【技术实现步骤摘要】
业务推荐方法、装置及设备
本专利技术实施例涉及机器学习
，具体涉及一种业务推荐方法、装置和设备。
技术介绍
在移动通信领域，运营商通常运用分类、聚类等数据分析的方法，对运营商系统内的历史数据进行分析，实现对客户的特征化群体的细分，从而把握了用户的真正需求，帮助运营商进行有效的市场营销和客户服务。目前经常用到的分析方法有：分类算法，根据事物的特征和属性，将事物划分到已有的类别中。在移动通信行业，通常应用分类算法来识别潜在的客户群。比如说，使用决策树模型来识别2/3G客户是否可以迁转为4G客户，首先选取使用2/3G网络的客户，然后判断这些客户是否使用4G终端，由此将客户分为2个节点，再判断使用4G终端的客户的流量使用情况，这样一层层往下细分，直到确定可以迁转为4G网络的2/3G客户，运营商可以对这部分潜在客户群进行4G流量资费套餐推荐。聚类分析，根据事物彼此之间不同的属性进行区分，将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。在移动通信行业，应用聚类分析对移动运营商的客户进行细分，...
【技术保护点】
1.一种业务推荐方法，其特征在于，包括：/n获取目标用户的业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵；/n根据所述业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵，通过神经网络生成业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵；/n根据所述业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵进行业务推荐。/n
【技术特征摘要】
1.一种业务推荐方法，其特征在于，包括：
获取目标用户的业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵；
根据所述业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵，通过神经网络生成业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵；
根据所述业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵进行业务推荐。
2.如权利要求1所述的业务推荐方法，其特征在于，所述获取目标用户的用户通话关系邻接矩阵，具体为：
获取与目标用户有通话关系的其他用户；
获取目标用户和与其有通话关系的其他用户的订购业务内容；
通过余弦相似度函数计算所述目标用户的订购业务内容和与其有通话关系的其他用户的订购业务内容的相似度；
根据所述相似度生成用户通话关系邻接矩阵。
3.如权利要求1或2所述的业务推荐方法，其特征在于，所述神经网络为栈式降噪自编码神经网络。
4.如权利要求3所述的业务推荐方法，其特征在于，所述根据所述业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵，通过神经网络生成业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵，具体为：
所述栈式降噪自编码神经网络生成满足矩阵高斯分布的通话关系隐因子特征向量cj：
其中j表示j列，表示克罗内克积，表示拉普拉斯矩阵，IK为单位矩阵，λI为超参数；
所述栈式降噪自编码神经网络对所述业务内容矩阵进行编码，得到业务j的业务隐因子特征向量vj：
其中j表示业务j，IK为单位矩阵，为超参数，为噪声数据；
所述栈式降噪自编码神经网络对目标用户生成用户隐因子特征向量ui：
i为第i个用户，IK为单位矩阵，为超参数；
根据所述通话关系隐因子特征向量cj，生成通话关系隐因子特征矩阵
根据所述业务隐因子特征向量vj，生成业务隐因子特征矩阵
根据所述用户隐因子特征向量ui，生成用户隐因子特征矩阵
5.如权利要求4所述的业务推荐方法，其特征在于，根据所述业务内容矩阵、用户评分矩阵和用户通话关系邻接矩阵，通过神经网络生成业务隐因子特征矩阵、用户隐因子特征矩阵和通话关系隐因子特征矩阵，之后进一步包括：
针对用户业务对(i,j)生成评分Ri1：
其中Ki1为置信参数，用来衡量目标用户i对业务j的评分可信度读，如果Ri1＝1，则Ki1＝a，Ri1＝0，则Ki1＝b，a>b>0。
6.如权利要求1或2所述的业务推荐方法，其特征在于，所述神经网络为卷积神经网络。
7.如权利要求1-6任意一项所...
【专利技术属性】
技术研发人员：王子翔，颜海涛，郭慈，
申请(专利权)人：中国移动通信集团湖北有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。