一种离网预测方法、装置、服务器和存储介质制造方法及图纸

本发明专利技术公开了一种离网预测方法，用于获取移动账号的用户数据，所述用户数据包括个人信息特征、消费行为特征、通话行为特征、投诉次数和/或网速；将所述用户数据输入预先训练好的离网预测模型，得到所述移动账号的离网预测结果；根据所述离网预测结果确定所述移动账号在待测时间点是否会离网。本发明专利技术还公开了一种离网预测装置、服务器和存储介质。本发明专利技术提供一种离网预测方法，通过使用离网预测模型，将用户数据输入模型，得到离网预测结果，实现对移动账号是否会离网的准确预测，提高了离网预测准确率。

An off network prediction method, device, server and storage medium

【技术实现步骤摘要】
一种离网预测方法、装置、服务器和存储介质
本专利技术实施例涉及移动通信领域技术，尤其涉及一种离网预测方法、装置、服务器和存储介质。
技术介绍
在通信领域，客户可以说是运营商收入的主要来源，无论是客户的通信资费还是其产生的数据对运行商都有巨大的经济价值，因此如何得到客户的青睐成为运营商面临的问题。因此如何留住老客户，如何及早的发现客户的离网趋势并且提出挽留客户的各种优惠政策是各大运营商要集中力量解决的问题。此时，离网预测就应运而生，它是指通过用户的各项数据，例如年龄，性别，通话习惯，地理位置，资费情况等提前预测用户是否会离网，如果预测用户将要离网，可提前采取措施挽留用户，将损失最小化。传统的预测方法准确率较低，容易出现预测错误。
技术实现思路
本专利技术提供一种离网预测方法，通过使用离网预测模型，实现对用户离网趋势的准确预测，提高了预测准确率。第一方面，本专利技术实施例提供一种离网预测方法，包括：获取移动账号的用户数据，所述用户数据包括个人信息特征、消费行为特征、通话行为特征、投诉次数和/或网速本文档来自技高网...

【技术保护点】
1.一种离网预测方法，其特征在于，包括：/n获取移动账号的用户数据，所述用户数据包括个人信息特征、消费行为特征、通话行为特征、投诉次数和/或网速；/n将所述用户数据输入预先训练好的离网预测模型，得到所述移动账号的离网预测结果；/n根据所述离网预测结果确定所述移动账号在待测时间点是否会离网。/n

【技术特征摘要】
1.一种离网预测方法，其特征在于，包括：
获取移动账号的用户数据，所述用户数据包括个人信息特征、消费行为特征、通话行为特征、投诉次数和/或网速；
将所述用户数据输入预先训练好的离网预测模型，得到所述移动账号的离网预测结果；
根据所述离网预测结果确定所述移动账号在待测时间点是否会离网。


2.基于权利要求1所述的一种离网预测方法，其特征在于，所述预先训练好的离网预测模型，训练方法包括：
获取历史用户数据，所述历史用户数据包括历史用户的个人信息特征、消费行为特征、通话行为特征、投诉次数和/或网速，所述历史用户数据还包括用户标签，所述用户标签为该历史用户处于离网状态或非离网状态；
使用所述历史用户数据训练一级分类器，生成包括用户标签的训练集；
使用所述包括所述用户标签的训练集训练二级分类器，将训练完成的所述一级分类器和二级分类器作为离网预测模型。


3.基于权利要求2所述的一种离网预测方法，其特征在于，所述使用所述历史用户数据训练一级分类器，生成包括用户标签的训练集，包括：
所述历史用户数据有N行，将所述N行历史用户数据分为K组；
依次选择每一组历史用户数据作为分组验证集，选择另外K-1组作为分组训练集；
使用所述分组训练集建立分组训练模型；
使用所述分组训练模型预测所述分组验证集，得到分组离网预测结果；
重复上一步骤K次，生成K个所述分组离网预测结果，每个所述分组离网预测结果有N/K行；
将所述K个分组离网预测结果合并，生成包括N个用户标签的训练集P。


4.根据权利要求3所述的一种离网预测方法，其特征在于，所述使用所述分组训练集建立分组训练模型，建模方法有四种，分别为朴素贝叶斯分类、决策树、支持向量机和随机森林，则所述使用所述历史用户数据训练一级分类器，生成包括用户标签的训练集，包括：
使用朴素贝叶斯分类建立分组训练模型，生成包括N个用户标签的第一训练子集P1；
使...

【专利技术属性】
技术研发人员：张英乔，向阳，林昀，
申请(专利权)人：北京红山信息科技研究院有限公司，
类型：发明
国别省市：北京;11