CN109218034A - 基于多角度神经网络模型的通信用户套餐精准推荐方法 - Google Patents

基于多角度神经网络模型的通信用户套餐精准推荐方法 Download PDF

Info

Publication number
CN109218034A
CN109218034A CN201810975064.1A CN201810975064A CN109218034A CN 109218034 A CN109218034 A CN 109218034A CN 201810975064 A CN201810975064 A CN 201810975064A CN 109218034 A CN109218034 A CN 109218034A
Authority
CN
China
Prior art keywords
data
user
set meal
neural network
angle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201810975064.1A
Other languages
English (en)
Inventor
曹春江
龙华
王瑞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810975064.1A priority Critical patent/CN109218034A/zh
Publication of CN109218034A publication Critical patent/CN109218034A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1485—Tariff-related aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M15/00—Arrangements for metering, time-control or time indication ; Metering, charging or billing arrangements for voice wireline or wireless communications, e.g. VoIP
    • H04M15/80—Rating or billing plans; Tariff determination aspects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M15/00—Arrangements for metering, time-control or time indication ; Metering, charging or billing arrangements for voice wireline or wireless communications, e.g. VoIP
    • H04M15/80—Rating or billing plans; Tariff determination aspects
    • H04M15/8011—Rating or billing plans; Tariff determination aspects using class of subscriber
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M15/00—Arrangements for metering, time-control or time indication ; Metering, charging or billing arrangements for voice wireline or wireless communications, e.g. VoIP
    • H04M15/80—Rating or billing plans; Tariff determination aspects
    • H04M15/8083—Rating or billing plans; Tariff determination aspects involving reduced rates or discounts, e.g. time-of-day reductions or volume discounts

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及基于多角度神经网络模型的通信用户套餐精准推荐方法，首先对用户行为数据与运营商套餐数据进行采集，将数据进行数据清洗与数据变换，然后对数据进行聚类分析，确定深度神经网络模型的输入向量，最后基于多视角深度神经网络模型计算出用户与现有套餐的相似度，为用户精准推荐移动手机套餐。

Description

基于多角度神经网络模型的通信用户套餐精准推荐方法
技术领域
本发明涉及一种基于多角度神经网络模型的通信用户套餐精准推荐方法，属于深度学习技术领域。
背景技术
随着第四代通信技术的快速普及和推广，运营商为实现营业增长，降低用户离网率，吸引更多用户，运营商也纷纷推出各式各样的4G套餐，然而面对花样繁多的各式套餐，用户难以准确找到适合自己的资费套餐。
目前市面上，运营商一般通过两种方式进行套餐推荐：营业厅人工推荐、APP套餐推荐；其中APP套餐推荐从线上用户角度出发，以奖励模式为主，对用户消费习惯进行问答，这种方式不但需要用户明确自己需求，同时需要用户积极参与反馈，难以获得足够的数据，用户偏好度描述不准确且只有小部分用户收益，推荐效益不高的缺点，另一种营业厅人工推荐主要通过运营商营业厅销售人员为用户推荐合适个性化的套餐，这种方式成本高且效率低，同时存在个人主观性与不全面性特点。
多视角深度神经网络由Elkahky等人考虑到传统的基于内容的推荐系统中，用户特征难以获取的问题，将深度结构化语义模型进行扩展所提出。该模型通过用户视角与项目视角信息实体匹配实现用户项目推荐，其基本思想设置两类映射通路，通过深度学习模型将两类信息实体映射到同一个隐空间，再同一个隐空间中进行余弦相似度计算实现两个实体之间的匹配。
发明内容
本发明提供了一种基于多角度神经网络模型的通信用户套餐精准推荐方法，以用于解决了现有套餐推荐方法中从用户群体的角度来描述用户行为，不能体现同一用户群体中不同的消费行为和偏好的差异，用户面对种类繁多的移动套餐，难以选择最适合自己套餐的问题，对通信用户消费行为进行分析，根据运营商现有套餐为用户进行有针对性的套餐推荐，以消费者为中心，实现了高效、智能化的准确套餐推荐，为运营商定制的营销策略提供参考，为4G业务推广提供参考。
本发明的技术方案是：一种基于多角度神经网络模型的通信用户套餐精准推荐方法，所述方法的具体步骤如下：
Step1：数据采集；
1)通信用户数据采集，其中包括：用户年龄、用户性别、用户学历、用户职业、用户收入、用户地理位置、时间、通话时长(min/月)、流量用量(GB/月)、短信用量(条/月)、增值业务用量(元/月)；
2)运营商套餐数据采集，其中包括：通话时长、流量、短信、增值业务；
Step2：数据清理，其中包括：忽略元祖、人工填写缺失值、使用属性的中心度量填充、中位数填充、最可能值填充法，其目的是不让有错误或有问题的数据进入运算过程；
Step3：数据变换；将数据从一种表示形式变为另一种表现形式，实现不同的源数据在语义上的一致性；
Step4：对数据进行聚类分析，确定深度神经网络模型的输入向量；
1)将采集到的通信用户数据作为多视角神经网络的输入定义xa为第一维度用户用量，其中xa＝(通话时长、流量、短信、增值业务)；定义xb为第二维度用户特征，其中xb＝(年龄、性别、学历、职业、收入)；定义xc为第三维度环境特征，其中xc＝(地理位置、时间)；
2)将通信运营商现有每一个不同套餐信息作为多视角神经网络的一个输入(j＝1,2,3,…n)；其中，含有增值业务的套餐定义为：未含有增值业务的套餐定义为：xd为通话时长，xe为流量，xf为短信，xg为增值业务；
Step5：基于多视角深度神经网络模型计算出用户与现有套餐的相似度，为用户精准推荐移动手机套餐；
设x为输入向量，y为输出向量，li(i＝2,…,N-1)为中间隐含层，wi为第i层的权重矩阵，bi为第i个偏差项；
1)计算输入层与隐含层节点之间的连接权值l1(公式1)：
l1＝w1x (公式1)
2)计算各隐含层节点之间的连接权值li(公式2)：
li＝f(wili-1+bi)，(i＝2,…,N-1) (公式2)
3)计算输出层的隐表示y(公式3)：
y＝f(wNlN-1+bN) (公式3)
4)在神经网络中，定义传输函数为(公式4)：
5)计算通信用户与j套餐之间的相关性大小(公式5)：
计算出的T(Q,Dj)(j＝1,2,3,…n)按从小到大排序，其中将最大值所对应的Dj移动手机套餐推荐给用户；
进一步，根据权利要求1所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述数据清理即原始数据中存在一些不完整、不一致、含噪声的数据，在挖掘之前，对这些不合格数据进行清理，将完整、正确、一致的数据存入数据仓库中，否则，挖掘的结果是存在差错的。
进一步，根据权利要求2所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述数据变换通过平滑聚集、概念分层等方式将数据转换成适合数据挖掘的形式，实现不同的源数据在语义上的一致性。
进一步，根据权利要求3所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述由于向量中的每一个变量都是正数，因此余弦的取值在0到1之间，夹角在0度到90度之间；夹角的余弦越小，夹角越大，则通信用户与运营商套餐之间相似度越低。
本发明的有益效果是：本发明首先对用户行为数据与运营商套餐数据进行采集，将数据进行数据清洗与数据变换，然后对数据进行聚类分析，确定深度神经网络模型的输入向量，最后基于多视角深度神经网络模型计算出用户与现有套餐的相似度，为用户精准推荐移动手机套餐。。本发明与现有技术相比，主要解决了现有套餐推荐方法中从用户群体的角度来描述用户行为，不能体现同一用户群体中不同的消费行为和偏好的差异，用户面对种类繁多的移动套餐，难以选择最适合自己套餐的问题，对通信用户消费行为进行分析，根据运营商现有套餐为用户进行有针对性的套餐推荐，以消费者为中心，实现了高效、智能化的准确套餐推荐，为运营商定制的营销策略提供参考，为4G业务推广提供参考。
附图说明
图1为本发明总流程图。
图2为基于深度学习的推荐系统框架。
图3为多视角深度神经网络的模型结构。
具体实施方式
实施例1：如附图所示，一种基于多角度神经网络模型的通信用户套餐精准推荐方法，所述方法的具体步骤如下：
Step1：数据采集；
1)通信用户数据采集，其中包括：用户年龄、用户性别、用户学历、用户职业、用户收入、用户地理位置、时间、通话时长(min/月)、流量用量(GB/月)、短信用量(条/月)、增值业务用量(元/月)；
2)运营商套餐数据采集，其中包括：通话时长、流量、短信、增值业务；
Step2：数据清理，其中包括：忽略元祖、人工填写缺失值、使用属性的中心度量填充、中位数填充、最可能值填充法，其目的是不让有错误或有问题的数据进入运算过程；
Step3：数据变换：将数据从一种表示形式变为另一种表现形式，实现不同的源数据在语义上的一致性；
Step4：对数据进行聚类分析，确定深度神经网络模型的输入向量；
1)将采集到的通信用户数据作为多视角神经网络的输入定义xa为第一维度用户用量，其中xa＝(通话时长、流量、短信、增值业务)；定义xb为第二维度用户特征，其中xb＝(年龄、性别、学历、职业、收入)；定义xc为第三维度环境特征，其中xc＝(地理位置、时间)；
2)将通信运营商现有每一个不同套餐信息作为多视角神经网络的一个输入(j＝1,2,3,…n)；其中，含有增值业务的套餐定义为：未含有增值业务的套餐定义为：xd为通话时长，xe为流量，xf为短信，xg为增值业务；
Step5：基于多视角深度神经网络模型计算出用户与现有套餐的相似度，为用户精准推荐移动手机套餐；
设x为输入向量，y为输出向量，li(i＝2,…,N-1)为中间隐含层，wi为第i层的权重矩阵，bi为第i个偏差项；
1)计算输入层与隐含层节点之间的连接权值l1(公式1)：
l1＝w1x(公式1)
2)计算各隐含层节点之间的连接权值li(公式2)：
li＝f(wili-1+bi)，(i＝2,…,N-1)(公式2)
3)计算输出层的隐表示y(公式3)：
y＝f(wNlN-1+bN)(公式3)
4)在神经网络中，定义传输函数为(公式4)：
5)计算通信用户与j套餐之间的相关性大小(公式5)：
计算出的T(Q,Dj)(j＝1,2,3,…n)按从小到大排序，其中将最大值所对应的Dj移动手机套餐推荐给用户。
上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
在本说明书的描述中，参考术语“一个实施例/方式”、“一些实施例/方式”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例/方式或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例/方式或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例/方式或示例以及不同实施例/方式或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。

Claims (4)

1.一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：所述方法的具体步骤如下：
Step1：数据采集；
1)通信用户数据采集，其中包括：用户年龄、用户性别、用户学历、用户职业、用户收入、用户地理位置、时间、通话时长(min/月)、流量用量(GB/月)、短信用量(条/月)、增值业务用量(元/月)；
2)运营商套餐数据采集，其中包括：通话时长、流量、短信、增值业务；
Step2：数据清理，其中包括：忽略元祖、人工填写缺失值、使用属性的中心度量填充、中位数填充、最可能值填充法，其目的是不让有错误或有问题的数据进入运算过程；
Step3：数据变换；将数据从一种表示形式变为另一种表现形式，实现不同的源数据在语义上的一致性；
Step4：对数据进行聚类分析，确定深度神经网络模型的输入向量；
1)将采集到的通信用户数据作为多视角神经网络的输入定义xa为第一维度用户用量，其中xa＝(通话时长、流量、短信、增值业务)；定义xb为第二维度用户特征，其中xb＝(年龄、性别、学历、职业、收入)；定义xc为第三维度环境特征，其中xc＝(地理位置、时间)；
2)将通信运营商现有每一个不同套餐信息作为多视角神经网络的一个输入其中，含有增值业务的套餐定义为：未含有增值业务的套餐定义为：xd为通话时长，xe为流量，xf为短信，xg为增值业务；
Step5：基于多视角深度神经网络模型计算出用户与现有套餐的相似度，为用户精准推荐移动手机套餐；
设x为输入向量，y为输出向量，li(i＝2,…,N-1)为中间隐含层，wi为第i层的权重矩阵，bi为第i个偏差项；
1)计算输入层与隐含层节点之间的连接权值l1(公式1)：
l1＝w1x (公式1)
2)计算各隐含层节点之间的连接权值li(公式2)：
li＝f(wili-1+bi)，(i＝2,…,N-1) (公式2)
3)计算输出层的隐表示y(公式3)：
y＝f(wNlN-1+bN) (公式3)
4)在神经网络中，定义传输函数为(公式4)：
5)计算通信用户与j套餐之间的相关性大小(公式5)：
计算出的T(Q,Dj)(j＝1,2,3,…n)按从小到大排序，其中将最大值所对应的Dj移动手机套餐推荐给用户。
2.根据权利要求1所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述数据清理即原始数据中存在一些不完整、不一致、含噪声的数据，在挖掘之前，对这些不合格数据进行清理，将完整、正确、一致的数据存入数据仓库中，否则，挖掘的结果是存在差错的。
3.根据权利要求2所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述数据变换通过平滑聚集、概念分层等方式将数据转换成适合数据挖掘的形式，实现不同的源数据在语义上的一致性。
4.根据权利要求3所述的一种基于多角度神经网络模型的通信用户套餐精准推荐方法，其特征在于：
所述由于向量中的每一个变量都是正数，因此余弦的取值在0到1之间，夹角在0度到90度之间；夹角的余弦越小，夹角越大，则通信用户与运营商套餐之间相似度越低。
CN201810975064.1A 2018-08-24 2018-08-24 基于多角度神经网络模型的通信用户套餐精准推荐方法 Withdrawn CN109218034A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810975064.1A CN109218034A (zh) 2018-08-24 2018-08-24 基于多角度神经网络模型的通信用户套餐精准推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810975064.1A CN109218034A (zh) 2018-08-24 2018-08-24 基于多角度神经网络模型的通信用户套餐精准推荐方法

Publications (1)

Publication Number Publication Date
CN109218034A true CN109218034A (zh) 2019-01-15

Family

ID=64989119

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810975064.1A Withdrawn CN109218034A (zh) 2018-08-24 2018-08-24 基于多角度神经网络模型的通信用户套餐精准推荐方法

Country Status (1)

Country Link
CN (1) CN109218034A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087228A (zh) * 2019-05-15 2019-08-02 中国联合网络通信集团有限公司 一种业务套餐的确定方法及装置
CN110119974A (zh) * 2019-05-17 2019-08-13 武汉众诚华鑫科技有限公司 一种基于δ-GMM聚类算法的移动套餐智能推送方法
CN110335122A (zh) * 2019-07-11 2019-10-15 中国联合网络通信集团有限公司 智能套餐推荐方法和系统
CN110955828A (zh) * 2019-11-19 2020-04-03 浙江鸿程计算机系统有限公司 一种基于深度神经网络的多因素嵌入个性化套餐推荐方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9338308B1 (en) * 2014-06-06 2016-05-10 Sprint Communications Company L.P. Personalized product package recommendation engine
CN106127663A (zh) * 2016-06-27 2016-11-16 江苏省邮电规划设计院有限责任公司 一种通信用户消费特征属性约简拟合提取方法及数据系统
CN108243016A (zh) * 2016-12-27 2018-07-03 中国移动通信集团河北有限公司 业务套餐的推荐方法以及推荐装置、以及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9338308B1 (en) * 2014-06-06 2016-05-10 Sprint Communications Company L.P. Personalized product package recommendation engine
CN106127663A (zh) * 2016-06-27 2016-11-16 江苏省邮电规划设计院有限责任公司 一种通信用户消费特征属性约简拟合提取方法及数据系统
CN108243016A (zh) * 2016-12-27 2018-07-03 中国移动通信集团河北有限公司 业务套餐的推荐方法以及推荐装置、以及服务器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高晓丹: "《基于iData与Astrom 算法的手机资费套餐》", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087228A (zh) * 2019-05-15 2019-08-02 中国联合网络通信集团有限公司 一种业务套餐的确定方法及装置
CN110119974A (zh) * 2019-05-17 2019-08-13 武汉众诚华鑫科技有限公司 一种基于δ-GMM聚类算法的移动套餐智能推送方法
CN110119974B (zh) * 2019-05-17 2022-07-05 武汉众诚华鑫科技有限公司 一种基于δ-GMM聚类算法的移动套餐智能推送方法
CN110335122A (zh) * 2019-07-11 2019-10-15 中国联合网络通信集团有限公司 智能套餐推荐方法和系统
CN110955828A (zh) * 2019-11-19 2020-04-03 浙江鸿程计算机系统有限公司 一种基于深度神经网络的多因素嵌入个性化套餐推荐方法

Similar Documents

Publication Publication Date Title
CN109218034A (zh) 基于多角度神经网络模型的通信用户套餐精准推荐方法
CN107085803B (zh) 基于知识图谱和能力测评的个性化教学资源推荐系统
Wan et al. An e-learning recommendation approach based on the self-organization of learning resource
KR101180761B1 (ko) 분산 지리정보 시스템의 개체 표시 우선순위
CN102708130B (zh) 计算用户微细分以用于要约匹配的可扩展引擎
CN107133277B (zh) 一种基于动态主题模型和矩阵分解的旅游景点推荐方法
Han et al. Category role aided market segmentation approach to convenience store chain category management
CN104133817A (zh) 网络社区交互方法、装置及网络社区平台
CN106326345A (zh) 一种基于用户行为的社交网络中朋友关系挖掘方法
CN109299372A (zh) 一种基于协同过滤的智慧选课推荐方法
CN106776930B (zh) 一种融入时间和地理位置信息的地点推荐方法
CN103617230A (zh) 一种基于微博的广告推荐方法及系统
Bennett et al. On the nature and utility of natural boundaries for land and marine administration
CN109859004A (zh) 一种基于历史数据的商品推荐方法及系统
CN106528812B (zh) 一种基于usdr模型的云推荐方法
CN108984711A (zh) 一种基于分层嵌入的个性化app推荐方法
CN110955775A (zh) 一种基于隐式问询的绘本推荐方法
CN113536155A (zh) 一种基于多源数据的旅游路线可视分析与规划方法
Evans et al. Was Thebes Necessary? Contingency in Spatial Modeling
Park et al. Analyzing travel mobility patterns in city destinations: Implications for destination design
CN103136309A (zh) 通过基于核的学习对社交强度进行建模
CN109635869A (zh) 在线学习干预系统
Yu et al. Combination of Self-organizing Map and k-means Methods of Clustering for Online Games Marketing.
CN106485616A (zh) 一种自适应的移动网络教学分级模型及系统
CN108664539A (zh) 一种课程项目匹配方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20190115

WW01 Invention patent application withdrawn after publication