一种基于深度神经网络的多因素嵌入个性化套餐推荐方法技术

本发明专利技术涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，具体包括：首先数据采集并进行预处理；利用全连接层提取用户自然属性特征表示；其次，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将两者拼接，作为用户特征表示；利用全连接层提取套餐属性特征表示；将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。本发明专利技术基于深度神经网络实现多因素嵌入个性化套餐推荐方法，有利于运营商面向用户进行针对性的套餐推荐，从而有利于扩大市场规模，推广5G业务。

A multi factor embedded personalized package recommendation method based on deep neural network

【技术实现步骤摘要】
一种基于深度神经网络的多因素嵌入个性化套餐推荐方法
本专利技术涉及推荐系统
，尤其涉及一种基于深度神经网络的多因素嵌入个性化套餐推荐方法。
技术介绍
近年来，随着移动服务使用量和用户数量的迅猛增加，电信运营商之间的客户之争也愈演烈。为了吸引用户，电信运营商发布了丰富的套餐以满足多元化的用户需求。对运营商来说，如何把套餐快速而有效地推销给真正需求的用户是一件具有挑战性的工作。用户办理套餐受多种因素影响，如：用户的收入情况、消费习惯、通话行为、流量使用行为、话费使用行为等，如何利用这些复杂的因素给套餐推荐带来了很大的挑战。现有的数据驱动套餐推荐方法可分为两类：第一类，基于用户行为的套餐推荐方法，此类方法依赖用户与用户、套餐与套餐之间的相似性，向用户推荐具有相似行为的其他用户所办理的套餐，或者与用户办理过套餐相似的套餐。此类方法忽略用户和套餐的属性，通常不能提供有效的推荐。第二类，基于内容的套餐推荐方法，通常根据用户办理套餐的属性(如：价格、通话时长、流量、短信等)挖掘用户偏好，进而推荐符合用户偏好的套餐。然而，此类方法忽略了用户自身的本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于，包括数据采集和预处理、模型训练、套餐推荐三个阶段，具体如下：/n(1)数据采集和预处理阶段：采集套餐属性，相关的用户自然属性、通话行为数据、流量使用行为数据、话费使用行为数据和套餐办理记录，并进行预处理；/n(2)模型训练阶段：利用全连接层提取用户自然属性特征表示，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将用户自然属性特征表示和用户通话、流量使用和话费使用行为时序特征表示拼接，作为用户特征表示；并利用全连接层提取套餐属性特征表示，将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率...

【技术特征摘要】
1.一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于，包括数据采集和预处理、模型训练、套餐推荐三个阶段，具体如下：
(1)数据采集和预处理阶段：采集套餐属性，相关的用户自然属性、通话行为数据、流量使用行为数据、话费使用行为数据和套餐办理记录，并进行预处理；
(2)模型训练阶段：利用全连接层提取用户自然属性特征表示，利用LSTM网络提取用户通话、流量使用和话费使用行为时序特征表示，将用户自然属性特征表示和用户通话、流量使用和话费使用行为时序特征表示拼接，作为用户特征表示；并利用全连接层提取套餐属性特征表示，将用户特征表示和套餐特征表示拼接后送入全连接网络，预测用户办理套餐的概率；
(3)套餐推荐阶段：计算目标用户办理所有套餐的概率，选取M个办理概率最高的套餐，作为该用户的套餐推荐列表。


2.根据权利要求1所述的一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于：所述的数据采集和预处理阶段具体为：
(1.1)采集相关的套餐属性，包括：套餐价格、补贴金额、月承诺消费额、预存话费送话费标识、预存话费送实物标识、通话时长、短信、普通流量和定向流量；
(1.2)对套餐属性进行编码得到套餐属性编码l；
(1.3)采集相关的用户自然属性，包括：性别、年龄、入网时长、客户星级、是否使用融合套餐、是否为亲情网用户、家庭人数、使用终端价格、同客户下CDMA个数和App使用偏好；
(1.4)对用户自然属性进行编码得到用户自然属性编码v；
(1.5)采集相关的用户通话行为数据、流量使用行为数据和话费使用行为数据，并进行缺失值补全和异常值消除处理；其中，用户通话行为数据包括日呼出次数、日呼出时长、日呼入次数和日呼入时长；流量使用行为数据包括日流量使用次数、日流量使用时长、日上行流量和日下行流量；话费使用行为数据包括月话费总金额、月额外语音费用、月额外流量费用、月额外短信费用；
(1.6)根据缺失值补全和异常值消除后的用户通话和流量使用行为数据，构建时间间隔为1天，跨度为T天的通话行为时序ξcall和流量使用行为时序ξdata，并进行粒度为g的粗化处理和归一化处理；构建时间间隔为1个月，跨度为p个月的话费使用行为时序ξcost，并进行归一化处理；
(1.7)采集用户的套餐办理记录；其中套餐办理记录以三元组<u，c，t>的形式表示，其中，u为用户id，c为套餐id，t为用户u办理套餐c的日期。


3.根据权利要求2所述的一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于：所述步骤(1.2)中，得到套餐属性编码l的方法为：
(1.2.1)对于离散属性直接进行独热编码；
(1.2.2)对于连续属性进行最大最小归一化处理，使处理后的属性值归一化到[0，1]的范围，x为原始属性值，xmax为该数属性的最大值，xmin为该属性的最小值，公式如下：



(1.2.3)将所有套餐属性的编码拼接后得到套餐属性编码l。


4.根据权利要求2所述的一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于：所述步骤(1.4)中，得到用户自然属性编码v的方法如下：
(1.4.1)对于离散属性直接进行独热编码；
(1.4.2)对于除年龄外的连续属性通过等频分箱划分为5个区间再进行独热编码；
(1.4.3)对于年龄属性，将年龄划分为8个区间，再进行独热编码；其中8个区间分别为16岁以下、16至21岁、22至27岁、28至33岁、34至39岁、40至45岁，46至51岁和51岁以上；
(1.4.4)将所有用户自然属性的独热编码拼接后得到用户自然属性编码v。


5.根据权利要求2所述的一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于：所述步骤(1.5)中，对用户通话、流量使用和话费使用行为数据进行缺失值和异常值检测，并使用线性插值的方法对缺失值和异常值进行填充。


6.根据权利要求2所述的一种基于深度神经网络的多因素嵌入个性化套餐推荐方法，其特征在于：所述步骤(1.6)中，粗化和归一化处理的具体步骤为：
(1.6.1)对每个序列进行零均值归一化处理，使处理后的数据归一化到[0，1]的范围，公式如下：



其中，x为原始数值，μ为该数值所在序列的均值，σ为该数值所在序列的标准差；
(1.6.2)将时间跨度为T天的行为序列每g天计算平均值，将原始步长为T的序列粗化至步长为T/g；由于话费使用行为时序ξcost的时间跨度为1个月，不需要对其进行粗化。


7.根据权利要求1所述的一种基于深度神经网络的多因素...

【专利技术属性】
技术研发人员：王敬昌，陈岭，陈纬奇，郑羽，杨乐，周飞，
申请(专利权)人：浙江鸿程计算机系统有限公司，
类型：发明
国别省市：浙江;33