[发明专利]互联网电视潜在用户投诉预测方法、装置及设备

权利要求书

1.一种互联网电视潜在用户投诉预测方法，其特征在于，所述方法包括：

获取与互联网电视潜在用户投诉相关的样本数据；

依据所述样本数据，获取FCM聚类模型的初始聚类中心；

优化所述FCM聚类模型的初始聚类中心；

迭代计算聚类中心和模糊隶属度直至终止条件，获得模型参数，所述聚类中心为两个聚类中心，分别对应互联网电视潜在投诉用户类和互联网电视非潜在投诉用户类，所述模糊隶属度为各互联网电视用户隶属于互联网电视潜在投诉用户类和互联网电视非潜在投诉用户类的概率；

依据所述模型参数，预测各互联网电视用户的投诉概率；

根据最大隶属度原则确定各互联网电视用户的预测投诉标识类别，所述预测投诉标识类别分为预测投诉类或预测不投诉类。

2.根据权利要求1所述的互联网电视潜在用户投诉预测方法，其特征在于，所述样本数据包括：与互联网电视用户相关的用户侧数据和与互联网电视相关的设备侧数据。

3.根据权利要求2所述的互联网电视潜在用户投诉预测方法，其特征在于，所述用户侧数据包括：用户ID信息、用户收看节目开始时间、用户收看节目时长和用户收看节目名称和用户快进/快退/暂定操作情况信息。

4.根据权利要求3所述的互联网电视潜在用户投诉预测方法，其特征在于，所述设备侧数据包括：机顶盒运行数据和网络设备运行数据。

5.根据权利要求4所述的互联网电视潜在用户投诉预测方法，其特征在于，所述机顶盒运行数据包括：机顶盒内存利用率和机顶盒CPU利用率和响应请求时长；所述网络设备运行数据包含：互联网电视卡顿时长占比、二级CDN带宽利用率和组播媒体丢包率。

6.根据权利要求2所述的互联网电视潜在用户投诉预测方法，其特征在于，所述获取与互联网电视潜在用户投诉相关的样本数据，包括：

对所述用户侧数据、所述设备侧数据进行预处理，剔除其中的无效数据和错误数据，并对所述用户侧数据和所述设备侧数据进行归一化处理。

7.根据权利要求1至6任一项所述的互联网电视潜在用户投诉预测方法，其特征在于，所述优化所述FCM聚类模型的初始聚类中心，包括：

采用改进的量子蚁群算法优化所述FCM聚类模型的初始聚类中心。

8.根据权利要求1所述的互联网电视潜在用户投诉预测方法，其特征在于，所述迭代计算聚类中心和模糊隶属度直至终止条件，获得模型参数，包括：

以参数c作为类别数，初始时刻从样本数据中随机选取c个聚类中心对象，将样本数据余下的聚类中心对象按照预定的相似性度量方式与各个聚类中心对象计算隶属度，然后划分到与其隶属度最大的聚类中心对象为中心的簇中，重新计算每个新生成簇的质心和样本对新簇的隶属度，并计算由距离度量和模糊参数共同决定的目标函数；

评估所述目标函数；

判断是否达到所述终止条件，所述终止条件为重复上述模糊划分过程，直到所述目标函数值最小或通过FCM算法达到最大迭代次数。

9.一种互联网电视潜在用户投诉预测装置，其特征在于，包括：

样本数据获取模块，获取与互联网电视潜在用户投诉相关的样本数据；

初始聚类中心获取模块，依据所述样本数据，获取FCM聚类模型的初始聚类中心；

优化模块，优化所述FCM聚类模型的初始聚类中心；

模型参数获取模块，迭代计算聚类中心和模糊隶属度直至终止条件，获得模型参数，所述聚类中心为两个聚类中心，分别对应互联网电视潜在投诉用户类和互联网电视非潜在投诉用户类，所述模糊隶属度为各互联网电视用户隶属于互联网电视潜在投诉用户类和互联网电视非潜在投诉用户类的概率；

预测投诉概率模块，依据所述模型参数，预测各互联网电视用户的投诉概率；

预测投诉标识类别确定模块，根据最大隶属度原则确定各互联网电视用户的预测投诉标识类别，所述预测投诉标识类别分为预测投诉类或预测不投诉类。