[发明专利]用户的离网预测方法、装置、电子设备及存储介质

说明书

本发明提供一种用户的离网预测方法、装置、电子设备及存储介质，该方法包括：获取用户的在网特征，其中，所述在网特征为预设的与离网预测相关联的特征；将所述在网特征输入到离网预测模型，得到由所述离网预测模型输出的预测结果，所述预测结果用于表征用户离网的概率。本发明提供的用户的离网预测方法、装置、电子设备及存储介质，通过采用基于大数据训练得到的离网预测模型对待预测用户的在网特征进行分析，提前预测用户是否将要离网，便于是否采取合适的措施进行挽留，进一步减少用户流失。

技术领域

本发明涉及通信技术领域，尤其涉及一种用户的离网预测方法、装置、电子设备及存储介质。

背景技术

携号转网业务开展以来，用户流失是运营商都面临的严重问题。而用户的消费是运营商收入的主要来源，对潜在离网用户的识别挽留也愈发重要。从目前来看，各运营商仍是通过人工外呼及查询网元级指标两种方法确认用户离网的原因：

1)运营商收到用户的离网请求短信后，通过人工外呼的方式，确认用户离网原因。这种方法与用户的主观感知相关性较强，经常出现用户两次调研描述不一致的情况，对于后续的修复挽留动作指导性较差，且目前有携转倾向的用户较多，需要的外呼人力资源较大；

2)用户申请或确认离网后，根据用户常驻区域周边的网元级网络指标，确认用户离网原因。这种方法仅能确认因网络质量导致离网的用户，且由于网元级指标覆盖范围较广，不能对单用户的网络感知进行精准定位。

同时，以上两种方法，均为用户明确表示要离网或已离网后进行的分析，未能事先预测识别出潜在的离网用户，并提前采取措施，以实现挽留用户的效果。

发明内容

针对现有技术存在的问题，本发明提供一种用户的离网预测方法、装置、电子设备及存储介质。

第一方面，本发明提供一种用户的离网预测方法，包括：

获取用户的在网特征，其中，所述在网特征为预设的与离网预测相关联的特征；

将所述在网特征输入到离网预测模型，得到由所述离网预测模型输出的预测结果，所述预测结果用于表征用户离网的概率；

其中，所述离网预测模型为将根据用户的在网特征样本和在网特征对应的离网标签作为输入，通过机器学习训练得到的，用于对用户的在网特征进行离网预测的模型。

在一个实施例中，所述获取用户的在网特征，包括：

获取用户的在网数据，以及确定在网特征项对应的统计规则；

根据所述在网数据和所述统计规则确定用户的在网特征。

在一个实施例中，所述方法还包括离网预测模型的构建步骤，所述构建步骤包括：

获取各样本的在网特征，根据各样本的在网特征分别划分出第一预设数目的在网特征集；

确定第一预设数目的核函数，以及确定回归函数；其中，各核函数的输出值作为回归函数的输入值，回归函数的输出值作为样本对应的离网标签；

将各样本的第一预设数目的在网特征集输入到对应的核函数进行训练，并将各核函数的输出值输入到回归函数中进行训练，得到训练好的各核函数和回归函数，将训练好的各核函数和回归函数结合作为离网预测模型。

在一个实施例中，将各样本的第一预设数目的在网特征集输入到对应的核函数进行训练，得到训练好的各核函数，包括：

将各样本的第一预设数目的在网特征集输入到对应的核函数中，采用极大极小公式进行训练，得到训练好的各核函数；

其中，极大极小公式包括：