[发明专利]宽带离网预测方法、设备及存储介质

说明书

本发明提供一种宽带离网预测方法、设备及存储介质，通过获取现网中任一宽带用户的用户特征；并将所述用户特征输入预先获取的宽带离网预测模型中，获取所述现网中宽带用户的离网概率及离网可能动因；然后根据所述离网概率及所述离网可能动因确定现网中宽带用户的离网倾向。本发明中通过现网中宽带用户的用户特征以及预先获取的宽带离网预测模型，可以准确的预测现网中宽带用户的离网倾向以及离网可能动因，进而可以指导运营商有针对性地对现网用户进行维系和服务，实现对用户的精准营销和维系。

技术领域

本发明涉及通信技术领域，尤其涉及一种宽带离网预测方法、设备及存储介质。

背景技术

家庭宽带业务是运营商经营通信网络的主要运营业务，宽带用户的维系和发展直接关系着运营商的市场发展规模。因此，预测宽带离网用户对于用户维系和策略营销的作用非常重大。

目前，对于预测宽带离网用户，可以根据取宽带账户各自对应的宽带关联数据，反映终端对宽带的依赖程度来对网络中的目标宽带账户进行离网预测。但是，现有的预测的方法通常仅通过决策树，无法对比优劣，导致预测准确性较低。

发明内容

本发明提供一种宽带离网预测方法、设备及存储介质，以提高现网中宽带用户的离网倾向预测准确性，同时也能预测宽带用户的离网可能动因，可以指导运营商有针对性地对现网用户进行维系和服务，实现对用户的精准营销和维系。

本发明的第一方面是提供一种宽带离网预测方法，包括：

获取现网中任一宽带用户的用户特征；

将所述用户特征输入预先获取的宽带离网预测模型中，获取所述现网中宽带用户的离网概率及离网可能动因；

根据所述离网概率及所述离网可能动因确定现网中宽带用户的离网倾向。

进一步的，所述方法还包括：

获取离网用户的多种用户属性，作为训练数据和测试数据；

根据所述训练数据训练至少两种机器学习算法，分别获取备选模型；

根据所述测试数据测试各备选模型的预测准确率；

选择预测准确率最高的备选模型作为最优备选模型，通过神经网络算法对所述最优备选模型进行优化，得到所述宽带离网预测模型，所述宽带离网预测模型用于根据用户特征输出离网概率以及影响离网概率的用户特征的重要度排名。

进一步的，所述获取离网用户的多种用户属性后，还包括：

获取存在缺失字段的数据，并对缺失字段进行填补。

进一步的，所述对缺失字段进行填补，包括：

判断所述缺失字段是否属于高斯分布；

若所述缺失字段属于高斯分布，则利用高斯分布函数随机取值以填补所述缺失字段；

若所述缺失字段不属于高斯分布，则利用归一化方法构建高斯分布函数，再利用高斯分布函数随机取值以填补所述缺失字段。

进一步的，所述获取离网用户的多种用户属性后，还包括：

获取离网用户的多种用户属性中任意两用户属性之间的方差扩大因子；

选取方差扩大因子小于预设阈值的用户属性，作为训练数据和测试数据中离网用户的用户属性。

进一步的，所述离网用户的多种用户属性包括以下至少一种：

离网用户的用户出账的B域数据、O域网络数据、用户行为数据、用户投诉数据。

进一步的，所述根据所述离网概率及所述离网可能动因确定现网中宽带用户的离网倾向后，还包括：