一种基于大规模Embedding技术的Wi-Fi聚类方法及系统

摘要

本发明公开了一种基于大规模Embedding技术的Wi‑Fi聚类方法及系统，主要是通过将用户对Wi‑Fi的连接行为按时间序列化，在经过滑动窗口的进行加窗处理以及负采样后，得到一组Local Context和Global Context，输入到一个三层神经网络中，来预测滑动窗口下一个Wi‑Fi出现的概率，而输入层到隐藏层之间的权值矩阵则为Wi‑Fi的Embedding向量，该向量能有效的表征Wi‑Fi的特点；再利用该Embedding向量作为特征采用传统的聚类算法进行聚类，可得到较好的聚类效果。本发明可充分学习到每个Wi‑Fi的一个唯一的向量表达，使相同场景下的Wi‑Fi能得到相近的向量表达；能使模型较快得到收敛，对大规模的数据训练和测试在性能上有较大提高。