CN109743693A - 信息推荐方法、装置及存储介质 - Google Patents

Abstract

本发明提供一种信息推荐方法、装置及存储介质，通过获取各终端的测量报告MR数据以及XDR数据，根据MR数据以及XDR数据确定第一定位信息列表，根据第一定位信息列表以及第一宽带小区的基础数据，确定常驻在第一宽带小区的终端列表，向终端列表中的终端推送第一宽带小区对应的宽带业务消息。上述过程能够精准地定位终端与宽带小区的对应关系，便于对当前存量移动网络用户进行宽带网络的信息推送。

Description

信息推荐方法、装置及存储介质

技术领域

本发明实施例涉及大数据技术领域，尤其涉及一种信息推荐方法、装置及存储介质。

背景技术

全业务运营商是国际通信业的主流，全球70％以上运营商都制定了全业务发展战略，强调有线与无线的协同发展。占据固网优势的运营商目前的主要策略是从固网业务向移动业务渗透，以固带移，该策略无需考虑移动网络覆盖以及用户是否需要移动通信服务，是非常成熟和有效的策略；而占据移动通信优势的运营商目前的主要策略是从移动业务向固网业务渗透，以移带固，需要从移动通信用户中识别业务目标用户，并将现网宽带资源进行匹配，据此进行精准营销。

目前，现有的技术手段无法通过大数据平台统计移动网络用户所在的宽带小区，且融合业务渗透率低，宽带资源覆盖率不足，无法对存量移动网络用户进行宽带网络信息的精准推送。

发明内容

本发明提供一种信息推荐方法、装置及存储介质，能够精准地定位终端与宽带小区的对应关系，便于对当前存量移动网络用户进行宽带网络的信息推送。

本发明的第一方面提供一种信息推荐方法，包括：

获取各终端的测量报告MR数据以及XDR数据；

根据所述MR数据以及所述XDR数据确定各终端的的第一定位信息列表；

根据所述各终端的第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表；

向所述终端列表中的终端推送宽带业务消息。

在一种可能的实现方式中，所述根据所述MR数据以及所述XDR数据确定各终端的第一定位信息列表，包括：

将各终端在不同时刻的所述MR数据以及XDR数据输入到预设的神经网络模型中，得到各终端在不同时刻的经纬度信息；

根据各终端的所述经纬度信息确定各终端的第一定位信息列表。

在一种可能的实现方式中，所述根据所述各终端的第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表，包括：

所述根据所述各终端的第一定位信息列表以及所述第一宽带小区的基础数据，确定各终端驻留在所述第一宽带小区的第二定位信息列表；

根据各终端的所述第二定位信息列表以及预设常驻条件，确定常驻所述第一宽带小区的终端列表。

在一种可能的实现方式中，所述根据各终端的所述第二定位信息列表以及预设常驻条件，确定常驻所述第一宽带小区的终端列表，包括：

根据各终端的所述第二定位信息列表，统计各终端连续驻留在所述第一宽带小区的驻留次数以及每一次驻留的驻留时长；

若所述驻留次数大于等于预设次数，和/或，所述驻留时长大于等于预设时长，则将所述终端的国际移动用户识别码IMSI加入到常驻所述第一宽带小区的终端列表中。

在一种可能的实现方式中，所述第一宽带小区的基础数据包括宽带小区ID、宽带小区边框图、宽带小区楼宇数量、宽带小区外扩范围。

在一种可能的实现方式中，所述神经网络模型是利用路测数据进行概率神经网络的权值训练得到的，所述神经网络模型的输入为各终端在不同时刻的MR数据以及XDR数据，所述神经网络模型的输出为各终端在不同时刻的经纬度信息。

在一种可能的实现方式中，所述路测数据包括参考信号接收功率RSRP，物理小区标识PCI，基站ID，时间提前量。

本发明的第二方面提供一种信息推荐装置，包括：

获取模块，用于获取各终端的测量报告MR数据以及XDR数据；

确定模块，用于根据所述MR数据以及所述XDR数据确定各终端的的第一定位信息列表；

所述确定模块，还用于根据所述各终端的第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表；

推送模块，用于向所述终端列表中的终端推送宽带业务消息。

本发明的第三方面提供一种信息推荐装置，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如本发明第一方面任一项所述的方法。

本发明的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行以实现如本发明第一方面任一项所述的方法。

本发明实施例提供一种信息推荐方法、装置及存储介质，通过获取各终端的测量报告MR数据以及XDR数据，根据MR数据以及XDR数据确定第一定位信息列表，根据第一定位信息列表以及第一宽带小区的基础数据，确定常驻在第一宽带小区的终端列表，向终端列表中的终端推送第一宽带小区对应的宽带业务消息。上述过程能够精准地定位终端与宽带小区的对应关系，便于对当前存量移动网络用户进行宽带网络的信息推送。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一实施例提供的信息推荐方法的流程示意图；

图2为本发明一实施例提供的信息推荐装置的结构示意图；

图3为本发明一实施例提供的信息推荐装置的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。

应当理解，本文中使用的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本发明实施例提供的信息推荐方法是基于大数据全网络分析平台通过统计数以亿计的用户行为信息，关注业务和无线的结合，实现未来大数据运营的转型，通过大数据、精准定位，在一体化分析思维基础上，实现多维、海量、高效的数据处理和整合，用于精准业务的迁移和优惠信息的推送。

下面以具体地实施例对本发明的技术方案进行详细说明。

图1为本发明一实施例提供的信息推荐方法的流程示意图，本实施例提供的方法可以由任意执行信息推荐方法的装置来执行，该装置可以通过软件和/或硬件实现。如图1所示，本实施提供的信息推荐方法包括如下步骤：

S101、获取各终端的测量报告MR数据以及XDR数据；

本实施例中，通过获取各终端的测量报告，以及核心网各接口XDR数据，将各终端的测量报告MR数据与各接口XDR数据进行动态关联，从而将同一终端的同一个业务过程对应的各接口XDR关联起来，根据多接口XDR关联结果，回填各终端测量报告中缺失的字段，生成完整的测量报告MR数据。

XDR数据包括信令XDR数据以及业务XDR数据，其中，信令XDR数据是基于所采集的控制面信令而生成的信令过程的详细数据，业务XDR数据是基于所采集的用户面业务数据而生成的业务传输过程的详细记录。

上述对MR数据以及XDR数据的关联过程具有灵活的扩展性，可根据网络的发展和业务的需求灵活扩展其他关联分析需求。

S102、根据MR数据以及XDR数据确定第一定位信息列表；第一定位信息列表包括各终端与宽带小区的对应关系；

在本实施例中，在对各终端的MR数据以及XDR数据进行关联之后，将关联后的MR数据以及XDR数据输入到预设的神经网络模型中，确定关联数据对应的终端的经纬度信息。

具体来说，将各终端在不同时刻的MR数据以及XDR数据输入到预设的神经网络模型中，得到各终端在不同时刻的经纬度信息；根据各终端的经纬度信息确定各终端与宽带小区的对应关系，得到包括各终端经纬度信息与宽带小区的第一定位信息列表。

在本实施例中，第一定位信息列表包括时间信息、终端的国际移动用户识别码IMSI、时间信息对应的经纬度信息，宽带小区ID、宽带小区的名称等。具体参见表1，表1示出了第一定位信息表，该定位信息表为小时级结果表。

可选的，第一定位信息列表也可以根据天、周对各终端的定位信息进行汇总，对此本实施例不作具体限定。

表1

本实施例中，预设的神经网络模型是利用路测数据进行概率神经网络的权值训练得到的，神经网络模型的输入为各终端在不同时刻的MR数据以及XDR数据，神经网络模型的输出为各终端在不同时刻的经纬度信息。

其中，路测数据包括参考信号接收功率RSRP电平值，物理小区标识PCI，基站ID，时间提前量。利用路测数据，通过后处理方法，保证后续训练样本的完整性和准确性，生成训练指纹库，根据训练样本数据，构建路测数据与位置的映射关系，利用PNN神经网络算法，训练出神经网络模型。

将各终端在不同时刻的MR数据以及XDR数据输入到预设的神经网络模型中，模型从MR数据和XDR数据的对应字段中获取上述路测数据，经过模型的计算过程，得到概率最大的位置数据，即经纬度数值。

S103、根据第一定位信息列表以及第一宽带小区的基础数据，确定常驻在第一宽带小区的终端列表；

其中，第一宽带小区的基础数据包括宽带小区ID、宽带小区地址、宽带小区楼宇数量、宽带小区外扩范围。

基于每个空间对象点以及楼宇数量计算外扩范围，将其扩大为指定半径的圆周范围，生成每个宽带小区的缓冲区域，从而体现第一宽带小区真实的小区范围。

示例性的，若某宽带小区的楼宇数量小于等于5，则设定外扩半径为50米；若某宽带小区的楼宇数量大于5且小于等于10，则设定外扩半径为100米。

本实施例中，根据第一定位信息列表以及第一宽带小区的基础数据，确定驻留在第一宽带小区的第二定位信息列表，即根据第一定位信息列表中各终端的经纬度信息、第一宽带小区的小区地址以及外扩范围，进行信息匹配，从第一定位信息列表中确定驻留在第一宽带小区的第二定位信息列表。其中，第二定位信息列表包括各终端驻留在第一宽带小区的终端的国际移动用户识别码IMSI、时间信息对应的经纬度信息，宽带小区ID、宽带小区的名称等，具体参见表2，表2包括各终端驻留在宽带小区ID为811的定位信息列表。

表2

根据第二定位信息列表以及预设常驻条件，确定常驻第一宽带小区的终端列表。

具体来说，根据预设时段内的第二定位信息列表，统计各终端连续驻留在第一宽带小区的驻留次数以及每一次驻留的驻留时长；其中，预设时段可以是一天、一周、一个月、一年，对此本实施例不作具体限定。通过统计预设时段内驻留在第一宽带小区的终端的驻留次数以及每一次驻留的驻留时长，确定该终端是否为常驻第一宽带小区的终端。

若驻留次数大于等于预设次数，和/或，驻留时长大于等于预设时长，则将终端的国际移动用户识别码IMSI加入到常驻第一宽带小区的终端列表中。

S104、向终端列表中的终端推送宽带业务消息。

与传统定位相比，本实施例提供的基于大数据信令关联的定位方式在定位精度方面具有较大提升，从而通过用户的一般性行为，准确了解用户所在的宽带小区，以便向此类用户推送相应的宽带优惠信息。

本发明实施例提供的信息推荐方法，通过获取各终端的测量报告MR数据以及XDR数据，根据MR数据以及XDR数据确定第一定位信息列表，根据第一定位信息列表以及第一宽带小区的基础数据，确定常驻在第一宽带小区的终端列表，向终端列表中的终端推送第一宽带小区对应的宽带业务消息。上述过程能够精准地定位终端与宽带小区的对应关系，便于对当前存量移动网络用户进行宽带网络的信息推送。

图2为本发明一实施例提供的信息推荐装置的结构示意图，如图2所示，本实施例提供的信息推荐装置20包括：

获取模块21，用于获取各终端的测量报告MR数据以及XDR数据；

确定模块22，用于根据所述MR数据以及所述XDR数据确定第一定位信息列表；所述第一定位信息列表包括各终端与宽带小区的对应关系；

所述确定模块22，还用于根据所述第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表；

推送模块23，用于向所述终端列表中的终端推送所述第一宽带小区对应的宽带业务消息。

本发明实施例提供的信息推荐装置，包括获取模块、确定模块以及推送模块，其中，获取模块用于获取各终端的测量报告MR数据以及XDR数据；确定模块用于根据MR数据以及XDR数据确定第一定位信息列表，根据第一定位信息列表以及第一宽带小区的基础数据，确定常驻在第一宽带小区的终端列表；推送模块用于向终端列表中的终端推送第一宽带小区对应的宽带业务消息。本实施例提供的信息推荐装置能够精准地定位终端与宽带小区的对应关系，便于对当前存量移动网络用户进行宽带网络的信息推送。

在上述实施例的基础上，可选的，所述确定模块22，具体用于：

将各终端在不同时刻的所述MR数据以及XDR数据输入到预设的神经网络模型中，得到各终端在不同时刻的经纬度信息；

根据各终端的所述经纬度信息确定各终端与宽带小区的对应关系，得到第一定位信息列表。

可选的，所述确定模块22，还用于：

根据所述第一定位信息列表以及所述第一宽带小区的基础数据，确定驻留在所述第一宽带小区的第二定位信息列表；

根据所述第二定位信息列表以及预设常驻条件，确定常驻所述第一宽带小区的终端列表。

可选的，所述确定模块22，具体用于：

根据所述第二定位信息列表，统计各终端连续驻留在所述第一宽带小区的驻留次数以及每一次驻留的驻留时长；

若所述驻留次数大于等于预设次数，和/或，所述驻留时长大于等于预设时长，则将所述终端的国际移动用户识别码IMSI加入到常驻所述第一宽带小区的终端列表中。

可选的，所述第一宽带小区的基础数据包括宽带小区ID、宽带小区地址、宽带小区楼宇数量、宽带小区外扩范围。

可选的，所述神经网络模型是利用路测数据进行概率神经网络的权值训练得到的，所述神经网络模型的输入为各终端在不同时刻的MR数据以及XDR数据，所述神经网络模型的输出为各终端在不同时刻的经纬度信息。

可选的，所述路测数据包括参考信号接收功率RSRP电平值，物理小区标识PCI，基站ID，时间提前量。

本实施例提供的信息推荐装置，可以执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图3为本发明一实施例提供的信息推荐装置的硬件结构示意图，如图3所示，本实施例的信息推荐装置30，包括：

存储器31；

处理器32；以及

计算机程序；

其中，计算机程序存储在存储器31中，并被配置为由处理器32执行以实现如前述任一项方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

可选的，存储器31既可以是独立的，也可以跟处理器32集成在一起。

当存储器31是独立于处理器32之外的器件时，信息推荐装置30还包括：

总线33，用于连接存储器31和处理器32。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器32执行以实现如上方法实施例中信息推荐装置30所执行的各个步骤。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本申请各个实施例方法的部分步骤。

应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种信息推荐方法，其特征在于，包括：

获取各终端的测量报告MR数据以及XDR数据；

根据所述MR数据以及所述XDR数据确定第一定位信息列表；所述第一定位信息列表包括各终端与宽带小区的对应关系；

根据所述第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表；

向所述终端列表中的终端推送所述第一宽带小区对应的宽带业务消息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述MR数据以及所述XDR数据确定第一定位信息列表，包括：

将各终端在不同时刻的所述MR数据以及XDR数据输入到预设的神经网络模型中，得到各终端在不同时刻的经纬度信息；

根据各终端的所述经纬度信息确定各终端与宽带小区的对应关系，得到第一定位信息列表。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表，包括：

根据所述第一定位信息列表以及所述第一宽带小区的基础数据，确定驻留在所述第一宽带小区的第二定位信息列表；

根据所述第二定位信息列表以及预设常驻条件，确定常驻所述第一宽带小区的终端列表。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第二定位信息列表以及预设常驻条件，确定常驻所述第一宽带小区的终端列表，包括：

根据所述第二定位信息列表，统计各终端连续驻留在所述第一宽带小区的驻留次数以及每一次驻留的驻留时长；

若所述驻留次数大于等于预设次数，和/或，所述驻留时长大于等于预设时长，则将所述终端的国际移动用户识别码IMSI加入到常驻所述第一宽带小区的终端列表中。

5.根据权利要求3所述的方法，其特征在于，所述第一宽带小区的基础数据包括宽带小区ID、宽带小区地址、宽带小区楼宇数量、宽带小区外扩范围。

6.根据权利要求2所述的方法，其特征在于，所述神经网络模型是利用路测数据进行概率神经网络的权值训练得到的，所述神经网络模型的输入为各终端在不同时刻的MR数据以及XDR数据，所述神经网络模型的输出为各终端在不同时刻的经纬度信息。

7.根据权利要求6所述的方法，其特征在于，所述路测数据包括参考信号接收功率RSRP电平值，物理小区标识PCI，基站ID，时间提前量。

8.一种信息推荐装置，其特征在于，包括：

获取模块，用于获取各终端的测量报告MR数据以及XDR数据；

确定模块，用于根据所述MR数据以及所述XDR数据确定第一定位信息列表；所述第一定位信息列表包括各终端与宽带小区的对应关系；

所述确定模块，还用于根据所述第一定位信息列表以及第一宽带小区的基础数据，确定常驻在所述第一宽带小区的终端列表；

推送模块，用于向所述终端列表中的终端推送所述第一宽带小区对应的宽带业务消息。

9.一种信息推荐装置，其特征在于，包括：

存储器；

处理器；以及

计算机程序；

其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的方法。