一种携号转网潜在用户的预测方法、装置和存储介质制造方法及图纸

一种携号转网潜在用户的预测方法、装置和存储介质，通过获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；将所述特定用户特征输入预测神经网络模型，可以得到包含用户的转网概率的预测结果，继而基于本次预测得到的预测结果，确定用户的携号转网倾向，并确定用户中的携号转网潜在用户。本发明专利技术采用的是已经训练的且最近一次的训练时刻与当前时刻的时间差不超过预设时间差阈值的预测神经网络模型，所以该预测神经网络模型的时效性比相关技术中的逻辑回归方案的时效性更强，且预测神经网络模型的数据处理能力更强，并且可以通过不断训练提升预测准确度，所以本发明专利技术中对于用户携号转网倾向的预测准确性也更高。

A prediction method, device and storage medium for potential users of the number carrying transfer network

【技术实现步骤摘要】
一种携号转网潜在用户的预测方法、装置和存储介质
本申请涉及通信
，尤其涉及一种携号转网潜在用户的预测方法、装置和存储介质。
技术介绍
对于网络运营商而言，用户的数量是公司营收和业务发展的重要保证。因此，各大运营商都在提升自身为用户提供的服务质量以增加用户粘度并吸引更多的用户。在实际使用运营商服务时，存在用户放弃当前使用的运营商而选择另一运营商的线上，这种现象为用户转网现象。携号转网数量的增多，必然会造成运营商收益下降，为了提早挽回可能携号转网的用户，需要预测用户携号转网率以便于在用户携号转网前，采取必要的维挽措施。目前电信行业运营商对携号转网用户识别用到的技术多为逻辑回归。逻辑回归技术采用的统计学模型无法实时更新输入特征参数，不能保证模型的实效性和先进性；且该模型数据输入纬度较窄，无法灵活地更新特征值，导致携号转网预测结果的时效性和准确度不高。
技术实现思路
本申请实施例提供一种携号转网潜在用户的预测方法、装置和存储介质，有利于提升对用户的携号转网预测结果的准确性和时效性。本申请实施例第一方面提供一种携号转网潜在用户的预测方法，该预测方法包括：获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；将所述特定用户特征输入预测神经网络模型，得到包含所述用户的转网概率的预测结果，其中，所述预测神经网络模型为已基于训练数据进行了训练的模型，所述训练数据为基于所述目标网络的已转网用户的所述特定用户特征形成的数据，且所述预测神经网络模型最近一次的训练时刻与所述当前时刻的时间差不超过预设时间差阈值；基于本次预测得到的所述预测结果，确定所述用户的携号转网倾向，并确定所述用户中的携号转网潜在用户。本申请实施例第二方面提供一种携号转网潜在用户的预测装置，该预测装置包括：获取模块，用于获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；预测模块，用于将所述特定用户特征输入预测神经网络模型，得到包含所述用户的转网概率的预测结果，其中，所述预测神经网络模型为已基于训练数据进行了训练的模型，所述训练数据为基于所述目标网络的已转网用户的所述特定用户特征形成的数据，且所述预测神经网络模型最近一次的训练时刻与所述当前时刻的时间差不超过预设时间差阈值；分析模块，用于基于本次预测得到的所述预测结果，确定所述用户的携号转网倾向，并确定所述用户中的携号转网潜在用户。本申请实施例第三方面提供一种携号转网潜在用户的预测装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本申请实施例第一方面提供的方法的步骤。本申请实施例第四方面提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现本申请实施例第一方面提供的方法的步骤。本申请实施例提供了一种用户携号转网的预测方法、装置和存储介质，通过获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；将所述特定用户特征输入预测神经网络模型，可以得到包含用户的转网概率的预测结果，继而基于本次预测得到的预测结果，确定用户的携号转网倾向以及确定携号转网潜在用户。本申请实施例中采用的是已经训练的且最近一次的训练时刻与当前时刻的时间差不超过预设时间差阈值的预测神经网络模型，所以该预测神经网络模型的时效性比相关技术中的逻辑回归方案的时效性更强，且预测神经网络模型的数据处理能力更强，并且可以通过不断训练提升预测准确度，所以本申请中对于携号转网潜在用户的预测准确性也更高。附图说明图1为本申请提供的一种电子装置的硬件结构示意图；图2为本申请第一实施例提供的携号转网潜在用户的预测方法的流程示意图；图3为本申请图2中的步骤201的细化步骤的示意图；图4为本申请图2中的步骤203的细化步骤的示意图；图5为本申请第一实施例中，BP神经网络的一种可选的结构示意图；图6为本申请第二实施例提供的一种携号转网潜在用户的预测装置的结构示意图；图7为本申请第二实施例提供的另一种携号转网潜在用户的预测装置的结构示意图。具体实施方式为使得本申请的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。参照图1，图1示出了一种电子装置的结构框图。本专利技术实施例提供的携号转网潜在用户的预测方法可应用于如图1所示的电子装置10中，电子装置10包括但不限于：移动终端如智能手机、笔记本及穿戴智能设备等，固定终端如台式电脑及智能电视，以及服务器等等。如图1所示，电子装置10包括存储器101、存储控制器102，一个或多个(图中仅示出一个)处理器103、外设接口104及触控屏幕105。这些组件通过一条或多条通讯总线/信号线106相互通讯。可以理解，图1所示的结构仅为示意，其并不对电子装置的结构造成限定。电子装置10还可包括比图1所示更多或者更少的组件，或者具有与图1所示不同的配置。图1所示的各组件可以采用硬件、软件或其组合实现。存储器101可用于存储软件程序以及模块，如本专利技术实施例中的携号转网潜在用户的预测方法及电子装置对应的程序指令/模块，处理器103通过运行存储在存储器101内的软件程序以及模块，从而执行各种功能应用以及数据处理，例如实现上述的携号转网潜在用户的预测方法。存储器101可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器101可进一步包括相对于处理器103远程设置的存储器，这些远程存储器可以通过网络连接至电子装置10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。处理器103以及其他可能的组件对存储器101的访问可在存储控制器102的控制下进行。外设接口104将各种输入/输入装置耦合至CPU以及存储器101。处理器103运行存储器101内的各种软件、指令以执行电子装置10的各种功能以及进行数据处理。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。触控屏幕105在电子装置与用户之间同时提供一个输出及输入界面。具体地，触控屏幕105向用户显示视频输出，这些视频输出的内容可包括文字、图形、视频、及其任意组合。触控屏幕105的一些输出结果是对应于一些用户界面对象。触控屏幕105还接收用户的输入，例如用户的点击、滑动等手势操作，以便用户界面对象对这些用户的输入做出响应。检测用户输入的技术可以是基于电阻式、电容式或者其他任意可能的触控检测技术。触控屏幕105显示单元的具体实例包括但并不限于液晶显本文档来自技高网...

【技术保护点】
1.一种携号转网潜在用户的预测方法，其特征在于，包括：/n获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；/n将所述特定用户特征输入预测神经网络模型，得到包含所述用户的转网概率的预测结果，其中，所述预测神经网络模型为已基于训练数据进行了训练的模型，所述训练数据为基于所述目标网络的已转网用户的所述特定用户特征形成的数据，且所述预测神经网络模型最近一次的训练时刻与所述当前时刻的时间差不超过预设时间差阈值；/n基于本次预测得到的所述预测结果，确定所述用户的携号转网倾向，并确定所述用户中的携号转网潜在用户。/n

【技术特征摘要】
1.一种携号转网潜在用户的预测方法，其特征在于，包括：
获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征；
将所述特定用户特征输入预测神经网络模型，得到包含所述用户的转网概率的预测结果，其中，所述预测神经网络模型为已基于训练数据进行了训练的模型，所述训练数据为基于所述目标网络的已转网用户的所述特定用户特征形成的数据，且所述预测神经网络模型最近一次的训练时刻与所述当前时刻的时间差不超过预设时间差阈值；
基于本次预测得到的所述预测结果，确定所述用户的携号转网倾向，并确定所述用户中的携号转网潜在用户。


2.根据权利要求1所述的携号转网潜在用户的预测方法，其特征在于，所述获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征包括：
通过所述目标网络的用户大数据平台的接口，向所述用户大数据平台发送特定用户特征获取指令，其中，所述预测神经网络模型设置在所述用户大数据平台上；
接收所述用户大数据平台通过所述接口发送的，响应于所述特定用户特征获取指令的反馈数据，其中，所述反馈数据中包含所述目标网络的用户在当前时刻之前的一段时间段内的所述特定用户特征。


3.根据权利要求1所述的携号转网潜在用户的预测方法，其特征在于，所述获取目标网络的用户在当前时刻之前的一段时间段内的若干特定用户特征前，还包括：
获取所述目标网络在预设时长的历史时间段内的已转网用户的用户特征；
将获取的所述用户特征作为训练数据输入预设的树模型，得到所述树模型输出的各所述用户特征的特征重要性；
基于所述特征重要性从所述用户特征中选择若干数量的特征作为所述特定用户特征。


4.根据权利要求1所述的携号转网潜在用户的预测方法，其特征在于，所述基于本次预测得到的所述预测结果，确定所述用户的携号转网倾向，并确定所述用户中的携号转网潜在用户包括：
确定在本次预测得到的所述预测结果中，所述转网概率高于预设第一概率阈值的第一用户，确定所述第一用户具有携号转网倾向且所述携号转网倾向的程度最高，确定所述第一用户为携号转网潜在用户；
若在本次预测得到的所述预测结果中，存在所述转网概率高于预设第二概率阈值且不高于所述预设第一概率阈值的第二用户，则从本次之前的若干历史预测结果中，获取所述第二用户的历史转网概率；
基于所述历史转网概率以及本次预测的转网概率确定所述第二用户的转网概率的变化情况，...

【专利技术属性】
技术研发人员：王敏，程涛木，陈鑫，王可锋，刘怡，吴艾伦，王京辉，
申请(专利权)人：深圳市博瑞得科技有限公司，
类型：发明
国别省市：广东;44