技术领域
[0001] 本
发明涉及通信领域，具体涉及一种人员潜在关系分析方法和装置。
背景技术
[0002] 随着计算机技术和互联网的高速发展，计算机应用越来越普及，其规模，范围和深度也在不断的扩大。尤其是近几十年来随着
数据库技术的不断成熟和
数据库管理系统的广泛应用，以及数据库采集技术的发展，人们利用计算机技术收集和累积的数据也在极
力增加，并且这些数据每天都在以指数级增长。这些海量数据背后隐藏着很多重要信息，人们希望能够对其进行高层次的分析，以便更好的利用这些数据，因此针对这种海量数据的
数据挖掘技术应运而生，不同的数据挖掘
算法可以产生不同的分析数据结果，对于人员关系的分析，现在有如下几种方案：
[0003] 方案一：基于通信记录的海量数据分析，通过在数据中挖掘出潜在的，不为人所知的，人与人之间的通信及交互模式，例如通话时间，通话时长和通话人职业等之间的关系模式，给进一步分析人与人之间关系提供决策支持。该方案的缺点在于：分析数据主体单一，只能依靠单一的通话记录获取通话相关的人员关系分析；关系模型不具备通用性，无法灵活接入其他的分析数据，扩展性不强。只能基于已知的存在交互的数据进行分析，很难分析出潜在的，不存在通话数据的人员关系。
[0004] 方案二：基于社交网络海量数据的人员关系分析，通过识别目标人员的社交互动方式；统计与目标人员的社交互动种类；统计每种社交方式的互动次数；根据人际关系热度算法计算人际关系热度积分；根据人际关系热度积分绘制人际关系热谱图。从而分析得出人员关系亲密程度。该方案的缺点在于：只能通过单一的社交网络数据进行分析，模型不适用于其他类型的行为轨迹数据。只能基于已知的存在人员社交互动的数据进行分析，很难分析出潜在的，不存在直接社交互动数据的人员关系。
[0005] 方案三：基于人物照片的数据分析，输入为一个照相簿，基于
人脸识别技术，识别出该相簿里每一张照片中的人脸区
块，以区分出每一张照片中的人。进一步地，该方法根据上述相簿里包含某个人的照片，计算该人与照片中其他人之间的距离，从而计算出该人与该其他人之间的人脉关系。该方案的缺点在于：分析数据不具备通用性，且对于数据的要求较高。需要引入人脸识别技术，提高了人员关系分析的技术难度。只对于出现在同一个相簿里的人进行分析，具有局限性。
发明内容
[0006] 本发明要解决的主要技术问题是，提供一种人员潜在关系分析方法和装置，解决现有中对人员潜在关系分析分析主体数据源比较单一，扩展性不强以及只能依据已知的关系人员进行分析的问题。
[0007] 为解决上述问题，本发明提供一种人员潜在关系分析方法，包括：
[0008] 获取各人员的多种行为轨迹数据；
[0009] 确定目标人员，并获取所述目标人员的多种行为轨迹数据中的至少两种行为轨迹数据作为目标行为轨迹数据；
[0010] 根据所述目标行为轨迹数据与其他人员对应的行为轨迹分析得到所述目标人员的潜在关系人员。
[0011] 在本发明的一种
实施例中，所述行为轨迹数据包括行程类型轨迹数据、娱乐类型轨迹数据和通信类型轨迹数据。
[0012] 在本发明的一种实施例中，所述获取各人员的多种行为轨迹数据之前还包括：采集各人员的各种行为轨迹数据，存入
大数据平台；所述获取各人员的多种行为轨迹数据包括：从所述大数据平台提取各人员的多种行为轨迹数据。
[0013] 在本发明的一种实施例中，所述采集各人员的各种行为轨迹数据包括：建立各类型轨迹数据对应的特征属性的提取模型，获取数据源，根据所述提取模型从所述数据源中提取特征属性；各类型轨迹数据对应的特征属性包括：行程类型轨迹数据对应的特征属性包括行程时间和行程标识；娱乐类型轨迹数据对应的特征属性包括娱乐时间和地址标识；通信类型轨迹数据对应的特征数据包括通信标识和通信时间。
[0014] 在本发明的一种实施例中，在根据所述目标行为轨迹数据与其他人员对应的行为轨迹进行分析之前还包括：将每个人的多种行为轨迹数据进行梳理合并，并按照预设排序规则进行排序。
[0015] 在本发明的一种实施例中，将每个人的多种行为轨迹数据进行梳理合并包括：根据预设分析条件对每个人的多种行为轨迹数据进行筛选，将每个人满足预设分析条件的多种行为轨迹数据进行梳理合。
[0016] 在本发明的一种实施例中，所述根据所述目标行为轨迹数据与其他人员对应的行为轨迹分析得到所述目标人员的潜在关系人员包括：将所述目标行为轨迹数据和其他人员对应的行为轨迹分析按照相似度算法进行比对，得到各行为相似度对应的权重值，当至少一个权重值满足预设潜在条件时，确定对应的人员为所述目标人员的潜在关系人员。
[0017] 为解决上述问题，本发明还提供一种人员潜在关系分析装置，包括数据获取模块、目标确定模块和关系分析模块：
[0018] 所述数据获取模块用于获取各人员的多种行为轨迹数据；
[0019] 所述目标确定模块用于确定目标人员，并获取所述目标人员的多种行为轨迹数据中的至少两种行为轨迹数据作为目标行为轨迹数据；
[0020] 所述关系分析模块用于根据所述目标行为轨迹数据与其他人员对应的行为轨迹分析得到所述目标人员的潜在关系人员。
[0021] 在本发明的一种实施例中，所述行为轨迹数据包括行程类型轨迹数据、娱乐类型轨迹数据和通信类型轨迹数据。
[0022] 在本发明的一种实施例中，还包括
数据采集模块，所述数据采集模块用于在获取各人员的多种行为轨迹数据之前，采集各人员的各种行为轨迹数据，存入大数据平台；所述数据获取模块还用于从所述大数据平台提取各人员的多种行为轨迹数据。
[0023] 在本发明的一种实施例中，所述数据采集模块还用于建立各类型轨迹数据对应的特征属性的提取模型，获取数据源，根据所述提取模型从所述数据源中提取特征属性；各类型轨迹数据对应的特征属性包括：行程类型轨迹数据对应的特征属性包括行程时间和行程标识；娱乐类型轨迹数据对应的特征属性包括娱乐时间和地址标识；通信类型轨迹数据对应的特征数据包括通信标识和通信时间。
[0024] 在本发明的一种实施例中，所述关系分析模块还用于将所述目标行为轨迹数据和其他人员对应的行为轨迹分析按照相似度算法进行比对，得到各行为相似度对应的权重值，当至少一个权重值满足预设潜在条件时，确定对应的人员为所述目标人员的潜在关系人员。
[0025] 本发明的有益效果是：
[0026] 本发明提供的人员潜在关系分析方法和装置，先获取各人员的多种行为轨迹数据；然后确定目标人员，并获取目标人员的多种行为轨迹数据中的至少两种行为轨迹数据作为目标行为轨迹数据；最后根据目标行为轨迹数据与其他人员对应的行为轨迹分析得到目标人员的潜在关系人员。与
现有技术相比，通过至少两种行为轨迹数据进行潜在关系的分析，数据多样化，具有很好的扩展性，是通过各种行为轨迹数据进行分析，并不仅基于已知的人员交互数据进行分析，能够更加全面的得到目标人员的潜在关系人员。
附图说明
[0027] 图1为本发明实施例一提供的人员潜在关系分析方法
流程图；
[0028] 图2-1为本发明实施例一提供的人员潜在关系分析方法流程图；
[0029] 图2-2为本发明实施例二提供的人员潜在关系分析方法流程图；
[0030] 图2-3为本发明实施例二提供的人员潜在关系分析方法中的权重设置表一；
[0031] 图2-4为本发明实施例二提供的人员潜在关系分析方法中的权重设置表二；
[0032] 图3为本发明实施例三提供的人员潜在关系分析方法中的权重设置表三；
[0033] 图4-1为本发明实施例四提供的人员潜在关系分析装置结构示意图一；
[0034] 图4-2为本发明实施例四提供的人员潜在关系分析装置结构示意图二。
具体实施方式
[0035] 为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
[0036] 实施例一：
[0037] 本
申请实施例的人员潜在关系分析方法，如图1所示，该方法包括：
[0038] S101：获取各人员的多种行为轨迹数据；
[0039] 在该步骤中，这里的行为轨迹数据具体是指各人员具体干做了什么事，这里的两种行为轨迹数据是指做不同类型的事。例如行为轨迹数据可以是交通数据，可以是住宿数据，可以是通话数据，也可以社交数据和娱乐数据等，应该理解为只要是做某件事所产生的记录数据能够体现该人员具体干了什么的数据都包含在内。由于获取的数据来源比较广泛以及获取的量比较大，彼此之间也比较杂，为了便于后续进行分析，可以对获取的数据进行
整理，即可以根据各人员的标识对其对应的轨迹数据进行归类梳理。
[0040] S102：确定目标人员，并获取目标人员的多种行为轨迹数据中的至少两种行为轨迹数据作为目标行为轨迹数据；
[0041] 在该步骤中，目标人员是指要对谁的潜在关系进行的分析的人员。也就说需要的确定目标人员具体做的什么事，通过这些具体事产生的行为轨迹数据去找与之有关联的行为数据。具体的，从总人员中确定待分析人员，也即目标人员，以及从获取的中行为轨迹数据中提取该目标人的多种行为轨迹数据，从这些多种行为轨迹数据中选择确定至少两种待分析的行为轨迹数据作为目标行为轨迹数据。
[0042] S103：根据目标行为轨迹数据与其他人员对应的行为轨迹分析得到目标人员的潜在关系人员。
[0043] 在该步骤中，在确定目标人员具体做了什么事，即目标人员的至少两种行为轨迹数据，通过数据去与其他人员的行为轨迹数据进行即统计结果进行分析，如果彼此之间的轨迹数据相似性大，很显然彼此存在关系的可能性就比较大。
[0044] 进一步，为了合理快速的进行
数据处理，会对各种行为数据进行分类型，即行为轨迹数据包括行程类型轨迹数据、娱乐类型轨迹数据和通信类型轨迹数据，这里的行程类型轨迹数据包括交通类的轨迹数据和数据类的轨迹数据等；娱乐类型轨迹数据包括上网类的轨迹数据、打球类的轨迹数据和唱歌类的娱乐数据等；通信类型轨迹数据包括电话类的轨迹数据和社交类的轨迹数据等。
[0045] 为了降低数据的处理，行为轨迹数据包括行为对应的行为特征
属性信息。这里的行为特征属性信息是指能够体现人员具体做了什么事一些特征属性的数据。具体的获取各人员的多种行为轨迹数据之前还包括：采集各人员的各种行为轨迹数据，存入大数据平台；获取各人员的多种行为轨迹数据包括：从大数据平台提取各人员的多种行为轨迹数据。具体的通过各个数行为轨迹数据记录平台进行数据源获取，这里的数据源是指能够体现人员各种行为的数据；具体可以借助网络进行传输，将各种行为轨迹数据汇集起来进行存储，便于后期的统计分析。例如从
铁路火车乘客数据系统，航班乘客数据系统，酒店入住数据系统，网吧上网数据系统等去获取行为轨迹数据。这里包含且不限于上述几个数据存储系统。
[0046] 具体的，采集各人员的各种行为轨迹数据包括：建立各类型轨迹数据对应的特征属性的提取模型，获取数据源，根据提取模型从数据源中提取特征属性；各类型轨迹数据对应的特征属性包括：行程类型轨迹数据对应的特征属性包括行程时间和行程标识；娱乐类型轨迹数据对应的特征属性包括娱乐时间和地址标识；通信类型轨迹数据对应的特征数据包括通信标识和通信时间。例如行为轨迹数据是交通数据，那么具体的可以飞机乘坐数据、火车乘坐数据和
汽车乘坐数据等，其的行为特征属性可以是起点站、终点站、出发时间和到达时间等信息；行为轨迹数据是住宿数据，那么具体的可以宾馆住宿数据、旅馆住宿数据和农家乐住宿数据等，其的行为特征属性可以是入住时间、离开时间、入住地点和房号等信息；行为轨迹数据是通话数据，那么其的行为特征属性可以是开始通话时间，结束通话时间，通话次数，通话号码等信息；行为轨迹数据是社交数据，那么其的行为特征属性可以是社交
软件类别，
聊天开始时间，聊天结束时间和聊天次数等信息；行为轨迹数据是娱乐数据，那么具体可以上网、打球和玩游戏等，行为轨迹数据是娱乐开始时间、娱乐结束时间、娱乐地点和娱乐次数等信息。
[0047] 进一步，在根据目标行为轨迹数据与其他人员对应的行为轨迹进行分析之前还包括：将每个人的多种行为轨迹数据进行梳理合并，并按照预设排序规则进行排序。具体的将每个人的多种行为轨迹数据进行梳理合并包括：根据预设分析条件对每个人的多种行为轨迹数据进行筛选，将每个人满足预设分析条件的多种行为轨迹数据进行梳理合。具体的预设规则可以根据个人身份识别信息进行时间排序等。具体的预设分析条件可以是分析周期和分析执行周期等，即对那段时间段内的行为轨迹数据进行分析，以及多久进行分析等。
[0048] 在上述步骤S103中，为了便于分析统计，是根据不同类型的行为轨迹数据，分析建模，将其相同类型的数据特征归纳形成固定的行为模型，不同数据源系统的数据结构和对应的行为模型进行映射，将数据源中的数据结构
抽取为具有统一格式的行为模型表。即根据目标行为轨迹数据与其他人员对应的行为轨迹分析得到目标人员的潜在关系人员包括：将目标行为轨迹数据和其他人员对应的行为轨迹分析按照相似度算法进行比对，得到各行为相似度对应的权重值，当至少一个权重值满足预设潜在条件时，确定对应的人员为目标人员的潜在关系人员。这里的预设潜在条件可以根据多个行为轨迹的和满足预设权重和
阈值时就为潜在关系人员，也可是单个行为轨迹的权重满足预设单个权重阈值，也可以需要多个行为的权重都满足预设平均权重阈值等，具体情况可以具体设置。
[0049] 实施例二：
[0050] 本申请实施例的人员潜在关系分析方法，如图2-1所示，该方法包括：
[0051] 步骤S201：采集各种行为轨迹相关的数据源；
[0052] 在该步骤中，数据源可以是铁路火车乘客数据，航班乘客数据，酒店入住数据，网吧上网数据等；具体的数据源从相关的数据源系统，即外部接入的行为轨迹数据存储系统，例如铁路火车乘客数据系统，航班乘客数据系统，酒店入住数据系统，网吧上网数据系统等[0053] 步骤S202：传输采集的数据；
[0054] 在该步骤中，该实施例中的数据都为行为轨迹数据，采集其他接入数据源系统数据的网络传输；
[0055] 步骤S203：采集各种数据源系统中的数据，即将各人员的各行为轨迹数据汇集起来；
[0056] 在该步骤中，是根据不同类型的行为轨迹数据，分析建模，将其相同类型的数据特征归纳形成固定的行为特征属性模型，不同数据源系统的数据结构和对应的行为特征属性模型进行映射，将数据源中的数据结构抽取为具有统一格式的行为特征属性模型表；根据行为特征属性模型和数据源数据之间的映射关系，对数据源中的数据进行清洗，转换，入库，存储到大数据平台。
[0057] 步骤S204：综合分析数据采集模块采集到的各种行为轨迹数据，产生潜在的关系人列表和关系人权重；
[0058] 在该步骤中，要设置需要分析的人员关系相关参数，包括需要分析人员的主键(身份证)信息，分析周期，分析执行周期，关系算法权重，关系人权重
阀值等；根据输入的被分析关系人的信息，和分析周期，执行分析任务，在分析周期内的数据中查找被分析人潜在的关系人和其关系权重，并且控制启停，查看分析任务的执行情况，执行进度，和状态等，以及算法作为可调度的任务，由任务管理模块进行监控和调度。具体的关系人分析算法，使用MapReduce(映射归约)算法实现，执行了两步MapReduce(映射归约)，第一步首先将所有的数据以人员身份证信息作为主键，进行一次Map(映射)，将每个人的信息全部以身份证信息作为key(键)，以行为轨迹数据作为value(值)，进行梳理合并，并且按照时间排序，将输入的被分析人信息梳理出作为对照项。第二步，将所有人的行为轨迹和被分析人行为轨迹按照时间顺序逐条分析，计算权重值。将权重超过设置阀值的数据输出。
[0059] 步骤S205：将分析的结果用于用户展示，或者作为
基础数据提供给其他系统进行进一步的人员关系分析。
[0060] 在该步骤中，将分析结果在关系型数据库进行存储，以供后续的用户业务使用。以及将分析的结果用于用户展示，或者作为基础数据提供给其他系统进行进一步的分析。
[0061] 值得注意的是，本实例中的被分析人员即分析主体，也即目标人员，分析结果即该分析主体潜在的关系人；分析周期即分析数据的时间范围，该参数可以作用于时间维度分区的分析处理；分析执行周期，是设定周期性分析的时间间隔；关系算法权重即对于不同类型的数据关系紧
密度权重的设定，可以使用参考值，也可以按照经验设置。具体如图2-2、2-3和2-4所示，其中，2-2是为交通类型的权重值设定，2-3是为住宿类型的权重值设定，
2-4是为娱乐(上网为例)类型的权重值设定。
[0062] 实施例三：
[0063] 本申请实施例的人员潜在关系分析方法，如图3所示，该方法包括：
[0064] 步骤S301：根据行为轨迹数据结构进行建模，按照行为轨迹数据类型抽取其行为特征属性，生成行为特征属性表，定义不同行为轨迹数据结构和行为特征属性模型之间字段映射关系；
[0065] 步骤S302：按照行为特征属性表在大数据平台建表，根据不同数据源数据结构和行为特征属性表字段之间的映射关系，对数据源数据进行采集，清洗，入库；
[0066] 步骤S303：设置任务相关属性，被分析人员的主键(身份证)信息，分析周期，分析执行周期，关系算法权重，关系人权重阀值等；
[0067] 步骤S304：按照设置的属性进行关系人的分析，输出被分析人潜在的关系人和其对应的关系权重，以及行为轨迹信息；
[0068] 步骤S305：将分析结果存储到关系型数据库中，重新将其转化为结构化数据；
[0069] 步骤S306：从分析结果存储模块中查询对应的关系人分析结果用于
用户界面展示，或者提供给其他系统作为基础数据进行进一步的分析。
[0070] 采用本发明所述方法，与现有技术相比：解决了主体分析数据类型单一的问题，基于多种不同类型海量行为轨迹数据进行分析。解决了必须使用存在直接交互(通话，合影，网络互动)的数据源分析的局限性。能够分析出不存在直接或者间接社交
接触的潜在关系人。模型可以基于多种不同类型的行为轨迹数据分析，后续也可引申到其他领域，扩展性好。
[0071] 实施例四：
[0072] 本实例提供的一种人员潜在关系分析装置400，如图4-1所示，包括数据获取模块401、目标确定模块402和关系分析模块403：
[0073] 数据获取模块401用于获取各人员的多种行为轨迹数据；
[0074] 目标确定模块402用于确定目标人员，并获取目标人员的多种行为轨迹数据中的至少两种行为轨迹数据作为目标行为轨迹数据；
[0075] 关系分析模块403用于根据目标行为轨迹数据与其他人员对应的行为轨迹分析得到目标人员的潜在关系人员。
[0076] 具体的，行为轨迹数据包括行程类型轨迹数据、娱乐类型轨迹数据和通信类型轨迹数据。
[0077] 本实例还提供的一种人员潜在关系分析装置400，如图4-2所示，还包括数据采集模块404，数据采集模块用于404在获取各人员的多种行为轨迹数据之前，采集各人员的各种行为轨迹数据，存入大数据平台；数据获取模块401还用于从大数据平台提取各人员的多种行为轨迹数据。
[0078] 具体的，数据采集模块404还用于建立各类型轨迹数据对应的特征属性的提取模型，获取数据源，根据提取模型从数据源中提取特征属性；各类型轨迹数据对应的特征属性包括：行程类型轨迹数据对应的特征属性包括行程时间和行程标识；娱乐类型轨迹数据对应的特征属性包括娱乐时间和地址标识；通信类型轨迹数据对应的特征数据包括通信标识和通信时间。
[0079] 具体的，关系分析模块403还用于将目标行为轨迹数据和其他人员对应的行为轨迹分析按照相似度算法进行比对，得到各行为相似度对应的权重值，当至少一个权重值满足预设潜在条件时，确定对应的人员为目标人员的潜在关系人员。
[0080] 本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关
硬件完成，上述程序可以存储于计算机可读存储介质中，如只读
存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成
电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。
[0081] 以上实施例仅用以说明本发明的技术方案而非限制，仅仅参照较佳实施例对本发明进行了详细说明。本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的
权利要求范围当中。
