[发明专利]资费预演方法以及相关设备

权利要求书

1.一种资费预演方法，其特征在于，包括：

服务器获取目标订购套餐特征，其中，所述目标订购套餐特征为运营商准备推出的新的订购套餐的订购套餐特征；

确定目标用户的预测用户用量特征，其中，所述预测用户用量特征为所述目标用户在订购所述运营商推出的新的订购套餐下产生的用户用量特征；

根据所述预测用户用量特征和所述目标订购套餐特征预演所述目标用户在订购目标订购套餐下的套餐资费；

所述确定目标用户的预测用户用量特征，包括：

根据所述目标用户的历史订购套餐特征确定所述目标用户是第一类用户还是第二类用户，其中，所述第一类用户为所述历史订购套餐特征发生了变化的用户，所述第二类用户为所述历史订购套餐没有发生变化的用户；

在所述目标用户为第一类用户的情况下，根据所述目标用户的历史用户用量特征确定所述目标用户的预测用户用量特征；

在所述目标用户为第二类用户的情况下，根据类似用户的预测用户用量特征确定所述目标用户的预测用户用量特征，其中，所述类似用户属于所述第一类用户，所述类似用户与所述目标用户的用户特征的相似度大于相似阈值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的历史用户用量特征确定所述目标用户的预测用户用量特征，包括：

根据所述目标用户的历史订购套餐特征和所述目标用户的历史用户用量特征确定所述目标用户是敏感型用户还是非敏感型用户；

在所述目标用户为敏感型用户的情况下，根据所述目标用户的历史用户用量特征、目标用户的用户历史订购套餐特征以及所述目标订购套餐特征并通过敏感模型确定所述目标用户的预测用户用量特征；

在所述目标用户为非敏感型用户的情况下，根据所述目标用户的历史用户用量特征并通过非敏感模型确定所述目标用户的预测用户用量特征。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标用户的历史订购套餐特征和所述目标用户的历史用户用量特征确定所述目标用户是敏感型用户还是非敏感型用户，包括：

根据所述目标用户的历史订购套餐特征和所述目标用户的历史用户用量特征确定拟合回归方程；

根据拟合优度公式确定所述拟合回归方程的拟合优度，在拟合优度大于优度阈值时，确定所述目标用户为敏感型用户，在拟合优度小于或者等于优度阈值时，确定所述目标用户为非敏感型用户。

4.根据权利要求3所述的方法，其特征在于，所述拟合回归方程包括多个单项拟合回归方程。

5.根据权利要求4所述的方法，其特征在于，所述多个单项拟合回归方程中的任意一个单项拟合回归方程表示为：

Fusage(i)＝b₀+b₁*Fo(1)+…+b_j*Fo(j)

其中，i表示用量特征的序号，所述用量特征为用户用量特征中的特征，Fusage(i)表示为所述目标用户的历史用户用量特征中的第i个用量特征的值，j表示与第i个用量特征相关的套餐特征的数量，所述套餐特征为订购套餐特征中的特征，Fo(1)～Fo(j)表示所述目标用户的历史订购套餐特征中与所述第i个用量特征相关的套餐特征，b₀～b_j表示拟合系数。

6.根据权利要求4所述的方法，其特征在于，所述多个单项拟合回归方程中的任意一个单项拟合回归方程Fusage(i)对应的拟合优度公式R square(i)为：

其中，n为拟合时使用的所述目标用户的历史用户用量特征中第i个用量特征的数量，k为自由变量，为第k个拟合值，所述拟合值为拟合得到的所述目标用户的历史用户用量特征中第i个用量特征的值，为第k个实际值，所述实际值为所述目标用户的历史用户用量特征中第i个用量特征的实际数值。

7.根据权利要求5或6所述的方法，其特征在于，所述敏感模型包括多个单项敏感模型，其中，所述多个单项敏感模型中的任意一个单项敏感模型可以采用神经网络、支持向量机、多元线性回归方程以及机器学习算法中的至少一种。