一种客户标签建模及推荐方法及装置制造方法及图纸

本发明专利技术公开了一种客户标签建模及推荐方法及装置，包括：构建客户信任度矩阵；基于所述客户信任度矩阵，计算客户影响力因子；获取客户标签特征矩阵；结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。

A customer tag modeling and recommendation method and device

The invention discloses a device and a customer label, modeling and recommendation methods include: building customer trust matrix; the customer trust based on the matrix, calculating the customer influence factor; obtain customer label feature matrix; combining the influence factor of the customer, customer trust and customer label the matrix feature matrix, calculation characteristic information of every customer; from the characteristic information of each customer in selecting a target tag and push to customer recommendation system.

【技术实现步骤摘要】
一种客户标签建模及推荐方法及装置
本专利技术涉及业务支撑领域中的客户标签技术，尤其涉及一种客户标签建模及推荐方法及装置。
技术介绍
客户标签建模是运营商行业中一项非常重要的研究课题。客户标签是指客户的兴趣爱好标识，在运营商中即客户业务、行为偏好，如IPHONE、4G、游戏、旅游等。客户标签建模主要就是挖掘客户与各类业务或行为特征之间的关系，对客户进行全方位的画像，识别客户与各类标签之间的关系，从而可以对客户提供个性化的推荐服务，提高推荐的成功度。例如，客户4G标签识别，准确识别潜在的4G目标客户，针对4G标签明显的客户进行精准推荐，提高推荐客户的4G转化率。问题在于，我们能否根据客户社交圈中其他人的兴趣爱好信息挖掘客户与各标签的关联度评分，通过关联度评分识别每个客户具备的潜在标签特征。目前客户标签建模使用最广泛的方法是关联规则挖掘方法，如果在已知标签A的客户中80％以上具有标签B，即可认为所有具有标签A的客户也可能具有潜在标签B特征，因此，可以给标签A的客户标记标签B。由于该方法依赖于频繁项挖掘，在实际研究中，同时满足最小支持度和最小置信度的频繁子项特别少，因此、客户标签识别具有一定局限性，识别标签较少，同时也忽略了客户社交圈的影响力因子。此外，现有技术提出了利用客户之间的通信关系以及客户的业务特征进行客户标签识别。具体地，根据客户的通信记录，确定所述客户与所述客户的各个联系人的疏密度因子，所述疏密度因子用于表示所述客户与各联系人的通信频繁程度，也即客户之间的紧密性；获取所述各联系人的业务特征，业务特征用于表示客户的业务订购情况和/或业务使用情况；根据所述客户与所述各联系人的疏密度因子以及所述各联系的所述业务信息，识别每个客户特征信息。现有技术中，只利用客户之间的直接通信量计算疏密度因子，没有考虑客户间的共同好友情况以及客户使用家庭网、亲情网等具有家庭属性业务；另外，在客户标签特征计算时，每个客户的权重都一致，没有识别社交圈中高影响力因子客户，在实际中，有些客户具有意见领袖特性，对周围人具有较高的影响力因子，应该给予更多的权值，这些都会影响识别准确性。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种客户标签建模及推荐方法及装置。本专利技术实施例提供的客户标签建模及推荐方法，包括：构建客户信任度矩阵；基于所述客户信任度矩阵，计算客户影响力因子；获取客户标签特征矩阵；结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。本专利技术实施例中，所述构建客户信任度矩阵，包括：对采集到的客户通信记录进行解析，得到客户通信社交参数，所述客户通信社交参数用于表征客户与各个联系人的联系程度；基于各个客户通信社交参数，利用余弦算法计算客户相似度因子，所述客户相似度因子用于表征客户之间的通信社交参数的相似度；从业务数据中提取出客户社交绑定关系；对所述客户通信社交参数、所述客户相似度因子以及所述客户社交绑定关系进行加权处理，构建客户信任度矩阵，所述客户信任度矩阵用于表征客户之间的信任度。本专利技术实施例中，所述方法还包括：对采集到的客户通信记录进行解析时，删除所述客户通信记录中的无效数据。本专利技术实施例中，所述获取客户标签特征矩阵，包括：构建客户标签特征矩阵H＝{bij,1＜＝i＜＝n,1＜＝j＜＝k2}；其中，bij表示客户vi和标签j之间的关系，n表示客户数量，k2表示标签数量。本专利技术实施例中，所述基于所述客户信任度矩阵，计算客户影响力因子，包括：基于所述客户信任度矩阵，利用网页排名(pagerank)算法计算所述客户影响力因子。本专利技术实施例中，所述利用pagerank算法计算所述客户影响力因子，包括：设置收敛阈值W；根据公式进行迭代计算，其中d为阻尼因子。为客户vi对其他所有客户的信任度贡献值，aij为客户vi对客户vj的信任度评分。为客户vi在第m次迭代后的影响力，q0i＝1，客户信任度矩阵为第m+1次代后计算||Qm+1-Qm||的差值，当||Qm+1-Qm||>＝W时，继续利用公式进行迭代计算，直到||Qm+1-Qm||＜W为止；将最后迭代计算的Q＝(q1,q2,....qn)作为每个客户的影响力。本专利技术实施例中，所述从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统，包括：从计算得到的所述各个客户特征信息中，筛选出满足预设条件的特征信息，作为目标标签；将所述目标标签推送至客户推荐系统。本专利技术实施例提供的客户标签建模及推荐装置，包括：客户信任度矩阵模块，用于构建客户信任度矩阵；客户影响力因子计算模块，用于基于所述客户信任度矩阵，计算客户影响力因子；客户标签特征矩阵模块，用于获取客户标签特征矩阵；客户标签识别模块，用于结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；个性化推荐模块，用于从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。本专利技术实施例中，所述客户信任度矩阵模块，还用于对采集到的客户通信记录进行解析，得到客户通信社交参数，所述客户通信社交参数用于表征客户与各个联系人的联系程度；基于各个客户通信社交参数，利用余弦算法计算客户相似度因子，所述客户相似度因子用于表征客户之间的通信社交参数的相似度；从业务数据中提取出客户社交绑定关系；对所述客户通信社交参数、所述客户相似度因子以及所述客户社交绑定关系进行加权处理，构建客户信任度矩阵，所述客户信任度矩阵用于表征客户之间的信任度。本专利技术实施例中，所述客户信任度矩阵模块，还用于对采集到的客户通信记录进行解析时，删除所述客户通信记录中的无效数据。本专利技术实施例中，所述客户标签特征矩阵模块，还用于构建客户标签特征矩阵H＝{bij,1＜＝i＜＝n,1＜＝j＜＝k2}；其中，bij表示客户vi和标签j之间的关系，n表示客户数量，k2表示标签数量。本专利技术实施例中，所述客户影响力因子计算模块，还用于基于所述客户信任度矩阵，利用pagerank算法计算所述客户影响力因子。本专利技术实施例中，所述客户影响力因子计算模块，还用于执行如下过程：设置收敛阈值W；根据公式进行迭代计算，其中d为阻尼因子。为客户vi对其他所有客户的信任度贡献值，aij为客户vi对客户vj的信任度评分。为客户vi在第m次迭代后的影响力，q0i＝1，客户信任度矩阵为第m+1次代后计算||Qm+1-Qm||的差值，当||Qm+1-Qm||>＝W时，继续利用公式进行迭代计算，直到||Qm+1-Qm||＜W为止；将最后迭代计算的Q＝(q1,q2,....qn)作为每个客户的影响力。本专利技术实施例中，所述个性化推荐模块，还用于从计算得到的所述各个客户特征信息中，筛选出满足预设条件的特征信息，作为目标标签；将所述目标标签推送至客户推荐系统。本专利技术实施例的技术方案中，构建客户信任度矩阵；基于所述客户信任度矩阵，计算客户影响力因子；获取客户标签特征矩阵；结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。通过对本专利技术实施例技术方案的实施，至少具有如下有益效果：在本文档来自技高网...

【技术保护点】
一种客户标签建模及推荐方法，其特征在于，所述方法包括：构建客户信任度矩阵；基于所述客户信任度矩阵，计算客户影响力因子；获取客户标签特征矩阵；结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。

【技术特征摘要】
1.一种客户标签建模及推荐方法，其特征在于，所述方法包括：构建客户信任度矩阵；基于所述客户信任度矩阵，计算客户影响力因子；获取客户标签特征矩阵；结合所述客户影响力因子、所述客户信任度矩阵以及所述客户标签特征矩阵，计算各个客户的特征信息；从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统。2.根据权利要求1所述的客户标签建模及推荐方法，其特征在于，所述构建客户信任度矩阵，包括：对采集到的客户通信记录进行解析，得到客户通信社交参数，所述客户通信社交参数用于表征客户与各个联系人的联系程度；基于各个客户通信社交参数，利用余弦算法计算客户相似度因子，所述客户相似度因子用于表征客户之间的通信社交参数的相似度；从业务数据中提取出客户社交绑定关系；对所述客户通信社交参数、所述客户相似度因子以及所述客户社交绑定关系进行加权处理，构建客户信任度矩阵，所述客户信任度矩阵用于表征客户之间的信任度。3.根据权利要求2所述的客户标签建模及推荐方法，其特征在于，所述方法还包括：对采集到的客户通信记录进行解析时，删除所述客户通信记录中的无效数据。4.根据权利要求1所述的客户标签建模及推荐方法，其特征在于，所述获取客户标签特征矩阵，包括：构建客户标签特征矩阵H＝{bij,1<＝i<＝n,1<＝j<＝k2}；其中，bij表示客户vi和标签j之间的关系，n表示客户数量，k2表示标签数量。5.根据权利要求1所述的客户标签建模及推荐方法，其特征在于，所述基于所述客户信任度矩阵，计算客户影响力因子，包括：基于所述客户信任度矩阵，利用网页排名pagerank算法计算所述客户影响力因子。6.根据权利要求5所述的客户标签建模及推荐方法，其特征在于，所述利用pagerank算法计算所述客户影响力因子，包括：设置收敛阈值W；根据公式进行迭代计算，其中d为阻尼因子；为客户vi对其他所有客户的信任度贡献值，aij为客户vi对客户vj的信任度评分；为客户vi在第m次迭代后的影响力，q0i＝1，客户信任度矩阵为第m+1次代后计算||Qm+1-Qm||的差值，当||Qm+1-Qm||>＝W时，继续利用公式进行迭代计算，直到||Qm+1-Qm||<W为止；将最后迭代计算的Q＝(q1,q2,....qn)作为每个客户的影响力。7.根据权利要求1至6任一项所述的客户标签建模及推荐方法，其特征在于，所述从所述各个客户的特征信息中选择出目标标签并推送至客户推荐系统，包括：从计算得到的所述各个客户特征信息中，筛选出满足预设条件的特征信息，作为目标标签；将所述目标标签推送至客户推荐系统。8.一种客户标签建模及推荐装置，...

【专利技术属性】
技术研发人员：刘伟平，刘忱，杨应宝，严关武，王建宏，刘钰柏，黄志豪，李少奇，
申请(专利权)人：中国移动通信集团广东有限公司，
类型：发明
国别省市：广东,44