离网预测关怀方法、装置、设备及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种离网预测关怀方法、装置、设备及计算机可读存储介质，离网预测关怀方法包括：实时获取训练集中训练账户的所有显著特征，根据各所述显著特征对预设的样本训练模型进行训练，以获取预测模型；若存在待测账户，则将所述待测账户输入至所述预测模型进行模型训练，以获取所述待测账户的离网概率和账户类型；根据所述离网概率和所述账户类型确定所述待测账户对应的关怀策略，输出所述关怀策略。本发明专利技术提高了用户离网预测的实用性，降低了用户离网概率。了用户离网概率。了用户离网概率。

【技术实现步骤摘要】
离网预测关怀方法、装置、设备及计算机可读存储介质


[0001]本专利技术涉及通信
，尤其涉及一种离网预测关怀方法、装置、设备以及计算机可读存储介质。

技术介绍

[0002]现有技术对于用户离网的预测采用的方法是：基于用户特征采用机器学习算法构建离网用户识别模型，具体的：以离网用户作为正样本，当前未离网用户作为负样本。首先整合两类用户特定时间段内各种行为特征，将其作为模型输入，用于训练模型。然后将训练好的模型参数保存，针对未知用户调用该模型进行预测，输出相应的离网概率值，最后将该值与预先设定好的概率阈值相比较，确定用户是否为潜在离网用户。然而，上述方法由于将模型参数固化，旧的模型参数无法在线更新，因此不能很好的拟合新产生的样本，从而使得获取到的预测结果的准确实用性较低。

技术实现思路

[0003]本专利技术的主要目的在于提供一种离网预测关怀方法、装置、设备及计算机可读存储介质，旨在解决如何提高用户离网预测的实用性，降低用户离网概率的技术问题。
[0004]为实现上述目的，本专利技术提供一种离网预测关怀方法，包括以下步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离网预测关怀方法，其特征在于，所述离网预测关怀方法包括以下步骤：实时获取训练集中训练账户的所有显著特征，根据各所述显著特征对预设的样本训练模型进行训练，以获取预测模型；若存在待测账户，则将所述待测账户输入至所述预测模型进行模型训练，以获取所述待测账户的离网概率和账户类型；根据所述离网概率和所述账户类型确定所述待测账户对应的关怀策略，输出所述关怀策略。2.如权利要求1所述的离网预测关怀方法，其特征在于，所述实时获取训练集中训练账户的所有显著特征的步骤，包括：基于预设比例实时获取训练集中离网账户的所有第一属性特征和未离网账户的所有第二属性特征，其中所述训练账户包括离网账户和未离网账户；确定各所述第二属性特征和各所述第一属性特征之间的相关度值，检测各所述相关度值中是否存在大于预设相关度值的目标相关度值；若存在目标相关度值，则根据所述目标相关度值对各所述第一属性特征进行筛选，以构建显著特征。3.如权利要求1所述的离网预测关怀方法，其特征在于，所述根据各所述显著特征对预设的样本训练模型进行训练，以获取预测模型的步骤，包括：确定各所述显著特征对应的维度向量，根据各所述维度向量计算各所述显著特征对应的损失梯度函数值；根据各所述损失梯度函数对预设的样本训练模型进行训练，以获取预测模型。4.如权利要求3所述的离网预测关怀方法，其特征在于，所述根据各所述维度向量计算各所述显著特征对应的损失梯度函数值的步骤，包括：遍历各所述维度向量，根据预设的学习率计算公式和遍历的维度向量计算学习率；根据所述学习率对预设的样本训练模型中的特征维度权重进行更新，根据更新后的特征维度权重计算遍历的维度向量对应的损失梯度函数值。5.如权利要求4所述的离网预测关怀方法，其特征在于，所述根据更新后的特征维度权重计算遍历的维度向量对应的损失梯度函数值的步骤，包括：根据预设的激活函数计算更新后的特征维度权重对应的预测概率值；获取所述遍历的维度向量对应的遍历账户的目标类型，根据所述目标类型和所述预测...

【专利技术属性】
技术研发人员：刘章鹏，吴轩，岑伟迪，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：