[发明专利]一种基于最大似然的通信网用户呼叫行为预测方法及装置

权利要求书

1.一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，包括以下步骤：

步骤1：分时段统计主叫号码的CDR数据，所述CDR数据包括通话频次和通话时长，并记录每个时段最大通话频次和最大通话时长；

步骤2：根据各时段主叫号码的通话频次及通话时长，构建该时段的通话频次-概率密度分布曲线及通话时长-概率密度分布曲线；

步骤3：根据通话频次-概率密度分布曲线及通话时长-概率密度分布曲线，预测主叫号码各时段的通话频次及通话时长。

2.根据权利要求1所述的一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，在所述步骤1之前还包括：

设定预测时间间隔为T，将一天划分为24/T个时段。

3.根据权利要求1所述的一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，所述步骤2包括：

步骤2.1：计算各时段的平均通话频次；

步骤2.2：构建通话频次-概率密度分布曲线：

其中，i为时段，且i＝1,2,...,24/T，x为时段i的通话频次，λ为时段i的平均通话频次；

步骤2.3：计算各时段的平均通话时长；

步骤2.4：构建通话时长-概率密度分布曲线：

其中，i为时段，且i＝1,2,...,24/T，x为时段i的通话时长，λ为时段i的平均通话时长，x和λ的单位为分钟。

4.根据权利要求3所述的一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，所述步骤2.2中的λ，对于λ>8，平均通话频次过大，平均通话频次趋于稳定值λ；所述步骤2.4中的λ，对于λ>120，平均通话时长过大，平均通话时长趋于稳定值λ。

5.根据权利要求1所述的一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，所述步骤3包括：

步骤3.1：分别把各时段的通话频次-概率密度分布曲线进行离散化处理；

步骤3.2：使用累积法将各时段各个通话频次的概率逐项累积，生成该通话频次范围内的(0，1)上的均匀分布随机浮点数，根据浮点数所属的区间范围确定通话频次的预测值；

步骤3.3：按照步骤3.1及步骤3.2的方法对通话时长进行预测。

6.根据权利要求1所述的一种基于最大似然的通信网用户呼叫行为预测方法，其特征在于，在所述步骤3之后还包括：

排序输出未来24小时各时段的通话频次和通话时长预测值及其对应的发生概率。

7.基于权利要求1-6任一项所述的一种基于最大似然的通信网用户呼叫行为预测方法的一种基于最大似然的通信网用户呼叫行为预测装置，其特征在于，包括：

统计模块，用于分时段统计主叫号码的CDR数据，所述CDR数据包括通话频次和通话时长，并记录每个时段最大通话频次和最大通话时长；

构建模块，用于根据各时段主叫号码的通话频次及通话时长，构建该时段的通话频次-概率密度分布曲线及通话时长-概率密度分布曲线；

预测模块，用于根据通话频次-概率密度分布曲线及通话时长-概率密度分布曲线，预测主叫号码各时段的通话频次及通话时长。

8.根据权利要求7所述的一种基于最大似然的通信网用户呼叫行为预测装置，其特征在于，还包括：

设定模块，用于设定预测时间间隔为T，将一天划分为24/T个时段。

9.根据权利要求7所述的一种基于最大似然的通信网用户呼叫行为预测装置，其特征在于，还包括：

输出模块，用于排序输出未来24小时各时段的通话频次和通话时长预测值及其对应的发生概率。

10.根据权利要求7所述的一种基于最大似然的通信网用户呼叫行为预测装置，其特征在于，所述构建模块包括：

第一计算模块，用于计算各时段的平均通话频次；

第一构建模块，用于构建通话频次-概率密度分布曲线：

其中，i为时段，且i＝1,2,...,24/T，x为时段i的通话频次，λ为时段i的平均通话频次；

第二计算模块，用于计算各时段的平均通话时长；

第二构建模块，用于构建通话时长-概率密度分布曲线：

其中，i为时段，且i＝1,2,...,24/T，x为时段i的通话时长，λ为时段i的平均通话时长，x和λ的单位为分钟；

优选地，所述预测模块包括：

离散化处理模块，用于分别把各时段的通话频次-概率密度分布曲线进行离散化处理；

第一预测子模块，用于使用累积法将各时段各个通话频次的概率逐项累积，生成该通话频次范围内的(0，1)上的均匀分布随机浮点数，根据浮点数所属的区间范围确定通话频次的预测值；

第二预测子模块，用于按照步骤3.1及步骤3.2的方法对通话时长进行预测。