作者：艾達(dá) 羅愛(ài)平 單位：西安郵電學(xué)院通信與信息工程學(xué)院 中國(guó)聯(lián)通上海分公司

重入網(wǎng)用戶的識(shí)別原理是對(duì)比新增用戶特征和離網(wǎng)用戶在系統(tǒng)中記錄的特征，如果特征符合判斷條件，則認(rèn)為該用戶是重入網(wǎng)用戶，如果沒(méi)有符合特征的記錄，則認(rèn)為該用戶為新增用戶［６］。用戶特征包括：用戶資料，如姓名，身份證號(hào)；用戶設(shè)備，如用戶使用的手機(jī)的國(guó)際移動(dòng)設(shè)備標(biāo)識(shí)號(hào)碼（ＩｎｔｅｒｎａｔｉｏｎａｌＭｏｂｉｌｅＥｑｕｉｐｍｅｎｔＩｄｅｎｔｉｔｙ，ＩＭＥＩ）；用戶呼叫指紋，如用戶交往圈，頻繁發(fā)生呼叫的地理位置等。較為簡(jiǎn)單的重入網(wǎng)用戶識(shí)別方法是通過(guò)對(duì)比用戶資料或設(shè)備特征實(shí)現(xiàn)的。用戶資料，例如身份證信息，只能用于識(shí)別資料完整的用戶，對(duì)資料缺失、偽造以及大多數(shù)無(wú)需登記資料即可入網(wǎng)的預(yù)付費(fèi)用戶無(wú)效。每部手機(jī)都有唯一的ＩＭＥＩ號(hào)，當(dāng)用戶撥打電話時(shí)，手機(jī)的ＩＭＥＩ會(huì)自動(dòng)記錄在用戶的通話話單中，因此可以利用用戶手機(jī)判別是否重入網(wǎng)。采用對(duì)比ＩＭＥＩ號(hào)碼識(shí)別重入網(wǎng)用戶，具有方法簡(jiǎn)單，速度快的優(yōu)點(diǎn)。但通過(guò)調(diào)查發(fā)現(xiàn)，重入網(wǎng)用戶手機(jī)更換率達(dá)３２％以上［７］，ＩＭＥＩ識(shí)別方法準(zhǔn)確率較低，約為４２％［８］。

用戶的呼叫特征具有相對(duì)穩(wěn)定性和個(gè)體差異性兩個(gè)特性，可用于識(shí)別重入網(wǎng)用戶。相對(duì)穩(wěn)定性是指用戶通話習(xí)慣，通話群體等因素在一段時(shí)期內(nèi)相對(duì)穩(wěn)定，發(fā)生改變的概率較小。個(gè)體差異性是指每個(gè)移動(dòng)用戶都有自己獨(dú)特的通話習(xí)慣和聯(lián)系群體，不同用戶存在一定的差別。這種呼叫特征的相對(duì)穩(wěn)定性和個(gè)體差異性就像指紋一樣可以用于個(gè)體的識(shí)別。用戶在使用移動(dòng)產(chǎn)品及服務(wù)時(shí)，產(chǎn)生的各種行為和屬性的綜合表征稱為呼叫指紋。呼叫指紋可分為用戶交往圈、位置特征、消費(fèi)特征、終端特征等多個(gè)維度。用戶交往圈是與用戶有通話行為的所有號(hào)碼的集合。位置特征是用戶在工作時(shí)間和休息時(shí)間活動(dòng)較為頻繁的小區(qū)標(biāo)識(shí)等信息。消費(fèi)特征是指用戶的消費(fèi)行為、消費(fèi)水平等信息。終端特征是指用戶使用過(guò)的手機(jī)終端信息。通過(guò)對(duì)用戶原始話單的數(shù)據(jù)采集和加工，生成不同維度的呼叫指紋［５］。采用呼叫指紋識(shí)別技術(shù)，通過(guò)一系列的比較運(yùn)算就可找到重入網(wǎng)用戶，其重入網(wǎng)技術(shù)框圖如圖１所示。

基于呼叫指紋的識(shí)別算法

目前廣泛采用的有效交往圈算法［２］，綜合運(yùn)用了用戶消費(fèi)層次、交往圈、頻繁活動(dòng)小區(qū)、用戶手機(jī)終端等４個(gè)維度的呼叫指紋，其識(shí)別步驟如下。

步驟１首先判斷離網(wǎng)用戶和新入網(wǎng)用戶消費(fèi)層次是否一致，將不一致的用戶排除。

步驟２消費(fèi)層次一致的用戶判斷交往圈匹配程度是否達(dá)到一定條件，滿足條件則認(rèn)為是重入網(wǎng)用戶，不滿足條件則認(rèn)為不是重入網(wǎng)用戶。

步驟３無(wú)法用交往圈匹配方法判斷的用戶，再對(duì)比其手機(jī)終端是否一致，如果一致則認(rèn)為是重入網(wǎng)用戶。

步驟４如果手機(jī)終端不一致，則判斷頻繁活動(dòng)的小區(qū)匹配程度，如果位置信息匹配程度達(dá)到一定條件，則認(rèn)為是重入網(wǎng)用戶。

步驟５如果位置信息不匹配，則變更用戶消費(fèi)層次，重新執(zhí)行步驟１。其中步驟１根據(jù)目標(biāo)用戶的消費(fèi)層次大小，分別確定每個(gè)目標(biāo)用戶的有效交往圈成員數(shù)Ｎ，即那些與所述用戶聯(lián)系比較頻繁且能保持長(zhǎng)期交往的重要交往對(duì)象個(gè)數(shù)。步驟２使用用戶的通話頻率Ｆｒｅｑ，通話次數(shù)Ｎｕｍ，通話時(shí)長(zhǎng)Ｄｕｒａ等參數(shù)，計(jì)算出用戶交往指數(shù)Ｅｘｐ＝ｆ（Ｆｒｅｑ，Ｎｕｍ，Ｄｕｒａ）。

用交往指數(shù)排名前Ｎ個(gè)的號(hào)碼作為用戶的有效交往圈。計(jì)算離網(wǎng)用戶與新入網(wǎng)用戶有效交往圈交集的成員個(gè)數(shù)，并計(jì)算符合率，即交集成員個(gè)數(shù)占離網(wǎng)用戶有效交往圈成員數(shù)的比例。如果符合率大于門限值，則認(rèn)為是重入網(wǎng)用戶；如果符合率小于門限值，但大于０，則屬于不確定情況。此時(shí)，需要步驟３做進(jìn)一步判斷。交往圈余弦相似度算法在有效交往圈算法基礎(chǔ)上［２－３］，將當(dāng)月離網(wǎng)用戶和新增用戶（分本網(wǎng)和競(jìng)爭(zhēng)對(duì)手）分別作為待匹配集和目標(biāo)匹配集，并按照位置信息和交往圈進(jìn)行ｋ－ｍｅａｎｓ聚類，形成待匹配識(shí)別的基礎(chǔ)表。然后按照待識(shí)別號(hào)碼的類別信息計(jì)算位置信息的重合度，找出目標(biāo)集合中與待匹配號(hào)碼相近的號(hào)碼群，再通過(guò)計(jì)算待識(shí)別號(hào)碼交往圈的重合度對(duì)號(hào)碼群進(jìn)行篩選，最后通過(guò)呼叫指紋找出匹配的號(hào)碼，并用對(duì)比ＩＭＥＩ方式確認(rèn)。與文［２］計(jì)算有效交往圈符合率的判別方法不同，交往圈余弦相似度算法分別加權(quán)計(jì)算共有交往圈號(hào)碼的語(yǔ)音呼叫次數(shù)，語(yǔ)音呼叫時(shí)長(zhǎng)，短信次數(shù)的余弦相似度最大值αｊ＝βｊ＝（ｔ１，ｔ２，…，ｔｍ）Ｔ（ｊ＝１，２，…，ｎ），而ｎ表示交往圈號(hào)碼的總個(gè)數(shù)。另外，當(dāng)ｋ＝１時(shí)，ｔｉ（ｉ＝１，２，…，ｍ）為特定時(shí)間段內(nèi)與某一號(hào)碼通話（或短信）的次數(shù)；當(dāng)ｋ＝２時(shí)，ｔｉ（ｉ＝１，２，…，ｍ）為特定時(shí)間段內(nèi)與某一號(hào)碼的通話時(shí)長(zhǎng)。當(dāng)ｉ＝１時(shí)，ｍ＝７，表示通話行為的周特征；當(dāng)ｉ＝２時(shí)，ｍ＝２４表示通話行為的日特征（工作日和休息日）。當(dāng)ｌ＝１時(shí)，交往圈取通話信息；當(dāng)ｌ＝２時(shí)，交往圈取短信信息（此時(shí)ｋ為特定時(shí)間內(nèi)與某一號(hào)碼的短信通話次數(shù)）。其中ωｌ為權(quán)值，根據(jù)用戶的通話行為和短信行為動(dòng)態(tài)選取，通常根據(jù)交往圈內(nèi)的通話次數(shù)和短信次數(shù)的比例確定。根據(jù)式（１）分別計(jì)算待檢測(cè)號(hào)碼與目標(biāo)號(hào)碼集中每個(gè)號(hào)碼的θ，如果最大的θ≥０．８５時(shí)，即認(rèn)為待識(shí)別號(hào)碼與所對(duì)應(yīng)的目標(biāo)號(hào)碼完全匹配，否則認(rèn)為待檢測(cè)號(hào)碼離網(wǎng)或轉(zhuǎn)網(wǎng)。

改進(jìn)Ｈａｕｓｄｏｒｆｆ距離算法［４］，用修改后的Ｈａｕｓｄｏｒｆｆ距離取代余弦相似度作為判別依據(jù)，進(jìn)一步提高呼叫指紋比對(duì)的準(zhǔn)確性。在改進(jìn)的Ｈａｕｓ－ｄｏｒｆｆ距離中，認(rèn)為兩個(gè)集合匹配程度和他們的共有元素個(gè)數(shù)相關(guān)，并且不使用單個(gè)ｄＨ（Ａ，Ｂ）衡量集合之間的距離，而取其中所有的ｄＨ和作為統(tǒng)一的判別。首先定義任意兩個(gè)號(hào)碼的相似度，其中Ω是所有可以連接元素ａ和ｂ鏈的集合，ｋｌ為當(dāng)前鏈的節(jié)點(diǎn)個(gè)數(shù)，Ｍ為給定的常數(shù)，ｔｌ為鏈ｌ中所有節(jié)點(diǎn)元素通話時(shí)間的總和。改進(jìn)后的Ｈａｕｓｄｏｒｆｆ距離定義為在計(jì)算復(fù)雜度方面，盡管該算法較以往的算法更復(fù)雜，但由于對(duì)待匹配樣本集和目標(biāo)樣本集進(jìn)行了聚類細(xì)分，且采用并行運(yùn)算，因此整體的計(jì)算量略大于以往算法，在識(shí)別精度上有進(jìn)一步提高。ＴＦ－ＩＤＦ加權(quán)余弦相似度算法［５］與上述三種算法所采用的識(shí)別方法不同，采用結(jié)合ＴＦ－ＩＤＦ加權(quán)與Ｃｏｓｉｎｅ相似算法相結(jié)合的呼叫指紋識(shí)別方法。ＴＦ－ＩＤＦ是一種統(tǒng)計(jì)方法，用以評(píng)估一個(gè)字詞對(duì)于一個(gè)文件集或一個(gè)語(yǔ)料庫(kù)中的其中一份文件的重要程度。字詞的重要性隨著它在文件中出現(xiàn)的次數(shù)成正比增加，但同時(shí)會(huì)隨著它在語(yǔ)料庫(kù)中出現(xiàn)的頻率成反比下降。用于識(shí)別呼叫指紋時(shí)的實(shí)現(xiàn)步驟如下。步驟１使用ＴＦ－ＩＤＦ算法獲取某一個(gè)用戶的話單中呼叫號(hào)碼的ＴＦ－ＩＤＦ值其中ｎｉ是號(hào)碼ｉ在用戶Ｄ話單中出現(xiàn)的次數(shù)，分母是該用戶話單中所有號(hào)碼數(shù)之和，｜Ｄ｜是用戶總數(shù)，｜｛ｄ：ｔｉ∈ｄ｝｜是出現(xiàn)有號(hào)碼ｉ話單的用戶總數(shù)。步驟２將該用戶話單用矩陣的形式表示，計(jì)算得到ＴＦ－ＩＤＦ＝ＴＦ•ＩＤＦ。步驟３使用Ｃｏｓｉｎｅ相似算法計(jì)算兩個(gè)用戶之間的相似度。通過(guò)對(duì)多個(gè)相似用戶常撥打的（１０～３０個(gè)）號(hào)碼的權(quán)重和相似度進(jìn)行分析，從而達(dá)到判斷是否為重入網(wǎng)用戶。