一种网络用户行为分析系统的制作方法

1.本发明涉及行为分析系统技术领域，尤其涉及一种网络用户行为分析系统。


背景技术：

2.随着互联网技术的不断发展，越来越多的信息资源选择网络作为传播的载体，用户可以通过网页浏览器来访问各网页中的信息，特别的，对于社交网站或者购物网站来说，其有特定的注册用户，为了对注册用户进行管理，例如识别是否为恶意用户或者分析用户的兴趣偏好等等，网站服务器通常需要对注册用户的行为进行分析，随着注册用户的增加，分析数据量也显著增加，处理工作量及时间也显著增加。
3.目前常用的身份识别系统多采用口令识别方式，即一般是长度为5～8的字符串，由数字、字母、特殊字符、控制字符等组成，但是该识别方式存在安全系数低，容易被人冒名顶替的问题。


技术实现要素：

4.本发明的目的在于：为了解决上述问题，而提出的一种网络用户行为分析系统。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种网络用户行为分析系统，包括建模模块、转发行为分析模块和用户行为分析模块，所述建模模块用于建立社交网络模型，所述转发行为分析模块用于对用户的转发行为进行分析，所述用户行为分析模块用于根据用户转发行为对用户行为进行分析，所述建模模块采用以下方式建立社交网络模型：将社交网络模型表示为二元组e＝(u,b)，其中，u表示用户节点集，b表示边集，如果用户节点集中用户u和用户v互相关注，则用户u和用户v之间存在边(u,v)，用户u和用户v互为相邻节点；所述转发行为分析模块包括转发概率计算单元、转发指数确定单元和转发行为分析单元，所述转发概率计算单元用于计算用户发表信息被转发的概率，所述转发指数确定单元用于根据用户发表信息被转发的概率确定用户的转发指数，所述转发行为分析单元用于根据转发指数对用户行为转发进行分析。
7.优选地，所述所述计算用户发表信息被转发的概率，具体为：一、用l(u)表示用户u的所有相邻节点集合，对于用户u及其相邻节点v∈l(u)，如果存在用户w，使得w∈l(u)且w∈l(v)，则用户v为用户u的紧密相邻节点，用la(u)表示所有紧密相邻节点集合，如果不存在用户w，使得w∈l(u)且w∈l(v)，则用户v为用户u的松散相邻节点，用lb(u)表示所有松散相邻节点集合；二、计算用户被其相邻节点转发的概率：式中，pu(l(u))表示用户u被其相邻节点转发的概率，m(u)表示用户u发表消息的数目，ru(v)表示用户v转发用户u发表消息的数目，tu(v)表示用户v在设定时效内转发用户u发表消息的数目，|l(u)|表示用户u相邻节点的数目；计算用户被其紧密相邻节点转发的概率：式中，pu(la(u))表示用户u被其紧密相邻节点转发的概率，|la(u)|表示用户u紧密相邻节点的数目；计算用户被其松散相邻节点转发的概率：式中，pu(lb(u))表示用户u被其松散相邻节点转发的概率，|lb(u)|表示用户u松散相邻节点的数目。
8.优选地，所述所述转发指数确定单元包括第一转发指数确定子单元，第二转发指数确定子单元和转发指数确定子单元，所述第一转发指数确定子单元用于确定用户的第一转发指数，所述第二转发指数确定子单元用于确定用户的第二转发指数，所述转发指数确定子单元用于根据第一转发指数和第二转发指数确定用户的转发指数。
9.优选地，所述所述第一转发指数采用下式获取：式中，dyu表示用户u的第一转发指数；所述第二转发指数采用以下方式获取：一、对于用户u及其紧密相邻节点v和w，定义亲密度来反映紧密邻居节点之间的亲密程度：式中，tu(v,w)表示节点v和w之间的亲密度，rw(v)表示用户v转发用户w发表消息的数目，rv(w)表示用户w转发用户v发表消息的数目；二、计算用户的活跃度：hu＝a(u)
×
m(u)式中，hu表示用户u的活跃度，a(u)表示用户u平均每日发表消息的数目；三、计算第二转发指数：式中，deu表示用户u的第二转发指数；所述转发指数采用下式确定：式中，zfu表示用户u的转发指数，所述根据转发指数对用户行为转发进行分析，具体为：用户的转发指数越大，则用户被转发概率就越高，对于转发指数相同的用户，第二转发指数大的用户，用户被转发的概率就越高，第二转发指数相同的用户，第一转发指数大的用户，用户被转发的概率就越高；所述根据用户转发行为对用户行为进行分析，具体为：用户被转发的概率越高，用户在网络中的影响力越大。
10.一种网络用户行为分析系统，还包括有登录系统、用户平台系统、中央处理器和报警系统，所述登录系统包括有密码输入模块、人脸拍摄模块、指纹打卡模块和虹膜拍摄模块，所述密码输入模块用于用户输入字符密码，所述人脸拍摄模块用于拍摄照片采集用户脸部信息进行后续识别，所述指纹打卡模块用于采集用户指纹进行后续打卡识别，所述虹膜拍摄模块用于拍摄采集用户眼球虹膜信息进行后续识别，所述中央处理器包括有密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块，所述密码核对模块用于核对用户经密码输入模块输入的字符密码，所述人脸识别模块用于识别用户经人脸拍摄模块拍摄采集的用户脸部信息，所述指纹识别模块用于识别经指纹打卡模块采集的用户指纹，所述虹膜识别模块用于识别经虹膜拍摄模块拍摄采集的用户眼球虹膜信息。
11.优选地，所述所述密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块的连接端设有数据比对模块，所述数据比对模块的连接端设有数据库、数据反馈模块和界面权限模块，所述数据比对模块用于结合数据库与密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块识别的用户信息进行比对，辨别真伪，所述界面权限模块包括有第一层界面模块、第二层界面模块、第三层界面模块和第四层界面模块，所述第一层界面模块、第二层界面模块、第三层界面模块和第四层界面模块分别依次与密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块相连接。
12.综上所述，由于采用了上述技术方案，本发明的有益效果是：
13.1、本发明通过设置有密码输入模块、人脸拍摄模块、指纹打卡模块和虹膜拍摄模块以及相对应的密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块，从而可以实现多层次身份识别，同时可以实现第一层界面模块、第二层界面模块、第三层界面模块和第四层界面模块的分配权限管理，安全系数高。
14.2、本技术中，实现了社交网络的用户行为分析，具体的，基于互相关注关系对社会网络进行建模，能够有效排除社交网络中的大量垃圾用户，提高后续分析的准确性和可信度。
附图说明
15.图1示出了根据本发明实施例提供的结构组成示意图；
16.图2示出了根据本发明实施例提供的转发行为分析模块结构示意图；
17.图3示出了根据本发明实施例提供的系统结构示意图；
18.图4示出了根据本发明实施例提供的登录系统结构示意图；
19.图5示出了根据本发明实施例提供的中央处理器系统结构示意图。
具体实施方式
20.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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
21.请参阅图1-5，本发明提供一种技术方案：
22.一种网络用户行为分析系统，包括建模模块、转发行为分析模块和用户行为分析模块，建模模块用于建立社交网络模型，转发行为分析模块用于对用户的转发行为进行分析，用户行为分析模块用于根据用户转发行为对用户行为进行分析，建模模块采用以下方式建立社交网络模型：将社交网络模型表示为二元组e＝(u,b)，其中，u表示用户节点集，b表示边集，如果用户节点集中用户u和用户v互相关注，则用户u和用户v之间存在边(u,v)，用户u和用户v互为相邻节点；转发行为分析模块包括转发概率计算单元、转发指数确定单元和转发行为分析单元，转发概率计算单元用于计算用户发表信息被转发的概率，转发指数确定单元用于根据用户发表信息被转发的概率确定用户的转发指数，转发行为分析单元用于根据转发指数对用户行为转发进行分析。
23.计算用户发表信息被转发的概率，具体为：一、用l(u)表示用户u的所有相邻节点集合，对于用户u及其相邻节点v∈l(u)，如果存在用户w，使得w∈l(u)且w∈l(v)，则用户v为用户u的紧密相邻节点，用la(u)表示所有紧密相邻节点集合，如果不存在用户w，使得w∈l(u)且w∈l(v)，则用户v为用户u的松散相邻节点，用lb(u)表示所有松散相邻节点集合；二、计算用户被其相邻节点转发的概率：式中，pu(l(u))表示用户u被其相邻节点转发的概率，m(u)表示用户u发表消息的数目，ru(v)表示用户v转发用户u发表消息的数目，tu(v)表示用户v在设定时效内转发用户u发表消息的数目，|l(u)|表示用户u相邻节点的数目；计算用户被其紧密相邻节点转发的概率：式中，pu(la(u))表示用户u被其紧密相邻节点转发的概率，|la(u)|表示用户u紧密相邻节点的数目；计算用户被其松散相邻节点转发的概率：式中，pu(lb(u))表示用户u被其松散相邻节点转发的概率，|lb(u)|表示用户u松散相邻节点的数目。
24.转发指数确定单元包括第一转发指数确定子单元，第二转发指数确定子单元和转发指数确定子单元，第一转发指数确定子单元用于确定用户的第一转发指数，第二转发指数确定子单元用于确定用户的第二转发指数，转发指数确定子单元用于根据第一转发指数和第二转发指数确定用户的转发指数。
25.第一转发指数采用下式获取：式中，dyu表示用户u的第一转发指数；第二转发指数采用以下方式获取：一、对于用户u及其紧密相邻节点v和w，定义亲密度来反映紧密邻居节
点之间的亲密程度：式中，tu(v,w)表示节点v和w之间的亲密度，rw(v)表示用户v转发用户w发表消息的数目，rv(w)表示用户w转发用户v发表消息的数目；二、计算用户的活跃度：hu＝a(u)
×
m(u)式中，hu表示用户u的活跃度，a(u)表示用户u平均每日发表消息的数目；三、计算第二转发指数：式中，deu表示用户u的第二转发指数；转发指数采用下式确定：式中，zfu表示用户u的转发指数，根据转发指数对用户行为转发进行分析，具体为：用户的转发指数越大，则用户被转发概率就越高，对于转发指数相同的用户，第二转发指数大的用户，用户被转发的概率就越高，第二转发指数相同的用户，第一转发指数大的用户，用户被转发的概率就越高；根据用户转发行为对用户行为进行分析，具体为：用户被转发的概率越高，用户在网络中的影响力越大。
26.一种网络用户行为分析系统，还包括有登录系统、用户平台系统、中央处理器和报警系统，登录系统包括有密码输入模块、人脸拍摄模块、指纹打卡模块和虹膜拍摄模块，密码输入模块用于用户输入字符密码，人脸拍摄模块用于拍摄照片采集用户脸部信息进行后续识别，指纹打卡模块用于采集用户指纹进行后续打卡识别，虹膜拍摄模块用于拍摄采集用户眼球虹膜信息进行后续识别，中央处理器包括有密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块，密码核对模块用于核对用户经密码输入模块输入的字符密码，人脸识别模块用于识别用户经人脸拍摄模块拍摄采集的用户脸部信息，指纹识别模块用于识别经指纹打卡模块采集的用户指纹，虹膜识别模块用于识别经虹膜拍摄模块拍摄采集的用户眼球虹膜信息。
27.密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块的连接端设有数据比对模块，数据比对模块的连接端设有数据库、数据反馈模块和界面权限模块，数据比对模块用于结合数据库与密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块识别的用户信息进行比对，辨别真伪，界面权限模块包括有第一层界面模块、第二层界面模块、第三层界面模块和第四层界面模块，第一层界面模块、第二层界面模块、第三层界面模块和第四层界面模块分别依次与密码核对模块、人脸识别模块、指纹识别模块和虹膜识别模块相连接。
28.实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。