[发明专利]用户画像方法及装置、存储介质在审
申请号: | 201811353247.6 | 申请日: | 2018-11-14 |
公开(公告)号: | CN109543734A | 公开(公告)日: | 2019-03-29 |
发明(设计)人: | 王瑜;李红云;王栩然 | 申请(专利权)人: | 中国联合网络通信集团有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 张子青;刘芳 |
地址: | 100033 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 候选用户 目标用户 画像 存储介质 目标分类 目标聚类 目标时段 人力资源成本 目标概率 数据集合 网络转换 用户数据 转网 成功率 网络 标签 概率 预测 | ||
1.一种用户画像方法,其特征在于,包括:
根据目标时段的用户数据,确定候选用户集;其中,所述候选用户集为候选用户的数据集合,所述候选用户为在所述目标时段中持续采用第一网络的用户;
利用目标分类器处理所述候选用户集,得到目标用户集;其中,所述目标分类器用于预测所述候选用户集中由所述第一网络转换为第二网络的概率达到目标概率的目标用户;
利用目标聚类器处理所述目标用户集中的目标用户,得到所述目标用户的用户画像;其中,所述目标聚类器用于为所述目标用户添加用户画像标签,得到所述目标的用户画像。
2.根据权利要求1所述的方法,其特征在于,所述用户画像标签包括以下至少一种:老年用户、副卡用户、所述第二网络未覆盖用户与物联网用户。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采用模糊聚类算法,利用样本用户集对初始聚类器进行训练,得到所述目标聚类器。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采用XGBoost算法或者随机森林算法,利用样本用户集对初始分类器进行训练,直至训练后的分类器的预测准确率大于预设的准确率阈值,得到所述目标分类器。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
根据所述目标时段的用户数据,确定所述样本用户集;
其中,所述样本用户集为样本用户的数据集合,所述样本用户为在所述目标时段由所述第一网络转换为所述第二网络的用户。
6.根据权利要求1所述的方法,其特征在于,
所述第一网络为2G网络、3G网络与4G网络中的至少一种网络,所述第二网络为:3G网络、4G网络与5G网络中的至少一种网络;且所述第一网络与所述第二网络不存在同样的网络。
7.一种用户画像装置,其特征在于,包括:收发器、处理器、存储器以及总线,所述收发器、所述处理器以及所述存储器分别与所述总线连接,所述存储器存储有程序指令,所述处理器运行所述程序指令以执行如下方法:
根据目标时段的用户数据,确定候选用户集;其中,所述候选用户集为候选用户的数据集合,所述候选用户为在所述目标时段中持续采用第一网络的用户;
利用目标分类器处理所述候选用户集,得到目标用户集;其中,所述目标分类器用于预测所述候选用户集中由所述第一网络转换为第二网络的概率达到目标概率的目标用户;
利用目标聚类器处理所述目标用户集中的目标用户,得到所述目标用户的用户画像;其中,所述目标聚类器用于为所述目标用户添加用户画像标签,得到所述目标的用户画像。
8.根据权利要求7所述的装置,其特征在于,所述用户画像标签包括以下至少一种:老年用户、副卡用户、所述第二网络未覆盖用户与物联网用户。
9.根据权利要求7所述的装置,其特征在于,所述处理器运行所述程序指令以执行如下方法:
采用模糊聚类算法,利用样本用户集对初始聚类器进行训练,得到所述目标聚类器。
10.根据权利要求7所述的装置,其特征在于,所述处理器运行所述程序指令以执行如下方法:
采用XGBoost算法或者随机森林算法,利用样本用户集对初始分类器进行训练,直至训练后的分类器的预测准确率大于预设的准确率阈值,得到所述目标分类器。
11.根据权利要求9或10所述的装置,其特征在于,所述处理器运行所述程序指令以执行如下方法:
根据所述目标时段的用户数据,确定所述样本用户集;
其中,所述样本用户集为样本用户的数据集合,所述样本用户为在所述目标时段由所述第一网络转换为所述第二网络的用户。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国联合网络通信集团有限公司,未经中国联合网络通信集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811353247.6/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于类别特征知识库的装配系统及方法
- 下一篇:视频拷贝检测方法及其系统