领域，具体为一种基于智慧园区多维度数据的用户关系动力学分析方法。


背景技术：

2.数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道但又是潜在有用的信息和知识的过程。数据挖掘应用的领域很广泛，在如银行、电信、保险、交通、零售等商业领域都有着广泛的应用。数据挖掘所能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析行为，以及客户流失性分析、客户信用记分、欺诈发现等等。数据挖掘、人工智能在社交领域的应用蓬勃发展，各个互联网公司均将其纳入产品线。
3.而目前多数园区平台软件所能获取到的数据维度有限，且准确度较低，所能分析的人与人之间的相互关系较为单一，多数以共同好友和圈子为主，难以对用户关系网络的动力学行为进行预测。鉴于此，我们提出了一种基于智慧园区多维度数据的用户关系动力学分析方法。


技术实现要素：

4.(一)解决的技术问题
5.针对现有技术的不足，本发明提供了一种基于智慧园区多维度数据的用户关系动力学分析方法，解决了上述背景技术提到的问题。
6.(二)技术方案
7.为实现以上目的，本发明通过以下技术方案予以实现：一种基于智慧园区多维度数据的用户关系动力学分析方法，包括以下步骤：
8.s1、多维度的数据收集，所述数据收集包括个人爱好、行业、职位、位置、年龄、性别、浏览记录、商城消费记录、进出园区记录、访客记录等。
9.s2、使用计算引擎对用户关系进行聚类并标注，对s1中收集的多维度信息将用户关系进行聚类并标注，并对标注后的信息进行存储。
10.s3、根据聚类结果和现有用户关联关系，标注用户潜在的关联关系。
11.s4、从多个维度以及维度组合向用户推荐园区潜在关联用户，根据用户调整关系网络的动力学参数，将没有关系的两个人互相关注的动力学参数定为基准值，根据用户行为动态求解其它维度关联用户推荐的动力学参数。
12.优选的，所述动力学参数的算法为：将没有已知维度关系的两个人互相关注的动力学参数为基准值，如果通过某一维度推荐促使两个人相互关注的概率为没有已知维度关系的两个人相互关注的概率的n倍，则该维度的动力学参数为n，同理类似的，如果通过某些维度组合推荐促使两个人相互关注的概率为没有已知维度关系的两个人相互关注的概率的m倍，则该维度的动力学参数为m。通过长时间的用户行为，即可求得用户关系网络动力参
数的数值解。
13.优选的，s1中的数据收集可采用线上和线下综合采集的方式进行数据的收集；线上收集数据则通过现有的网络数据库中的用户信息对其进行整理和归类；线下收集数据通过人员调查的方式对用户的信息进行采集，对采集到的信息进行整理和归类，对整理和归类好的线下收集数据进行数据录入与上传至网络数据库中。
14.优选的，s2中的计算引擎为spark计算引擎，根据多维度信息将用户关联关系聚类并标注，同时考虑随着时间的演进，不同维度属性的变化。
15.优选的，在spark计算引擎对多维度信息进行聚类并标注后，采用人工核算的方式对聚类并标注后的多维度信息进行核对，并对核对后的数据进行存储。
16.优选的，s3中对标注用户潜在的关联关系进行核对，且根据用户是否接受以及反馈时间调整关系网络的动力学参数。
17.优选的，在对标注用户潜在的关联关系进行核对的过程中，记录用户的反馈信息，将用户的反馈信息和原始的spark计算引擎进行综合的数据比对。
18.优选的，s4中没有关系的两个人互相关注的情况下，对没有关系的两个人进行数据匹配。
19.优选的，所述数据匹配记录在网络数据库中，并在征得用户同意的情况下对用户进行数据发送。
20.(三)有益效果
21.本发明提供了一种基于智慧园区多维度数据的用户关系动力学分析方法。具备以下有益效果：
22.(1)、该基于智慧园区多维度数据的用户关系动力学分析方法，通过对园区用户采用线上和线下进行数据采集的方式，能够有效的保证数据准确率，且能够多个维度进行数据的收集，从而实现分析个人与个人的关系会更加的多元化，能够对用户关系网络的动力学行为进行预测，有效的提升了数据的分析效率。
23.(2)、该基于智慧园区多维度数据的用户关系动力学分析方法，有效的对数据进行分析和整理，且通过对数据进行多次的核对，能够有效的提升数据的可信性，并且能够不断的对动力学参数进行调整和修改，进一步的起到提升数据处理的准确性，能够有效的帮助使用者对数据进行核对和预测。
附图说明
24.图1为本发明流程结构示意图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
26.请参阅图1，本发明提供一种技术方案：一种基于智慧园区多维度数据的用户关系动力学分析方法，包括以下步骤：
27.s1、多维度的数据收集，数据收集包括个人爱好、行业、职位、位置、年龄、性别、浏览记录、商城消费记录、进出园区记录、访客记录等。
28.数据收集可采用线上和线下综合采集的方式进行数据的收集。
29.其中，线上收集数据则通过现有的网络数据库中的用户信息对其进行整理和归类，可采用园区内员工使用的app中的数据。
30.其中，线下收集数据通过人员调查的方式对用户的信息进行采集，对采集到的信息进行整理和归类，对整理和归类好的线下收集数据进行数据录入与上传至网络数据库中。
31.s2、使用计算引擎对用户关系进行聚类并标注，对s1中收集的多维度信息将用户关系进行聚类并标注，并对标注后的信息进行存储。
32.其中，计算引擎为spark计算引擎，根据多维度信息将用户关联关系聚类并标注，同时考虑随着时间的演进，不同维度属性的变化。在spark计算引擎对多维度信息进行聚类并标注后，采用人工核算的方式对聚类并标注后的多维度信息进行核对，并对核对后的数据进行存储。
33.s3、根据聚类结果和现有用户关联关系，标注用户潜在的关联关系；
34.其中，对标注用户潜在的关联关系进行核对，且根据用户是否接受以及反馈时间调整关系网络的动力学参数。在对标注用户潜在的关联关系进行核对的过程中，记录用户的反馈信息，将用户的反馈信息和原始的spark计算引擎进行综合的数据比对。
35.s4、从多个维度以及维度组合向用户推荐园区潜在关联用户，根据用户调整关系网络的动力学参数，将没有关系的两个人互相关注的动力学参数定为基准值，根据用户行为动态求解其它维度关联用户推荐的动力学参数。
36.其中，没有关系的两个人互相关注的情况下，对没有关系的两个人进行数据匹配。数据匹配记录在网络数据库中，并在征得用户同意的情况下对用户进行数据发送。
37.本实施例中，动力学参数的算法为：将没有已知维度关系的两个人互相关注的动力学参数为基准值，如果通过某一维度推荐促使两个人相互关注的概率为没有已知维度关系的两个人相互关注的概率的n倍，则该维度的动力学参数为n，同理类似的，如果通过某些维度组合推荐促使两个人相互关注的概率为没有已知维度关系的两个人相互关注的概率的m倍，则该维度的动力学参数为m。通过长时间的用户行为，即可求得用户关系网络动力参数的数值解。
38.该基于智慧园区多维度数据的用户关系动力学分析方法，通过对园区用户采用线上和线下进行数据采集的方式，能够有效的保证数据准确率，且能够多个维度进行数据的收集，从而实现分析个人与个人的关系会更加的多元化，能够对用户关系网络的动力学行为进行预测，有效的提升了数据的分析效率。有效的对数据进行分析和整理，且通过对数据进行多次的核对，能够有效的提升数据的可信性，并且能够不断的对动力学参数进行调整和修改，进一步的起到提升数据处理的准确性，能够有效的帮助使用者对数据进行核对和预测
39.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。