一种电信套餐推荐方法、装置、存储介质和设备制造方法及图纸

本发明专利技术涉及一种电信套餐推荐方法，包括以下步骤：确定用户的用户特征向量和套餐库中每一个套餐的套餐特征向量；将每一个所述套餐特征向量和所述用户特征向量进行连接后，输入至因子分解机模型中得到隐向量矩阵；将所述隐向量矩阵输入至已训练的多层感知机模型中，得到用户订购每一个所述套餐的概率，并根据所述概率，确定所述用户的套餐推荐列表。本发明专利技术可以学习到用户和套餐的深层次特征，且提升为用户推荐套餐的准确率。本发明专利技术还涉及一种电信套餐推荐装置、存储介质和设备。

A recommended method, device, storage medium and device for telecommunication package

【技术实现步骤摘要】
一种电信套餐推荐方法、装置、存储介质和设备
本专利技术涉及机器学习
，尤其涉及一种电信套餐推荐方法、装置、存储介质和设备。
技术介绍
随着通信技术的发展和用户需求的不断提升，电信套餐的目标市场划分日益细致，套餐设计越显多样化和多角度，种类功能也愈加齐全丰富。但是，套餐的数量并没能带来与之相匹配的市场优势，套餐数量繁多臃肿、信息庞大，给电信运营商带来管理和营销困难的同时，用户也难以选择最适合自己的套餐。因此，如何为客户提供适合的套餐是目前亟需解决的问题。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种电信套餐推荐方法、装置、存储介质和设备。本专利技术解决上述技术问题的技术方案如下：一种电信套餐推荐方法，包括以下步骤：确定用户的用户特征向量和套餐库中每一个套餐的套餐特征向量；将每一个所述套餐特征向量和所述用户特征向量进行连接后，输入至因子分解机模型中得到隐向量矩阵；将所述隐向量矩阵输入至已训练的多层感知机模型中，得到用户订购每一个所述套餐的概率，并根据所述概率，确定本文档来自技高网...

【技术保护点】
1.一种电信套餐推荐方法，其特征在于，包括以下步骤：/n确定用户的用户特征向量和套餐库中每一个套餐的套餐特征向量；/n将每一个所述套餐特征向量和所述用户特征向量进行连接后，输入至因子分解机模型中得到隐向量矩阵；/n将所述隐向量矩阵输入至已训练的多层感知机模型中，得到用户订购每一个所述套餐的概率，并根据所述概率，确定所述用户的套餐推荐列表。/n

【技术特征摘要】
1.一种电信套餐推荐方法，其特征在于，包括以下步骤：
确定用户的用户特征向量和套餐库中每一个套餐的套餐特征向量；
将每一个所述套餐特征向量和所述用户特征向量进行连接后，输入至因子分解机模型中得到隐向量矩阵；
将所述隐向量矩阵输入至已训练的多层感知机模型中，得到用户订购每一个所述套餐的概率，并根据所述概率，确定所述用户的套餐推荐列表。


2.根据权利要求1所述的电信套餐推荐方法，其特征在于，所述确定用户的用户特征向量，具体包括以下步骤：
从数据库中提取所述用户的所有用户字段并进行预处理，所述预处理包括计算每一个所述用户字段的缺失率，去除缺失率高于预设缺失率的所述用户字段；
判断所述用户字段的类型，若所述用户字段是序列型，则对所述用户字段进行One-hot处理，若所述用户字段是数值型，则对所述用户字段进行归一化处理；
将所有所述用户字段输入最佳XGBoost模型中，得到所有所述用户字段的特征重要性排序，其中所述最佳XGBoost模型是通过对XGBoost算法训练得到的；
将所述特征重要性排序中排名大于预设名次的所述用户字段进行连接，得到所述用户特征向量。


3.根据权利要求1所述的电信套餐推荐方法，其特征在于，所述确定套餐库中的每一个套餐的套餐特征向量，具体包括以下步骤：
获取用来区分套餐的所有套餐字段；
将每一个所述套餐字段对应的值进行统一量纲处理，得到所述套餐字段的特征值；
将所有所述套餐字段的值按照升序排序，得到升序套餐字段队列；
将所述升序套餐字段队列中每一个所述套餐字段对应的特征值按照与所述套餐字段队列反向顺序进行排列，得到反向特征值队列；
将所述升序套餐字段队列中的每一个所述套餐字段和对应序号的所述反向特征值队列中的每一个特征值连接，得到所述套餐特征向量。


4.根据权利要求3所述的电信套餐推荐方法，其特征在于，所述将每一个所述套餐字段进行统一量纲处理，具体包括以下步骤：
将所述套餐字段对应的值划分为q个区间，其中第p个区间左右的端点值分别为ap和bp，若所述套餐字段对应的值x在所述第p个区间，则变量cp＝1，若所述x未在所述第p个区间，则变量cp＝0；
根据公式得到所述套餐字段的特征值y...

【专利技术属性】
技术研发人员：王科，
申请(专利权)人：北京思特奇信息技术股份有限公司，
类型：发明
国别省市：北京;11