基于呼叫指紋的重入網(wǎng)識(shí)別算法研究

蔣仕寶　陳少權(quán)

摘要：為了有效解決重入網(wǎng)用戶(hù)運(yùn)營(yíng)成本和運(yùn)營(yíng)風(fēng)險(xiǎn)“雙高”的難題，在采用改進(jìn)TF-IDF提取用戶(hù)有效交往圈的基礎(chǔ)上，通過(guò)加權(quán)余弦相似度衡量移動(dòng)用戶(hù)呼叫交往圈的匹配程度來(lái)判斷新入網(wǎng)的用戶(hù)是否為重入網(wǎng)用戶(hù)，以此幫助通信運(yùn)營(yíng)商有效甄別市場(chǎng)虛增高和用戶(hù)高流失的現(xiàn)象。經(jīng)過(guò)實(shí)驗(yàn)表明，該算法具有較高的識(shí)別準(zhǔn)確度和識(shí)別速度，并具有較好的擴(kuò)展性。

關(guān)鍵詞：呼叫指紋 重入網(wǎng) 改進(jìn)TF-IDF 匹配度

1 引言

重入網(wǎng)是指移動(dòng)用戶(hù)正在使用或者曾經(jīng)使用一家移動(dòng)運(yùn)營(yíng)商的通信服務(wù)，而在短期內(nèi)又購(gòu)買(mǎi)所歸屬的同一移動(dòng)運(yùn)營(yíng)商新號(hào)碼入網(wǎng)，新號(hào)碼全部或者部分替代原有舊號(hào)碼[1]。造成移動(dòng)用戶(hù)重入網(wǎng)的原因主要包括：運(yùn)營(yíng)商的營(yíng)銷(xiāo)方案偏向于吸引新用戶(hù)，導(dǎo)致老用戶(hù)的忠誠(chéng)度降低；運(yùn)營(yíng)商對(duì)社會(huì)渠道的激勵(lì)政策偏重于銷(xiāo)售傭金，社會(huì)渠道通過(guò)對(duì)部分傭金補(bǔ)貼到新用戶(hù)的手段來(lái)誘導(dǎo)用戶(hù)重入網(wǎng)。

重入網(wǎng)會(huì)造成卡號(hào)資源浪費(fèi)、市場(chǎng)虛增高、用戶(hù)流失率過(guò)高等嚴(yán)重后果，極大程度影響運(yùn)營(yíng)商精準(zhǔn)營(yíng)銷(xiāo)的戰(zhàn)略布局。如何準(zhǔn)確有效地識(shí)別重入網(wǎng)用戶(hù)，挖掘用戶(hù)重入網(wǎng)的原因，進(jìn)而為運(yùn)營(yíng)商提高用戶(hù)發(fā)展的質(zhì)量和降低運(yùn)營(yíng)的成本及風(fēng)險(xiǎn)，是近年來(lái)我國(guó)移動(dòng)通信關(guān)注的一項(xiàng)新技術(shù)。其中，基于呼叫指紋的重入網(wǎng)用戶(hù)的識(shí)別技術(shù)是當(dāng)前的研究主流，這種方法的思路是利用移動(dòng)用戶(hù)在使用業(yè)務(wù)過(guò)程中所產(chǎn)生的相關(guān)數(shù)據(jù)，再采用數(shù)據(jù)挖掘的手段提取其中所隱含的用戶(hù)特征。因?yàn)樵趯?shí)際生活中，每個(gè)用戶(hù)都有自己的獨(dú)特性，那么用戶(hù)對(duì)手機(jī)的使用行為和呼叫對(duì)象也應(yīng)該有鮮明的特征性。目前主要的研究方法包括：利用交往頻度和通話(huà)次數(shù)計(jì)算交往圈重合度，進(jìn)而識(shí)別重入網(wǎng)用戶(hù)[1-2]；利用用戶(hù)交往號(hào)碼的通話(huà)次數(shù)、通話(huà)時(shí)長(zhǎng)，建立新老用戶(hù)的交往圈指紋庫(kù)，再通過(guò)向量的余弦值計(jì)算用戶(hù)語(yǔ)音交往圈指紋相似度來(lái)識(shí)別重入網(wǎng)用戶(hù)[3-4]；通過(guò)改進(jìn)Hausdorff算法來(lái)提高識(shí)別重入網(wǎng)用戶(hù)的精度和速度[5]；利用改進(jìn)TF-IDF（Term Frequency-Inverse Document Frequency，詞頻-逆文檔頻率）的權(quán)重來(lái)排除公共號(hào)碼，再通過(guò)余弦相似性來(lái)判斷重入網(wǎng)用戶(hù)，進(jìn)而達(dá)到提升速度的目的[6]。本文在已有研究的基礎(chǔ)上，基于用戶(hù)的呼叫指紋建立用戶(hù)的語(yǔ)音交往圈，再采用改進(jìn)TF-IDF算法提取用戶(hù)的交往圈，最后通過(guò)余弦相似度的算法來(lái)計(jì)算新老用戶(hù)的有效交往圈指紋庫(kù)的匹配度，并根據(jù)匹配度的排序來(lái)提取重入網(wǎng)用戶(hù)。

2 重入網(wǎng)識(shí)別的思路與相關(guān)理論研究

2.1 重入網(wǎng)用戶(hù)識(shí)別

重入網(wǎng)用戶(hù)的識(shí)別原理是對(duì)比新增用戶(hù)特征和離網(wǎng)用戶(hù)在系統(tǒng)中記錄的特征。如果特征符合判斷條件，則認(rèn)為該用戶(hù)是重入網(wǎng)用戶(hù)；如果沒(méi)有符合特征的記錄，則認(rèn)為該用戶(hù)是新增用戶(hù)[7]。呼叫指紋是指移動(dòng)用戶(hù)在發(fā)生移動(dòng)業(yè)務(wù)的過(guò)程中產(chǎn)生一系列的信息組合：通話(huà)群體（與用戶(hù)發(fā)生通話(huà)的對(duì)象）的通話(huà)習(xí)慣（通話(huà)頻次與通話(huà)時(shí)長(zhǎng)）。因?yàn)槿魏蔚膬蓚€(gè)移動(dòng)用戶(hù)之間的通話(huà)群體和通話(huà)習(xí)慣都會(huì)存在一定的差異，這種差異就類(lèi)似于人類(lèi)的指紋一樣，可作為不同用戶(hù)的一個(gè)標(biāo)識(shí)。因此，本文定義的重入網(wǎng)用戶(hù)識(shí)別是通過(guò)一系列的用戶(hù)呼叫指紋進(jìn)行相似度計(jì)算的識(shí)別技術(shù)，進(jìn)而判別重入網(wǎng)用戶(hù)。重入網(wǎng)用戶(hù)識(shí)別流程圖如圖1所示。

2.2 建立語(yǔ)音交往圈指

紋庫(kù)

首先對(duì)用戶(hù)交往圈內(nèi)的呼叫詳單信息進(jìn)行匯總，提取的字段包括用戶(hù)交往號(hào)碼的通話(huà)次數(shù)和通話(huà)時(shí)長(zhǎng)，分別建立新老用戶(hù)的呼叫交往圈指紋庫(kù)。

交往圈是指移動(dòng)用戶(hù)聯(lián)系頻繁且保持長(zhǎng)時(shí)間交往的用戶(hù)群體。但是，如果僅僅根據(jù)用戶(hù)的通話(huà)次數(shù)和通話(huà)時(shí)長(zhǎng)等衡量用戶(hù)“緊密度”的方式來(lái)確定用戶(hù)交往圈的重要通話(huà)群體，便會(huì)把一些公共號(hào)碼、快遞號(hào)碼、送餐號(hào)碼等非重要通話(huà)群體納入其中。因此，需要采用一些技術(shù)手段處理上述非重要通話(huà)群體，提取有效的交往圈指紋庫(kù)，以保證重入網(wǎng)用戶(hù)識(shí)別的質(zhì)量。本文采用改進(jìn)TF-IDF算法來(lái)計(jì)算用戶(hù)與通話(huà)群體的呼叫特征系數(shù)，選取特征系數(shù)大于設(shè)定的閾值的用戶(hù)群體，提取有效的用戶(hù)交往圈。

2.3 采用改進(jìn)TF-IDF算法提取有效的交往圈

有效交往圈是指與一個(gè)移動(dòng)號(hào)碼發(fā)生通信行為且具有相對(duì)重要和緊密程度的對(duì)端號(hào)碼集合[8]。眾所周知，用戶(hù)之間的通話(huà)次數(shù)越多，表示用戶(hù)之間越“緊密”，而衡量用戶(hù)之間的重要程度則需要一個(gè)重要性的調(diào)整系數(shù)。

重要性調(diào)整系數(shù)來(lái)源于TF-IDF中的逆文檔頻率（IDF）。TF-IDF方法是Salton和MeGill在1983年針對(duì)向量空間信息檢索范例（Vector Space Information Retrieval Paradigm）提出的文檔特征表示方法[4]，也就是提取文檔的關(guān)鍵詞的方法。該算法有兩個(gè)重要的指標(biāo)：TF和IDF。TF稱(chēng)為詞頻，也就是關(guān)鍵詞在文檔出現(xiàn)的次數(shù)；IDF稱(chēng)為逆文檔頻率，是關(guān)鍵詞在全部文檔集中出現(xiàn)的頻率，它作為一個(gè)重要性調(diào)整系數(shù)，來(lái)衡量一個(gè)關(guān)鍵詞是不是常見(jiàn)詞，其在全部文檔集出現(xiàn)的頻率越高，表明該關(guān)鍵詞沒(méi)有區(qū)分度，不能反映該文檔的特征。

TF-IDF的算法為：

（1）

分子是關(guān)鍵詞在文檔中出現(xiàn)的頻率，分母是所有關(guān)鍵詞出現(xiàn)的頻率合計(jì)。

（2）

分子為文檔集中的文檔數(shù)量，分母為文檔集中出現(xiàn)過(guò)關(guān)鍵詞的文檔數(shù)量?；诠剑?）和（2），TF-IDF定義為：

tfidf=tf×idf （3）

借鑒TF-IDF算法的思想，本文對(duì)TF-IDF進(jìn)行改進(jìn)，在通話(huà)頻次的基礎(chǔ)上，結(jié)合通話(huà)時(shí)長(zhǎng)和通話(huà)逆頻率對(duì)緊密用戶(hù)分配一個(gè)“重要性”權(quán)重。

假設(shè)需要對(duì)用戶(hù)u的交往圈內(nèi)的所有用戶(hù)進(jìn)行呼叫指紋處理，那么用戶(hù)u交往圈內(nèi)的其中一位用戶(hù)v的緊密度和重要性表達(dá)式為：

TF-IDFuv=Tuv/Tu×tfuv×idfuv （4）

其中，Tuv為用戶(hù)u與用戶(hù)v在一段時(shí)間內(nèi)的總通話(huà)時(shí)長(zhǎng)；Tu為用戶(hù)u與所有用戶(hù)在一段時(shí)間內(nèi)的總通話(huà)時(shí)長(zhǎng)；tfuv為用戶(hù)u與用戶(hù)v的通話(huà)頻率；idfuv為用戶(hù)v與所有用戶(hù)通話(huà)的逆頻率。

2.4 計(jì)算新老用戶(hù)的有效交往圈指紋庫(kù)的匹配度

匹配度是評(píng)價(jià)兩個(gè)移動(dòng)用戶(hù)之間在重合指標(biāo)上的相似度。采用加權(quán)余弦相似度的方法表示匹配度的公式為：

（5）

其中，xj、yj分別表示匹配移動(dòng)用戶(hù)和待匹配移動(dòng)用戶(hù)的第j個(gè)重合指標(biāo)；α1和β1分別表示兩個(gè)用戶(hù)每個(gè)指標(biāo)的權(quán)重。

基于交往圈的思想，衡量交往圈指紋庫(kù)的匹配度就是需要衡量匹配用戶(hù)和待匹配用戶(hù)的前n個(gè)共同朋友的呼叫緊密度及重要性的相似度。

假設(shè)用戶(hù)u交往圈表示為Du=（a1， a2， …， an），其中an表示用戶(hù)u交往圈的前n個(gè)共同好友，如果考慮每個(gè)用戶(hù)的呼叫緊密度和重要性的不一致性，則得到Du=（a1w1， a2w2， …， anwn），簡(jiǎn)記為（w1， w2， …， wn），wn表示用戶(hù)an的呼叫緊密度和重要性，用戶(hù)之間的緊密度和重要性可由公式（4）計(jì)算得出。那么，匹配度公式為：

（6）

其中，w1k、w2k分別代表用戶(hù)D1及用戶(hù)D2第k個(gè)朋友的呼叫緊密度和重要性，1≤k≤n，為了縮短計(jì)算的時(shí)間，根據(jù)緊密度和重要性的大小進(jìn)行排序，取n=top20即可。

3 實(shí)驗(yàn)過(guò)程

（1）提取用戶(hù)呼叫詳單的關(guān)鍵字段

用戶(hù)的呼叫詳單字段很多，根據(jù)本文的數(shù)據(jù)挖掘需求，提取用戶(hù)呼叫詳單的關(guān)鍵字段包括主叫號(hào)碼、日期/時(shí)間、呼叫時(shí)長(zhǎng)、被叫號(hào)碼。具體如表1所示：

（2）建立新老用戶(hù)呼叫交往圈指紋庫(kù)

對(duì)每個(gè)用戶(hù)的呼叫詳單進(jìn)行匯總，分別建立新老用戶(hù)的呼叫交往圈指紋庫(kù)。號(hào)碼為18676445***的用戶(hù)呼叫交往圈的部分指紋庫(kù)如表2所示：

（3）采用改進(jìn)TF-IDF算法提取有效的交往圈

采用公式（4）計(jì)算號(hào)碼為18676445***的用戶(hù)與交往圈內(nèi)部分用戶(hù)的緊密度和重要性如表3所示。

采用改進(jìn)TF-IDF算法計(jì)算18676445***交往圈的所有用戶(hù)的TF-IDF值，再基于設(shè)定的閾值（0.05）提取18676445***的有效交往圈。

（4）計(jì)算新老用戶(hù)匹配度，識(shí)別重入網(wǎng)用戶(hù)

采用改進(jìn)TF-IDF算法確定新老用戶(hù)的有效交往圈指紋庫(kù)后，需要衡量匹配用戶(hù)和待匹配用戶(hù)的前n個(gè)共同朋友的呼叫緊密度和重要性的相似度。根據(jù)公式（6）對(duì)多次抽樣3萬(wàn)新用戶(hù)與老用戶(hù)的呼叫特征進(jìn)行余弦相似度計(jì)算，匹配結(jié)果如表4所示：

由表4可知，相似度的閾值的合理范圍為（0.4537， 0.5536），運(yùn)營(yíng)商可以按照該范圍對(duì)重入網(wǎng)的新用戶(hù)進(jìn)行重入網(wǎng)原因的分析，為后續(xù)的用戶(hù)維護(hù)和營(yíng)銷(xiāo)工作提供數(shù)據(jù)支撐。

4 結(jié)束語(yǔ)

本文考慮每個(gè)移動(dòng)用戶(hù)呼叫指紋的差異，結(jié)合采用改進(jìn)TF-IDF和加權(quán)余弦相似度的算法識(shí)別重入網(wǎng)用戶(hù)。實(shí)驗(yàn)表明，綜合用戶(hù)在交往圈的呼叫頻率和呼叫時(shí)長(zhǎng)對(duì)算法進(jìn)行改進(jìn)，有助于提升用戶(hù)重入網(wǎng)的識(shí)別效率，為通信運(yùn)營(yíng)商準(zhǔn)確預(yù)測(cè)市場(chǎng)占有率，及時(shí)調(diào)整營(yíng)銷(xiāo)策略，規(guī)避經(jīng)營(yíng)風(fēng)險(xiǎn)提供強(qiáng)有力的依據(jù)。

參考文獻(xiàn)：

[1] 蒲鋒，田真. 基于呼叫指紋的重入網(wǎng)識(shí)別研究[J]. 中國(guó)新通信， 2007（9）： 74-76.

[2] 李鐵鋼，馬駟良，王春勝. 基于“呼叫指紋”的重入網(wǎng)識(shí)別算法及其在移動(dòng)市場(chǎng)占有率預(yù)測(cè)中的應(yīng)用[J]. 現(xiàn)代情報(bào)， 2006（12）： 207-208.

[3] 艾達(dá)，羅愛(ài)平. 移動(dòng)通信重入網(wǎng)用戶(hù)識(shí)別算法分析研究[J]. 西安郵電學(xué)院學(xué)報(bào)， 2012，17（3）： 30-33.

[4] 羅亞. 移動(dòng)電話(huà)用戶(hù)重入網(wǎng)識(shí)別及營(yíng)銷(xiāo)建議[D]. 北京： 北京郵電大學(xué)， 2010.

[5] 李鐵鋼，馬駟良，王彥. 改進(jìn)的呼叫指紋算法及其在重入網(wǎng)識(shí)別中的應(yīng)用[J]. 吉林大學(xué)學(xué)報(bào)： 理學(xué)版， 2007，45（2）： 254-255.

[6] 劉清松，王霓虹，王偉. 權(quán)重算法在計(jì)算移動(dòng)用戶(hù)重入網(wǎng)的應(yīng)用[J]. 自動(dòng)化技術(shù)與應(yīng)用， 2009，28（2）： 19-21.

[7] 賀彬. 電信經(jīng)營(yíng)分析系統(tǒng)重入網(wǎng)子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 成都： 電子科技大學(xué)， 2007.

[8] 陸菁. 基于移動(dòng)通信交往圈的家庭用戶(hù)識(shí)別研究[D]. 上海： 上海交通大學(xué)， 2014.

[9] 陳大力，沈巖濤，謝檳竹，等. 基于余弦相似度模型的最佳教練遴選算法[J]. 東北大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2014，35（12）： 1697-1700.

[10] 徐忠健，陳孚，任小龍，等. 基于TF-IDF算法的家庭關(guān)系識(shí)別模型構(gòu)建及其應(yīng)用[J]. 井岡山大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2012，33（5）： 54-58.★