[发明专利]携号转网用户的预测方法、装置及计算设备

说明书

本发明公开了一种携号转网用户的预测方法、装置及计算设备，该方法包括：根据多个用户的标签特征以及转网记录生成在网用户特征表和转网用户特征表并训练得到用户携号转网预测模型；利用用户携号转网预测模型，预测得到各个用户携号转网的概率；针对携号转网的概率大于预设值的各个目标用户，根据用户携号转网预测模型中各个标签维度的权重参数和该目标用户对应各个标签维度的标签特征进行加权计算，根据各个标签维度的加权值输出该目标用户携号转网的原因。本发明方案，不仅可以预测得到用户携号转网的概率，而且可以进一步依据模型参数预测得到携号转网的原因，有利于提供专业的指导建议。

技术领域

本发明涉及无线技术领域，具体涉及一种携号转网用户的预测方法、装置及计算设备。

背景技术

近年来，各运营商均开启了用户携号转网业务的办理，而移动用户的规模早已趋于饱和，这使得运营商市场之间竞争更加的激烈，如何及时发现用户的携号转网倾向，并定位用户携号转网的原因，制定相应的策略是挽留用户，赢得市场的关键。与此同时，随着大数据技术以及机器学习算法的发展，使操作者能够对海量的业务相关指标进行挖掘，并建立相关模型，对用户携号转网的倾向进行预测，并指导网络、市场等相关专业制定相应的用户挽留策略。

然而，现有的携号转网用户的分析主要集中于事后，即对已携转的用户常驻的小区进行补救性的网络优化；或是预测准确度低且无法明确给出可能的原因，无法为相关专业提供具体的指导建议，实用性不足。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的携号转网用户的预测方法、装置及计算设备。

根据本发明实施例的一个方面，提供了一种携号转网用户的预测方法，其特征在于，包括：

提取多个用户的预设标签维度的标签特征，根据所述多个用户的标签特征以及转网记录生成在网用户特征表和转网用户特征表；

根据所述在网用户特征表中第一部分用户的标签特征和转网用户特征表中的标签特征训练得到用户携号转网预测模型；将所述在网用户特征表中第二部分用户的标签特征输入至所述用户携号转网预测模型，预测得到各个用户携号转网的概率；

针对携号转网的概率大于预设值的各个目标用户，根据所述用户携号转网预测模型中各个标签变量的权重参数和该目标用户对应各个标签变量的标签特征进行加权计算，根据各个标签变量的加权值输出该目标用户携号转网的原因。

根据本发明实施例的另一方面，提供了一种携号转网用户的预测装置，其特征在于，包括：

提取模块，适于提取多个用户的预设标签维度的标签特征，根据所述多个用户的标签特征以及转网记录生成在网用户特征表和转网用户特征表；

训练模块，适于根据所述在网用户特征表中第一部分用户的标签特征和转网用户特征表中的标签特征训练得到用户携号转网预测模型；

概率预测模块，适于将所述在网用户特征表中第二部分用户的标签特征输入至所述用户携号转网预测模型，预测得到各个用户携号转网的概率；

原因预测模块，针对携号转网的概率大于预设值的各个目标用户，根据所述用户携号转网预测模型中各个标签变量的权重参数和该目标用户对应各个标签变量的标签特征进行加权计算，根据各个标签变量的加权值输出该目标用户携号转网的原因。

根据本发明实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；

所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述携号转网用户的预测方法对应的操作。