基于深度学习的推荐算法给用户推荐消费套餐的方法技术

本发明专利技术涉及一种基于深度学习的推荐算法给用户推荐消费套餐的方法，具体包括以下步骤：S1模型训练，收集脱敏后的用户画像数据作为样本数据，用户画像数据中包括用户的基本信息、用户的消费信息以及用户订阅的套餐种类，搭建推荐算法网络模型NFM的深度学习网络并加载训练的参数，形成深度学习预测模型；将用户的数据输入到搭建的模型中，选择出现频率最高的套餐，作为推荐的结果；S2新样本预测，通过深度学习预测模型对输入的用户数据进行计算，选择出现频率最高的套餐，作为最终的预测结果；对比预测结果和用户实际使用的套餐，计算出预测结果的准确率。使用深度学习算法，挖掘出更深层的数据关联性，使得模型的推荐的准确率有更大的提升。更大的提升。

【技术实现步骤摘要】
基于深度学习的推荐算法给用户推荐消费套餐的方法


[0001]本专利技术涉及通信数据处理
，尤其涉及一种基于深度学习的推荐算法给用户推荐消费套餐的方法。

技术介绍

[0002]随着运营商之间的竞争越来越大，为了能留住用户，降低用户的离网率，给用户推荐新的符合用户消费习惯的套餐成了各运营商都需要解决的问题，尤其是随着5G的普及，也随之产生许多新的套餐，部分用户更换了新套餐，大部分用户还在使用老套餐，有的使用的套餐已经无法满足用户的消费情况，在这种情况下，如何从全量的用户中选择出未升级新套餐的用户，并基于用户的个人情况和用户的消费信息，为用户推荐最符合其消费习惯的新套餐。
[0003]预测用户的潜在消费行为的流量套餐升档推荐系统，可以分解为两部分，一部分属于分类问题，判断用户当前流量套餐是否符合用户的消费情况，用户是否有潜在的更换套餐的行为，第二部分属于推荐问题，针对潜在的用户想要更换套餐的用户，根据用户当前的消费要推荐哪种流量套餐最符合用户的消费习惯。
[0004]目前常用的推荐算法主要由以下三种：
>[0005]1、协本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的推荐算法给用户推荐消费套餐的方法，其特征在于，具体包括以下步骤：S1模型训练，具体的处理方法如下：S1
‑
1：收集脱敏后的用户画像数据作为样本数据，用户画像数据中包括用户的基本信息、用户的消费信息以及用户订阅的套餐种类；S1
‑
2：对收集的样本数据进行数据清洗，将不规范的样本数据转换为规整数据；S1
‑
3：从所述步骤S1
‑
2的规整数据中筛选出升级套餐的用户数据，以此用户数据作为训练集；S1
‑
4：搭建推荐算法网络模型NFM的深度学习网络并加载训练的参数，形成深度学习预测模型；S1
‑
5：将用户的数据输入到所述步骤S1
‑
4搭建的模型中，选择出现频率最高的套餐，作为推荐的结果；S2新样本预测，具体的处理方法如下：S2
‑
1：对新的用户数据按照所述步骤S1
‑
1到所述步骤S1
‑
3的处理方法进行数据处理，并去除用户数据中未更换过套餐的用户数据，保留更换了新套餐的用户数据；S2
‑
2：将由所述步骤S2
‑
1中得到的用户数据进行处理，运用嵌入层特性把用户数据稀疏的特征变化成向量，作为所述步骤S1中搭建的深度学习预测模型输入；S2
‑
3：通过深度学习预测模型对输入的用户数据进行计算，选择出现频率最高的套餐，作为最终的预测结果；S2
‑
4：对比预测结果和用户实际使用的套餐，计算出预测结果的准确率。2.根据权利要求1所述的基于深度学习的推荐算法给用户推荐消费套餐的方法，其特征在于，在所述步骤S1
‑
4中，所述推荐算法网络模型NFM具有四层，分别是嵌入层、双作用层、隐藏层和预测层；其中，所述嵌入层对输入的用户数据原始特征进行处理，通过特征变换矩阵，并将特征本身表示成嵌入向量，将特征进行组合；所述双作用层，用于将所述嵌入向量进行两两交叉运算，两个向量对应元素相乘，然后将所有向量进行对应元素求和，由fBI集合归并为一个向量；所述fBI具体公式...

【专利技术属性】
技术研发人员：陈大龙，魏东迎，唐大鹏，
申请(专利权)人：南京华苏科技有限公司，
类型：发明
国别省市：