一种信息推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种信息推荐方法、装置、电子设备及存储介质，该方法包括：获取多个用户的用户数据和多个待推荐宽带产品的宽带信息；对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据；将第一类型数据、第二类型数据、第三类型数据依次输入到第一预测模型、第二预测模型、第三预测模型；基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度；向异网宽带用户的用户标识对应的用户终端发送目标宽带产品的相关信息。从而为异网宽带用户推荐的宽带产品的准确率较高。产品的准确率较高。产品的准确率较高。

【技术实现步骤摘要】
一种信息推荐方法、装置、电子设备及存储介质


[0001]本申请涉及信息推荐
，特别是涉及一种信息推荐方法、装置、电子设备及存储介质。

技术介绍

[0002]进入全业务运营以来，宽带成为各大运营商争夺市场份额的焦点。因此，如何实现精准预测异网宽带用户及其偏好产品，并进行宽带业务转网精准营销，从而提升市场占有率，成为运营商的重点研究方向。
[0003]相关技术中，宽带产品推荐主要参考电商商品的推荐算法，而忽略了宽带产品的内部属性特征，往往存在推荐不准确的问题。

技术实现思路

[0004]为解决上述技术问题，本申请示出了一种信息推荐方法、装置、电子设备及存储介质。
[0005]第一方面，本申请实施例提供了一种信息推荐方法，所述方法包括：
[0006]获取多个用户的用户数据和多个待推荐宽带产品的宽带信息，所述多个用户为注册移动业务但未注册宽带业务的用户，所述宽带信息包括宽带价格信息、宽带速率信息和宽带权益信息；
[0007]对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据，所述第一类型数据为与宽带价格相关的数据，所述第二类型数据为与宽带速率相关的数据，所述第三类型数据为与宽带权益相关的数据；
[0008]将所述第一类型数据输入到第一预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带价格偏好信息；将所述第二类型数据输入到第二预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带速率偏好信息；将所述第三类型数据输入到第三预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带权益偏好信息；
[0009]基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度；
[0010]对于每个异网宽带用户，向该异网宽带用户的用户标识对应的用户终端发送目标宽带产品的相关信息，所述目标宽带产品为匹配度大于预设匹配度的宽带产品。
[0011]可选的，所述用户数据包括：个人特征信息、业务特征信息、终端偏好信息、应用程序偏好信息和网页访问信息；
[0012]所述对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据，包括：
[0013]对于每个用户的用户数据进行预处理和特征降维，得到第一类型数据、第二类型
数据和第三类型数据。
[0014]可选的，所述第一预测模型包括第一分类器和第二分类器，第一分类器和第二分类器组成分类器链，在训练所述第一分类器时，将样本用户的第一类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第二分类器时，将所述样本用户的第一类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带价格偏好信息作为标签；
[0015]所述第二预测模型包括第三分类器和第四分类器，第三分类器和第四分类器组成分类器链，在训练所述第三分类器时，将样本用户的第二类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第四分类器时，将所述样本用户的第二类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带速率偏好信息作为标签；
[0016]所述第三预测模型包括第五分类器和第六分类器，第五分类器和第六分类器组成分类器链，在训练所述第五分类器时，将样本用户的第三类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第六分类器时，将所述样本用户的第二类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带权益偏好信息作为标签。
[0017]可选的，所述方法还包括：
[0018]获取所述第一预测模型对应的第一召回率和第一准确率，基于所述第一召回率和所述第一准确率确定所述第一预测模型对应的评估指标；
[0019]获取所述第二预测模型对应的第二召回率和第二准确率，基于第二召回率和第一准确率确定所述第二预测模型对应的评估指标；
[0020]获取所述第三预测模型对应的第三召回率和第三准确率，基于第三召回率和第三准确率确定所述第三预测模型对应的评估指标。
[0021]可选的，所述基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度，包括：
[0022]确定目标异网宽带用户的目标用户标识，所述目标用户标识为基于所述第一预测模型所得到的异网宽带用户的用户标识，基于所述第二预测模型所得到的异网宽带用户的用户标识，以及，基于所述第三预测模型所得到的异网宽带用户的用户标识的交集；
[0023]对于每一目标用户标识，基于该目标用户标识对应的宽带价格偏好信息、宽带速率偏好信息以及宽带权益偏好信息，与各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，通过预先确定的加权求和公式，计算该目标用户标识对应的目标异网宽带用户与各个待推荐宽带产品的匹配度。
[0024]可选的，所述方法还包括：
[0025]获取所述目标异网宽带用户针对所述目标宽带产品的宽带业务交易信息。
[0026]第二方面，本申请实施例提供了一种信息推荐装置，所述装置包括：
[0027]信息获取模块，用于获取多个用户的用户数据和多个待推荐宽带产品的宽带信息，所述多个用户为注册移动业务但未注册宽带业务的用户，所述宽带信息包括宽带价格信息、宽带速率信息和宽带权益信息；
[0028]数据处理模块，用于对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据，所述第一类型数据为与宽带价格相关的数据，所述第二类型数据为与宽带速率相关的数据，所述第三类型数据为与宽带权益相关的数据；
[0029]信息预测模块，用于将所述第一类型数据输入到第一预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带价格偏好信息；将所述第二类型数据输入到第二预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带速率偏好信息；将所述第三类型数据输入到第三预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带权益偏好信息；
[0030]匹配度确定模块，用于基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度；
[0031]信息发送模块，用于对于每个异网宽带用户，向该异网宽带用户的用户标识对应的用户终端发送目标宽带产品的相关信息，所述目标宽带产品为匹配度大于预设匹配度的宽带产品。
[0032]可选的，所述用户数据包括：个人特征信息、业务特征信息、终端偏好信息、应用程序偏好信息和网页访问信息；
[0033]所述数据处理模块，具体用于：
[0034]对于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，所述方法包括：获取多个用户的用户数据和多个待推荐宽带产品的宽带信息，所述多个用户为注册移动业务但未注册宽带业务的用户，所述宽带信息包括宽带价格信息、宽带速率信息和宽带权益信息；对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据，所述第一类型数据为与宽带价格相关的数据，所述第二类型数据为与宽带速率相关的数据，所述第三类型数据为与宽带权益相关的数据；将所述第一类型数据输入到第一预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带价格偏好信息；将所述第二类型数据输入到第二预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带速率偏好信息；将所述第三类型数据输入到第三预测模型，得到异网宽带用户的用户标识以及各个异网宽带用户对应的宽带权益偏好信息；基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度；对于每个异网宽带用户，向该异网宽带用户的用户标识对应的用户终端发送目标宽带产品的相关信息，所述目标宽带产品为匹配度大于预设匹配度的宽带产品。2.根据权利要求1所述的方法，其特征在于，所述用户数据包括：个人特征信息、业务特征信息、终端偏好信息、应用程序偏好信息和网页访问信息；所述对每个用户的用户数据进行处理，得到第一类型数据、第二类型数据和第三类型数据，包括：对于每个用户的用户数据进行预处理和特征降维，得到第一类型数据、第二类型数据和第三类型数据。3.根据权利要求1或2所述的方法，其特征在于，所述第一预测模型包括第一分类器和第二分类器，第一分类器和第二分类器组成分类器链，在训练所述第一分类器时，将样本用户的第一类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第二分类器时，将所述样本用户的第一类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带价格偏好信息作为标签；所述第二预测模型包括第三分类器和第四分类器，第三分类器和第四分类器组成分类器链，在训练所述第三分类器时，将样本用户的第二类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第四分类器时，将所述样本用户的第二类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带速率偏好信息作为标签；所述第三预测模型包括第五分类器和第六分类器，第五分类器和第六分类器组成分类器链，在训练所述第五分类器时，将样本用户的第三类数据型作为输入，异网宽带用户的用户标识作为标签，在训练所述第六分类器时，将所述样本用户的第二类型数据和异网宽带用户的用户标识作为输入，样本用户的宽带权益偏好信息作为标签。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述第一预测模型对应的第一召回率和第一准确率，基于所述第一召回率和所述第一准确率确定所述第一预测模型对应的评估指标；
获取所述第二预测模型对应的第二召回率和第二准确率，基于第二召回率和第一准确率确定所述第二预测模型对应的评估指标；获取所述第三预测模型对应的第三召回率和第三准确率，基于第三召回率和第三准确率确定所述第三预测模型对应的评估指标。5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于各个异网宽带用户对应的宽带价格偏好信息、宽带速率偏好信息和宽带权益偏好信息，以及各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，计算各个异网宽带用户与各个待推荐宽带产品的匹配度，包括：确定目标异网宽带用户的目标用户标识，所述目标用户标识为基于所述第一预测模型所得到的异网宽带用户的用户标识，基于所述第二预测模型所得到的异网宽带用户的用户标识，以及，基于所述第三预测模型所得到的异网宽带用户的用户标识的交集；对于每一目标用户标识，基于该目标用户标识对应的宽带价格偏好信息、宽带速率偏好信息以及宽带权益偏好信息，与各个待推荐宽带产品的宽带价格信息、宽带速率信息和宽带权益信息，通过预先确定的加权求和公式，计算该目标用户标识对应的目标异网宽带用户与各个待推荐宽带产品的匹配度。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：获取所述目标异网宽带用户针对所述目标宽带产品的宽带业务交易信息。7.一种信息推荐装置，其特征在于，所述装置包括：信息获取模块，用于获取多个用户的用户数据和多个待推荐宽带产品的宽带信息，所述多个用户为注册移动业务但未注册...

【专利技术属性】
技术研发人员：刘健，魏丫丫，孙立，赵思源，胡滨，杨振涛，张健，仲籽彦，汪利伟，张明哲，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：