[发明专利]一种移动网络潜在投诉用户预测方法和装置

权利要求书

1.一种移动网络潜在投诉用户预测方法，其特征在于，包括：

针对预测周期内所述移动网络中的每个用户，根据各投诉影响维度对应的投诉模型和所述用户在各投诉影响维度上的指标数据，确定所述用户在各投诉影响维度上的投诉概率；

根据所述用户在各投诉影响维度上的投诉概率，以及预设的分组映射表，将所述用户划分到对应的分组中；

根据所述分组映射表中各分组各自对应的投诉准确率，筛选出满足预设的限制条件的分组，并将筛选出的分组内的用户预测为所述预测周期内潜在的投诉用户；

其中，所述投诉模型根据如下方式预先构建：

获取样本用户集，所述样本用户集中包括样本用户在各投诉影响维度上的指标数据，所述样本用户划分为：样本投诉用户和样本未投诉用户；

针对每个投诉影响维度，采用预设的决策树算法，根据所述样本用户集中样本投诉用户和样本未投诉用户在该投诉影响维度上的指标数据，生成对应的决策树模型，并作为该投诉影响维度对应的投诉模型；

其中，所述根据各投诉影响维度对应的投诉模型和所述用户在各投诉影响维度上的指标数据，确定所述用户在各投诉影响维度上的投诉概率，包括：

将所述用户在投诉影响维度上的指标数据输入至所述各投诉影响维度对应的投诉模型，获取所述各投诉影响维度对应的投诉模型输出的所述用户在各投诉影响维度上的投诉概率；

其中，所述各分组各自对应的投诉准确率根据如下方式确定：

针对样本用户集中的每个样本用户，根据各投诉影响维度对应的投诉模型和该样本用户在各投诉影响维度上的指标数据，计算出该样本用户在各投诉影响维度上的投诉概率；继而，根据该样本用户在各投诉影响维度上的投诉概率所处的组合概率区间，将该样本用户划分到对应的分组；接着，针对每个分组，根据该分组内样本用户的总数、样本投诉用户的总数，计算该分组的投诉发生概率，即样本投诉用户在该分组内的样本用户中的占比，并将计算出的投诉发生概率作为该分组对应的投诉准确率；

其中，所述根据所述样本用户集中样本投诉用户和样本未投诉用户在该投诉影响维度上的指标数据，生成对应的决策树模型，包括：

根据所述样本用户集中样本投诉用户和样本未投诉用户在该投诉影响维度上的指标数据，采用决策树算法，基于所述指标数据中各指标的信息增益选择节点，通过不断的调整剪枝容错训练得到对应的决策树模型。

2.根据权利要求1所述的方法，其特征在于，所述获取样本用户集之后，还包括：

根据所述样本用户的指标数据，对所述样本用户集进行预处理，以剔除不满足预设的指标阈值条件的样本用户。

3.根据权利要求1或2所述的方法，其特征在于，所述分组映射表根据如下方式预先构建：

根据各投诉影响维度下预先划分的概率区间之间的不同组合，形成多个组合概率区间；且每个组合概率区间对应一个分组；

针对所述样本用户集中的每个样本用户，根据各投诉影响维度对应的投诉模型和该样本用户在各投诉影响维度上的指标数据，计算出该样本用户在各投诉影响维度上的投诉概率；根据该样本用户在各投诉影响维度上的投诉概率所处的组合概率区间，将该样本用户划分到对应的分组；

针对每个分组，根据该分组内样本用户的总数、样本投诉用户的总数，计算该分组的投诉发生概率，并作为该分组对应的投诉准确率。

4.根据权利要求1所述的方法，其特征在于，所述限制条件具体为潜在的投诉用户的最大处理规模，所述最大处理规模小于所述预测周期内的用户总数；相应地，

所述根据所述分组映射表中各分组各自对应的投诉准确率，筛选出满足预设的限制条件的分组，包括：

若投诉准确率最高的前k个分组的用户总数小于或等于所述最大处理规模，且投诉准确率最高的前k+1个分组的用户总数大于所述最大处理规模，则将所述投诉准确率最高的前k个分组确定为满足预设的限制条件的k个分组，k取值为[1,N-1]的自然数，N为分组总数。