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

本发明专利技术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。

Precise Recommendation Method of Communication User Package Based on Multi-Angle Neural Network Model

The present invention relates to a precise recommendation method of communication user package based on multi-angle neural network model. Firstly, user behavior data and operator package data are collected, data are cleaned and transformed, then data are clustered and analyzed to determine the input vector of deep neural network model. Finally, user and operator package data are calculated based on multi-angle deep neural network model. The similarity of existing packages makes it possible to recommend mobile phone packages precisely for users.

【技术实现步骤摘要】
基于多角度神经网络模型的通信用户套餐精准推荐方法
本专利技术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

技术介绍
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。
技术实现思路
本专利技术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。本专利技术的技术方案是：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。本专利技术的有益效果是：本专利技术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。。本专利技术与现有技术相比，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为本专利技术总流程图。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本文档来自技高网...

【技术保护点】
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

【技术特征摘要】
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，...

【专利技术属性】
技术研发人员：曹春江，龙华，王瑞，
申请(专利权)人：曹春江，龙华，王瑞，
类型：发明
国别省市：云南,53