终端更换周期的预测方法及装置制造方法及图纸

本发明专利技术提供一种终端更换周期的预测方法及装置，所述方法包括：获取待预测用户的特征信息，将所述特征信息分别输入到T个预测模型中，预测得到T个预测结果，根据所述T个预测结果，获取所述待预测用户的终端更换周期。本发明专利技术提供一种终端更换周期的预测方法及装置，由于预测模型在建立过程中考虑了大量用户的历史数据，使得根据该预测模型得到的用户的终端更换周期更加准确。另外，通过将待预测用户的特征信息分别输入到多个预测模型中，将多个预测模型的预测结果进行综合考虑，获取用户的终端更换周期，进一步提高了终端更换周期的预测准确率。

【技术实现步骤摘要】
终端更换周期的预测方法及装置
本专利技术涉及大数据
，尤其涉及一种终端更换周期的预测方法及装置。
技术介绍
随着互联网技术的发展，移动用户数量已经趋于饱和，增长速度较慢。但是，目前统计数据显示，移动终端的更新换代速度正在不断加快，因此，用户更换终端的频率在加快。如果能够准确预测用户的终端更换周期，则可以在合适的时机为用户提供终端换机方案，提高运营商的服务质量，因此需要一种对用户终端的更换周期进行预测的方法。相关技术中，在对用户终端的更换周期进行预测时，通常根据用户的上次购机时间以及该用户的历史换机周期，对该用户即将换机的概率进行预测。然而，采用上述方法预测得到的换机概率准确性不高。
技术实现思路
本专利技术提供一种终端更换周期的预测方法及装置，通过对海量的用户数据进行训练得到预测模型，利用该预测模型实现对终端更换周期的预测，提高了预测准确率，从而运营商能够在准确的时机向用户提供终端换机方案，提高运营商的服务质量。第一方面，本专利技术提供的终端更换周期的预测方法，包括：获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；根据所述T个预测结果，获取所述待预测用户的终端更换周期；其中，T为大于1的自然数。可选的，所述获取待预测用户的特征信息之前，还包括：从至少一个数据仓库存储的用户数据中，提取用户的特征信息，生成用户样本集；基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型。可选的，所述基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型，包括：按照预设的比例将所述用户样本集划分为训练样本集和测试样本集；对所述训练样本集中的全部或者部分样本分别采用所述T个不同的机器学习算法进行训练建模，得到T个第一预测模型；使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型。可选的，所述按照预设的比例将所述用户样本集划分为训练样本集和测试样本集，包括：对所述用户样本集中的数据进行预处理，所述预处理包括：数据转换、数据过滤、数据标准化和数据属性规约；按照预设的比例将预处理后的所述用户样本集划分为训练样本集和测试样本集。可选的，所述使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型，包括：针对每个所述第一预测模型，将所述测试样本集中的特征信息输入所述第一预测模型，获取所述第一预测模型对应的预测准确率；根据所述第一预测模型对应的预测准确率，采用网格搜索算法对所述第一预测模型的参数进行修正，得到第二预测模型；若所述第二预测模型对应的预测准确率大于等于预设值，则将所述第二预测模型作为所述预测模型。可选的，所述方法还包括：若所述第二预测模型对应的预测准确率小于预设值，则返回执行对所述用户样本集中的数据进行预处理。可选的，所述T为大于等于3的自然数，所述T个不同的机器学习算法至少包括：逻辑回归算法、决策树算法和随机森林算法。第二方面，本专利技术提供的终端更换周期的预测装置，包括：获取模块，用于获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；预测模块，用于将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；其中，T为大于1的自然数；处理模块，用于根据所述T个预测结果，获取所述待预测用户的终端更换周期。可选的，所述装置还包括：建立模块，用于从至少一个数据仓库存储的用户数据中，提取用户的特征信息，生成用户样本集；基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型。可选的，所述建立模块，具体用于按照预设的比例将所述用户样本集划分为训练样本集和测试样本集；对所述训练样本集中的全部或者部分样本分别采用所述T个不同的机器学习算法进行训练建模，得到T个第一预测模型；使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型。可选的，所述建立模块，具体用于对所述用户样本集中的数据进行预处理，所述预处理包括：数据转换、数据过滤、数据标准化和数据属性规约；按照预设的比例将预处理后的所述用户样本集划分为训练样本集和测试样本集。可选的，所述建立模块，具体用于针对每个所述第一预测模型，将所述测试样本集中的特征信息输入所述第一预测模型，获取所述第一预测模型对应的预测准确率；根据所述第一预测模型对应的预测准确率，采用网格搜索算法对所述第一预测模型的参数进行修正，得到第二预测模型；若所述第二预测模型对应的预测准确率大于等于预设值，则将所述第二预测模型作为所述预测模型。可选的，所述建立模块，具体用于若所述第二预测模型对应的预测准确率小于预设值，则返回执行对所述用户样本集中的数据进行预处理。可选的，所述T为大于等于3的自然数，所述T个不同的机器学习算法至少包括：逻辑回归算法、决策树算法和随机森林算法。第三方面，本专利技术提供的终端更换周期的预测装置，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第一方面任一项所述的方法。第四方面，本专利技术提供的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第一方面任一项所述的方法。本专利技术提供的终端更换周期的预测方法及装置，通过获取待预测用户的特征信息，将所述特征信息分别输入到T个预测模型中，预测得到T个预测结果，根据所述T个预测结果，获取所述待预测用户的终端更换周期。由于预测模型在建立过程中考虑了大量用户的历史数据，使得根据该预测模型得到的用户的终端更换周期更加准确。另外，通过将待预测用户的特征信息分别输入到多个预测模型中，将多个预测模型的预测结果进行综合考虑，获取用户的终端更换周期，进一步提高了终端更换周期的预测准确率。附图说明为了更清楚地说明本专利技术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简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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为本专利技术提供的终端更换周期的预测方法实施例一的流程图；图2为本专利技术提供的终端更换周期的预测方法实施例二的流程图；图3为本专利技术提供的终端更换周期的预测方法实施例三的流程图；图4为本专利技术实施三中对第一预测模型进行修正过程的流程图；图5为本专利技术提供的终端更换周期的预测装置实施例一的结构示意图；图6为本专利技术提供的终端更换周期的预测装置实施例二的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述本文档来自技高网...

【技术保护点】
1.一种终端更换周期的预测方法，其特征在于，包括：获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；根据所述T个预测结果，获取所述待预测用户的终端更换周期；其中，T为大于1的自然数。

【技术特征摘要】
1.一种终端更换周期的预测方法，其特征在于，包括：获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；根据所述T个预测结果，获取所述待预测用户的终端更换周期；其中，T为大于1的自然数。2.根据权利要求1所述的预测方法，其特征在于，所述获取待预测用户的特征信息之前，还包括：从至少一个数据仓库存储的用户数据中，提取用户的特征信息，生成用户样本集；基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型。3.根据权利要求2所述的预测方法，其特征在于，所述基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型，包括：按照预设的比例将所述用户样本集划分为训练样本集和测试样本集；对所述训练样本集中的全部或者部分样本分别采用所述T个不同的机器学习算法进行训练建模，得到T个第一预测模型；使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型。4.根据权利要求3所述的预测方法，其特征在于，所述按照预设的比例将所述用户样本集划分为训练样本集和测试样本集，包括：对所述用户样本集中的数据进行预处理，所述预处理包括：数据转换、数据过滤、数据标准化和数据属性规约；按照预设的比例将预处理后的所述用户样本集划分为训练样本集和测试样本集。5.根据权利要求4所述的预测方法，其特征在于，所述使用所述测试样本集对所述T个第一预测...

【专利技术属性】
技术研发人员：崔羽飞，张第，魏进武，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京,11