转售行为识别模型训练方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种转售行为识别模型训练方法、装置、设备及存储介质，该转售行为识别模型训练方法包括：将已确认流量转售行为的用户清单作为负样本，提取所述负样本中的关键变量；从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；基于所述重要特征变量训练得到转售行为识别模型，其中，所述转售行为识别模型用于识别流量转售行为用户。基于已确认流量转售行为的重要特征变量训练得到转售行为识别模型，能够实现自动识别转售行为，识别结果更加精准，从而节省大量人力物力，大幅缩短现场核查时间，提高识别效率。提高识别效率。提高识别效率。

【技术实现步骤摘要】
转售行为识别模型训练方法、装置、设备及存储介质


[0001]本专利技术涉及通信
，具体涉及一种转售行为识别模型训练方法、装置、设备及存储介质。

技术介绍

[0002]目前，为避免第三方套利或政企业务采用较低折扣冲击大市场正常价格，公司业务通常都不允许再次转售。但是，由于业务特性，“转售套利”与“正常转让”这两套模式在业务系统中所对应的数据没有明显差异，使得投机者的套利手段层出不穷。
[0003]现有方法识别“转售套利”与“正常转让”这两套模式包括以下两种：第一，人海战术，即从单个用户折扣入手，逐个核查；第二，“钓鱼执法”，从疑似卖家处购入业务，反向逐个核查。
[0004]上述两种方式都需要消耗大量的人力物力，并且效率极其低下。

技术实现思路

[0005]鉴于上述问题，提出了本专利技术实施例以便提供一种克服上述问题或者至少部分地解决上述问题的转售行为识别模型训练方法、装置、设备及存储介质。
[0006]根据本专利技术实施例的一个方面，提供了一种转售行为识别模型训练方法，包括：
[0007]将已确认流量转售行为的用户清单作为负样本，提取所述负样本中的关键变量；
[0008]从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；
[0009]基于所述重要特征变量训练得到转售行为识别模型，其中，所述转售行为识别模型用于识别流量转售行为用户。
[0010]根据本专利技术实施例的另一方面，提供了一种转售行为识别方法，包括：
[0011]获取待识别用户的关键变量；
[0012]从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；
[0013]将所述重要特征变量输入采用本专利技术实施例所述的转售行为识别模型训练方法得到的转售行为识别模型中，通过所述转售行为识别模型识别出所述待识别用户是否为流量转售行为用户。
[0014]根据本专利技术实施例的另一方面，提供了一种转售行为识别模型训练装置，包括：
[0015]样本获取模块，用于将已确认流量转售行为的用户清单作为负样本，提取所述负样本中的关键变量；
[0016]变量选取模块，用于从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；
[0017]模型训练模块，用于基于所述重要特征变量训练得到转售行为识别模型，其中，所述转售行为识别模型用于识别流量转售行为用户。
[0018]根据本专利技术实施例的另一方面，提供了一种转售行为识别装置，包括：
[0019]变量获取模块，用于获取待识别用户的关键变量；
[0020]变量选取模块，用于从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；
[0021]行为识别模块，用于将所述重要特征变量输入采用权利要求1
‑
5任一项所述的转售行为识别模型训练方法得到的转售行为识别模型中，通过所述转售行为识别模型识别出所述待识别用户是否为流量转售行为用户。
[0022]根据本专利技术实施例的另一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
[0023]所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述转售行为识别模型训练方法对应的操作，及执行上述转售行为识别方法对应的操作。
[0024]根据本专利技术实施例的另一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述转售行为识别模型训练方法对应的操作，及执行上述转售行为识别方法对应的操作。
[0025]根据本专利技术上述实施例提供的方案，基于已确认流量转售行为的重要特征变量训练得到转售行为识别模型，能够实现自动识别转售行为，识别结果更加精准，从而节省大量人力物力，大幅缩短现场核查时间，提高识别效率。
[0026]上述说明仅是本专利技术实施例技术方案的概述，为了能够更清楚了解本专利技术实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术实施例的具体实施方式。
附图说明
[0027]通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
[0028]图1示出了本专利技术实施例一提供的转售行为识别模型训练方法流程图；
[0029]图2示出了本专利技术实施例二提供的转售行为识别模型训练方法流程图；
[0030]图3示出了本专利技术实施例二提供的转售行为识别方法中的MLP模型示意图；
[0031]图4示出了本专利技术实施例三提供的转售行为识别方法的流程图；
[0032]图5示出了本专利技术实施例四提供的转售行为识别模型训练装置的结构示意图；
[0033]图6示出了本专利技术实施例五提供的转售行为识别装置的结构示意图；
[0034]图7示出了本专利技术实施例六提供的计算设备的结构示意图。
具体实施方式
[0035]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0036]实施例一
[0037]图1示出了本专利技术实施例一提供的转售行为识别模型训练方法的流程图。如图1所
示，该方法包括以下步骤：
[0038]步骤S110、将已确认流量转售行为的用户清单作为负样本，提取负样本中的关键变量。
[0039]具体的，本实施例通过大数据工具对正负样本进行筛选，从用户基本属性、业务使用特点以及用户之间关联三个维度提取负样本的代表性特征即关键变量，以智能化方式分析流量转售行为用户的共性特点。以大数据为立足点，挖掘可用的线索，以识别出流量转售行为用户的特征，具体可以从以下三个方面着手：
[0040]1)用户相关性：转让用户和接收用户之间的关系判断。
[0041]2)数据相关性：业务划转动作以及接收方的使用情况。
[0042]3)用户特性：用户自身特性的筛查。
[0043]例如，根据之前核查发现已确认流量转售行为的用户清单，以此作为典型负样本，首先设计关键变量。包括基本信息特征、产品订购特征、流量划转特征以及资金特征，具体如下表一所示：
[0044]表一
[0045][0046]根据上述用户清单，可以提取出如下表二所示的关键变量，主要包括：用户基本特征类变量、通话特征类变量、产品订购类变量和流量划转类变量等变量类型。
[0047]表二
[0048][0049]步骤S120、从关键变量中选取特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种转售行为识别模型训练方法，其特征在于，包括：将已确认流量转售行为的用户清单作为负样本，提取所述负样本中的关键变量；从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；基于所述重要特征变量训练得到转售行为识别模型，其中，所述转售行为识别模型用于识别流量转售行为用户。2.根据权利要求1所述的方法，其特征在于，所述从所述关键变量中选取特征变量，包括：计算所述关键变量的信息价值IV，选取IV值满足预设条件的关键变量作为所述特征变量。3.根据权利要求1所述的方法，其特征在于，所述基于所述特征变量选取重要特征变量，包括：建立随机森林模型，将所述特征变量输入所述随机森林模型，通过所述随机森林模型输出所述特征变量的重要程度；选取重要程度满足预设条件的特征变量作为所述重要特征变量。4.根据权利要求1所述的方法，其特征在于，所述基于所述重要特征变量训练得到转售行为识别模型，包括：将所述重要特征变量进行向量标准化；建立多层感知MLP模型，将标准化后的重要特征变量输入所述MLP模型，通过所述MLP模型预测流量转售行为用户；根据预测结果进行电话外呼确认，并根据确认结果增加训练样本；重构所述MLP模型的网络结构，并根据增加的训练样本对重构的MLP模型进行训练得到转售行为识别模型。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述关键变量包括：用户基本特征类变量、通话特征类变量、产品订购类变量和流量划转类变量中的至少一类变量。6.一种转售行为识别方法，其特征在于，包括：获取待识别用户的关键变量；从所述关键变量中选取特征变量，并基于所述特征变量选取重要特征变量；将所述重要特征变量输入采用权利要求1
‑
5任...

【专利技术属性】
技术研发人员：谈超，
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：