研究方法与应用模型上报-社交网络分析方法在集团成员识别中的应用.ppt

二、业务与技术实施方案－分析思路 分析的对象是“社交网络” 用户是社交网络中的一个结点，不同类型的用户对应不同的结点。 用户之间的联系用一条边表示，不同的通信方式对应不同类型的边。而且边是有方向的。 二、业务与技术实施方案－分析思路 利用社交网络，鉴别集团成员： 与既知集团成员有通信的用户，较可能也是成员。两者的通信量越大，这种可能性就越大。 与既知集团成员交往对象相似的用户，较可能也是成员 。两者越相似，这种可能性就越大。 二、业务与技术实施方案－模型构建 利用现有的集团成员的社交网络数据作为样本，提取成员识别规则。在社交网络，通过识别规则，进行成员归属打分。 一类联系边对应一条推理规则。 两大类联系边： 通信联系：短信收发，语音主被叫等 行为相似类：交往圈重合度，地理距离，业务使用量相似度等。 从集团成员的相关性来考虑这些联系边的设计。 推理规则的形式：（举例，假设成员占分析用户群的8%） 短信发送规则：A是成员，而且A向B发过短信，则B是成员的可能性是0.2，LIFT值为2.5。 主叫规则：A是成员，而且A主叫过B，则B是成员的可能性是0.4 交往圈重合度规则：A是成员，B与A有超过3个共同交往对象，则B是成员的可能性是0.6 推理规则实质上就是一个条件概率值。 二、业务与技术实施方案－模型构建 在社交网络中，用规则进行成员推理： 找出与用户A有联系的用户集合； 根据这些有联系用户的分数，综合各种联系边的推理规则来计算A的归属分数； 与成员联系多，而且联系规则强的用户，属于这个集团的可能性就高。 二、业务与技术实施方案－模型构建 从另一角度，可看作以集团成员为起点，沿着社交网络进行外推。推理具有传递性。 在不考虑环的情况下，成员的先验概率为1，与之直接联系的用户的归属概率就是相应规则的权重，多级联系的用户的概率很低。 强的联系，影响较远。弱的联系，影响力很快消失。 用户的最终总分是所有外推结果的叠加。 四、效益评估 模型结果处理 对选定的联系边进行训练，对获得的结果进行加权平均，得到每个结点集团归属的总概率； 对结点（用户）根据其评分进行排序，归属概率高的结点，其为实体集团成员的可能性高。 模型评估结果如下： 四、效益评估 解决的业务问题： 该集群网成员是否真正的集团实体成员？ 应该推动哪些用户加入到合适的集群网中？ 社会经济效益： 通过社交网络分析方法，开创性地从社交联系角度去识别用户的潜在需求； 利用社交网络分析方法，对有社交联系需求的用户进行“聚合”增加用户对集群网和移动公司的粘性，延长集团用户的生存周期； 在网络中识别出一些社交活跃度较高的“种子”成员，作为集团产品营销应用推广的基本对象。 五、经验总结 全网普及性 集团成员识别是个全网问题，由于历史原因，存在集群网成员和集团实体成员不匹配的问题，影响了移动集团品牌的市场价值。 经验及展望 业务推广：乡情网、校园网、家庭网等等； 业务优化：优化集团网成员结构，提升集团成员对集团成品的使用度和依赖度。 * 广东移动研究方法与应用模型社交网络分析方法在集团成员识别中的应用   时间：2008年11月20日 一、研究方法与应用模型介绍 社交网络分析（Social Network Analysis, SNA）是目前数据挖掘与社会生活联系最紧密的热点之一。 在社会学中，社交网络被定义为：许多个体在不同的社会交往中（如通信/电邮/互联网等交往）中形成的网络关系。 一、研究方法与应用模型介绍 在集团成员移动通信业务中，可以通过社交网络分析的方法，研究用户的社会交往行为模式，为集团业务管理提供决策支撑； 对集群网中的用户，是否从属于同一个实体集团进行识别。 识别在集群网中的用户，哪些是集团的真实成员，哪些是虚假的集团成员； 识别未加入集群网的用户中，哪些是集团的真实成员。 移动集群网 真实集团 在网的集团成员 虚假集团成员 不在网的集团成员 短信 语音 强的双向联系 强的单向联系 没有直接联系 共同的交往圈 0.9 0.1 0.3 0.7 0.5 0.1 0.2 1 1 0.5 0 1 0.2 1 邻近用户分数 规则中的概率值 已知成员 1级 2级 3级 承前例：短信发送规则：可能性为0.2 主叫规则：可能性为0.4 交往圈重合度规则：可能性为0.6 1级联系即直接联系，2级联系即需通过一个用户 的间接联系，如此类推 三、具体应用实现案例 选定云浮市公安局为试点集团： 根据提供的通讯录，云浮市公安局的移动用户为922人； 对应的云浮市公安局集群网用户为2876人，集团真实成员只占集群网用户的32％。 三、具体应用实现案例－模型定义 社交网络结点定义： 每个用户都是社交网络中的一个结点，