预测用户离网方法及系统技术方案

本发明专利技术公开了一种预测用户离网方法及系统。该预测用户离网方法包括：获取当前在网用户的特征数据；根据所述当前在网用户的特征数据和预设的当前行动网络模型，生成当前预测结果，所述当前预测结果包括用户是否离网的信息；根据所述当前预测结果和所述当前在网用户的实际离网数据，生成当前评估数据；根据所述当前评估数据，采用预设优化算法优化所述当前行动网络模型，生成新的行动网络模型。本发明专利技术所提供的预测用户离网方法及系统，实现了对当前行动网络模型(用户离网预测模型)的预测结果的监控和反馈，增强了当前行动网络模型的修正能力，提高了当前行动网络模型的预测准确率。

【技术实现步骤摘要】
预测用户离网方法及系统
本专利技术涉及通信
，特别涉及一种预测用户离网方法及系统。
技术介绍
随着电信行业的发展，用户离网率成为运营商经营分析的一项重要指标，运营商通过及时、有效地预测用户是否离网，从而可以提前获得预警信息，并及时为可能离网的用户提供有针对性的优化解决方案。因此，该预测用户离网的技术是运营商存量用户经营的重要手段，能够有效的增强用户粘性，降低用户离网率。目前针对用户离网的预测，主要技术为通过机器学习、分类的算法训练用户离网预测模型。但现有的用户离网预测方法，缺少对用户离网模型的预测结果的监控和反馈，从而导致用户离网预测模型的修正能力较弱，用户离网预测模型的准确率不高。
技术实现思路
本专利技术旨在至少解决上述现有技术中存在的技术问题之一，提供一种预测用户离网方法及系统，能够实现对用户离网预测模型的预测结果的监控和反馈，增强用户离网预测模型的修正能力，提高用户离网预测模型的预测准确率。为实现上述目的，本专利技术提供一种预测用户离网方法，该预测用户离网方法包括：获取当前在网用户的特征数据；根据所述当前在网用户的特征数据和预设的当前行动网络模型，生成当前预测结果，所述当前本文档来自技高网...

【技术保护点】
1.一种预测用户离网方法，其特征在于，包括：获取当前在网用户的特征数据；根据所述当前在网用户的特征数据和预设的当前行动网络模型，生成当前预测结果，所述当前预测结果包括用户是否离网的信息；根据所述当前预测结果和所述当前在网用户的实际离网数据，生成当前评估数据；根据所述当前评估数据，采用预设优化算法优化所述当前行动网络模型，生成新的行动网络模型。

【技术特征摘要】
1.一种预测用户离网方法，其特征在于，包括：获取当前在网用户的特征数据；根据所述当前在网用户的特征数据和预设的当前行动网络模型，生成当前预测结果，所述当前预测结果包括用户是否离网的信息；根据所述当前预测结果和所述当前在网用户的实际离网数据，生成当前评估数据；根据所述当前评估数据，采用预设优化算法优化所述当前行动网络模型，生成新的行动网络模型。2.根据权利要求1所述的预测用户离网方法，其特征在于，当前在网用户的特征数据包括：套餐信息、终端类型、平均收入值、平均每月上网流量、平均每月通话时间和位置变更信息；根据所述当前在网用户的特征数据和预设的当前行动网络模型，生成当前预测结果包括：根据所述当前在网用户的套餐信息、终端类型、平均收入值、平均每月上网流量、平均每月通话时间、位置变更信息和预设的当前行动网络模型，生成当前预测结果。3.根据权利要求1或2所述的预测用户离网方法，其特征在于，预设的当前行动网络模型包括基于卷积神经网络算法的模型或者基于循环神经网络算法的模型。4.根据权利要求1所述的预测用户离网方法，其特征在于，所述方法还包括：获取当前已离网用户的特征数据；将当前已离网用户的特征数据和当前在网用户的特征数据作为输入变量，采用卷积神经网络算法或者循环神经网络算法进行训练，得到所述当前行动网络模型，所述当前行动网络模型的输出变量为用于确定用户是否离网的变量。5.根据权利要求1所述的预测用户离网方法，其特征在于，所述根据所述当前预测结果和所述当前在网用户的实际离网数据，生成当前评估数据包括：将所述当前预测结果和所述当前在网用户的实际离网数据进行比对，生成当前评估数据，所述当前评估数据包括预测错误的当前在网用户的特征数据和预测错误的当前在网用户...

【专利技术属性】
技术研发人员：刘馨靖，
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