一种移动互联网流量服务推荐方法及系统技术方案

本发明专利技术提供一种移动互联网流量服务推荐方法及系统，统计用户使用流量的时间序列，通过时间序列预测来获取用户潜在的流量需求，同时将用户的流量需求与现有流量包的内容进行匹配，完成用户的流量包推荐，结合用户的流量需求预测以及高性价比的服务推荐，能为用户进行更为准确的个性化推荐服务，同时考虑了用户购买产品的性价比问题，提升用户对产品的满意度，提高用户粘性。提高用户粘性。提高用户粘性。

【技术实现步骤摘要】
一种移动互联网流量服务推荐方法及系统


[0001]本专利技术涉及互联网服务推荐领域，更具体地，涉及一种移动互联网流量服务推荐方法及系统。

技术介绍

[0002]随着信息产业的发展，互联网尤其是移动互联网已经完全融入人们的生活当中，用户对于互联网资源的需求也越来越高。人们也希望移动运营商能够提供丰富、全面、适合用户本身的服务。然而由于用户的多样性，移动运营商提供的各种套餐、流量包等服务不可能完全满足不同的用户群体，有些用户通常需要购买套餐外的流量包来满足的需求，同时避免因超出套餐外流量而产生的大量额外的费用。因此移动运营商需要考虑的如何精准推荐流量服务，在满足用户需求的前提下，尽量减少用户额外的费用支出，在增加运营商收益基础上，使用户对运营商的满意程度上升，增加用户的粘性。
[0003]在数据科学发展的今天，用户的大部分记录都可以被记录，用户订购服务的内容、流量使用速率以及流量使用偏好等信息都被移动运营商的服务器记录。

技术实现思路

[0004]本专利技术针对现有技术中存在的技术问题，提供一种移动互联网流量服务推荐方法及系统。
[0005]根据本专利技术的第一方面，提供了一种移动互联网流量服务推荐方法，包括：
[0006]基于用户上网日志的上网时间总时长确定时间段T1和时间段T2；
[0007]获取每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，其中，所有对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量构成总流量使用时间序列；
[0008]将所述总流量使用时间序列作为训练数据集对预测模型进行训练，获取训练后的预测模型；
[0009]基于训练后的预测模型对测试用户的待预测时间段的需求总流量进行预测，获取总流量需求预测结果；
[0010]根据所述测试用户已订购的流量服务产品和所述总流量需求预测结果，在已有的结构化流量服务产品中进行匹配，将匹配的流量服务产品推荐给所述测试用户。
[0011]根据本专利技术的第二方面，提供一种移动互联网流量服务推荐系统，包括：
[0012]获取模块，用于基于用户上网日志的上网时间总时长确定时间段T1和时间段T2，获取每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，其中，所有对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量构成总流量使用时间序列；
[0013]训练模块，用于将所述总流量使用时间序列作为训练数据集对预测模型进行训练，获取训练后的预测模型；
[0014]预测模块，用于基于训练后的预测模型对测试用户的待预测时间段的需求总流量进行预测，获取总流量需求预测结果；
[0015]推荐模块，用于根据所述测试用户已订购的流量服务产品和所述总流量需求预测结果，在已有的结构化流量服务产品中进行匹配，将匹配的流量服务产品推荐给所述测试用户。
[0016]根据本专利技术的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现移动互联网流量服务推荐方法的步骤。
[0017]根据本专利技术的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现移动互联网流量服务推荐方法的步骤。
[0018]本专利技术提供的一种移动互联网流量服务推荐方法及系统，统计用户使用流量的时间序列，通过时间序列预测来获取用户潜在的流量需求，同时将用户的流量需求与现有流量包的内容进行匹配，完成用户的流量包推荐，结合用户的流量需求预测以及高性价比的服务推荐，能为用户进行更为准确的个性化推荐服务，同时考虑了用户购买产品的性价比问题，提升用户对产品的满意度，提高用户粘性。
附图说明
[0019]图1为本专利技术提供的一种移动互联网流量服务推荐方法流程图；
[0020]图2为流量差值计算过程流程图；
[0021]图3为流量服务产品匹配过程示意图；
[0022]图4为本专利技术提供的一种移动互联网流量服务推荐系统的结构示意图；
[0023]图5为本专利技术提供的一种可能的电子设备的硬件结构示意图；
[0024]图6为本专利技术提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
[0025]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。另外，本专利技术提供的各个实施例或单个实施例中的技术特征可以相互任意结合，以形成可行的技术方案，这种结合不受步骤先后次序和/或结构组成模式的约束，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0026]在移动互联网服务的推荐方法上已经有大量的相关研究，大部分研究均基于一种假设：即用户的在一段时间内的行为模式是相同的，因此现有的大部分推荐方法根据前一段时间的用户行为，发现出用户的行为模式，并认为接下来一段时间内用户的行为模式与发现的用户行为模式相同。这种推荐方法收到几个方面因素的影响，这些影响包括用户对于移动网络服务的满意程度、用户对各种APP使用的偏好（包括使用时间和使用地点）、以及用户行为模式的持续时间。
[0027]基于此，本专利技术以多次购买套餐外流量包的用户为对象，发现这些用户使用流量的行为模式，预测后一时间段内用户的流量需求，结合现有流量包服务的内容，为对象用户提供个性化推荐，减少用户因多次购买流量包造成的资费浪费，提高用户满意度。
[0028]图1为本专利技术提供的一种移动互联网流量服务推荐方法流程图，如图1所示，方法包括：
[0029]S1，基于用户上网日志的上网时间总时长确定时间段T1和时间段T2。
[0030]作为实施例，所述基于用户上网日志的总时长确定时间段T1和时间段T2，包括：提取设定时间段内所有用户的上网日志，所述上网日志至少包括用户ID、上网时间、访问地址和上网流量；提取所述上网日志中的所有用户ID，以及所述上网日志中包含的上网时间总时长，将所述上网时间总时长平均分为时间段T1和时间段T2。
[0031]S2，每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，其中，所有对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量构成总流量使用时间序列。
[0032]作为实施例，所述获取每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，包括：提取移动运营商所有的流量服务产品信息，形成每一个流量服务器产品的结构化产品特征，所述流量服务产品信息中包括套餐和流量包；从所有用户中删选本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动互联网流量服务推荐方法，其特征在于，包括：基于用户上网日志的上网时间总时长确定时间段T1和时间段T2；获取每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，其中，所有对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量构成总流量使用时间序列；将所述总流量使用时间序列作为训练数据集对预测模型进行训练，获取训练后的预测模型；基于训练后的预测模型对测试用户的待预测时间段的需求总流量进行预测，获取总流量需求预测结果；根据所述测试用户已订购的流量服务产品和所述总流量需求预测结果，在已有的结构化流量服务产品中进行匹配，将匹配的流量服务产品推荐给所述测试用户。2.根据权利要求1所述的移动互联网流量服务推荐方法，其特征在于，所述基于用户上网日志的总时长确定时间段T1和时间段T2，包括：提取设定时间段内所有用户的上网日志，所述上网日志至少包括用户ID、上网时间、访问地址和上网流量；提取所述上网日志中的所有用户ID，以及所述上网日志中包含的上网时间总时长，将所述上网时间总时长平均分为时间段T1和时间段T2。3.根据权利要求1所述的移动互联网流量服务推荐方法，其特征在于，所述获取每一个对象用户在时间段T1内每一天的上网总流量以及在时间段T2内的需求总流量，包括：提取移动运营商所有的流量服务产品信息，形成每一个流量服务器产品的结构化产品特征，所述流量服务产品信息中包括套餐和流量包；从所有用户中删选出已订购具有结构化产品特征的流量服务产品的对象用户；基于每一个对象用户的上网日志，统计每一个对象用户在时间段T1内每天使用的上网总流量F
a
以及在时间段T2内每天使用的上网总流量，构成每一个对象用户的总流量使用时间序列。4.根据权利要求3所述的移动互联网流量服务推荐方法，其特征在于，将所述总流量使用时间序列作为训练数据集对预测模型进行训练，获取训练后的预测模型，包括：将所述总流量使用时间序列按照预设比例划分为训练数据集和测试数据集；将所述训练数据集和测试数据集的时间序列进行归一化处理，找到时间序列中单个时间点上的最大值v
m
，通过下式将时间序列内所有时刻的数值进行归一化处理，使得时间序列数值的区间被归一化到区间[
‑
1,1]内：。5.根据权利要求4所述的移动互联网流量服务推荐方法，其特征在于，所述预测模型包括两层LSTM网络和一层全连接层网络；两层的LSTM网络依次读取所述总流量使用时间序列的每一个数据，对每一个数据进行记忆，输出对所述总流量使用时间序列的预测输出；所述全连接层网络读取所述总流量使用时间序列的预测输出，迭代进行时间序列的单
步预测；其中，基于均方根误差作为所述预测模型的损失函数。6.根据权利要求1所述的移动互联网流量服务推荐方法，其特征在于，所述基于训练后的预测模型对测试用户的待预测时间段的需求总流量进行预测，获取总流量需求预测结果，包括：获取测试用户在时间段T1’
内每一天使用的上网总流量，输入训练后的预测模型中，获取所述...

【专利技术属性】
技术研发人员：朱博，王洵，罗伦文，任明，谭军胜，
申请(专利权)人：武汉中科通达高新技术股份有限公司，
类型：发明
国别省市：