【技术实现步骤摘要】
本申请属于无线通信，尤其涉及一种易访用户的挖掘方法、装置、终端设备及存储介质。
技术介绍
1、目前，电信行业通常采用人工随机回访的形式对用户的满意度进行调研，但在运营商用户基数大的情况下，回访难度大，而且浪费大量的时间和人力，所以电信企业利用大数据建模找出愿意接受调研电话的用户(即易访用户)，以提高回访成功率，具体的，常用的大数据建模方式为将与用户相关的通信数据笼统地进行简单筛选后输入至人工预先建立的模型，存在用户满意度评价维度单一以及模型构建效率低的问题，从而导致易访用户挖掘的准确度较低且效率不高的问题。
2、综上，如何提高易访用户挖掘的准确度和挖掘效率，已经成为无线通信
亟待解决的技术问题。
技术实现思路
1、本申请的主要目的在于提供一种易访用户的挖掘方法、装置、终端设备及存储介质。旨在提高易访用户挖掘的准确度。
2、为了实现上述目的，本申请提供一种易访用户的挖掘方法，所述易访用户的挖掘方法包括以下步骤：
3、对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗，得到第二通信数据；
4、从所述第二通信数据中提取所述待测用户的第一呼叫特征，并基于所述第一呼叫特征生成所述待测用户的第一特征数据集，其中，所述第一呼叫特征包括所述待测用户与电信企业进行通话时的呼叫类型、呼叫时段、呼叫号码和通话时长；
5、将所述第一特征数据集输入至目标神经网络模型，以得到所述待测用户的第一易访概率得分，其中
6、在所述第一易访概率得分大于预设分值的情况下，确定所述待测用户为易访用户。
7、可选地，在所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗的步骤之前，所述方法还包括：
8、获取待测用户的个人信息数据表、通话记录数据表和话单数据表；
9、基于所述待测用户的身份标识将所述个人信息数据表、通话记录数据表和话单数据表进行关联，以生成包含所述个人信息数据表、所述通话记录数据表和所述话单数据表的第一通信数据。
10、可选地，在所述基于所述待测用户的身份标识将所述个人信息数据表、通话记录数据表和话单数据表进行关联的步骤之前，所述方法还包括：
11、确定所述个人信息数据表、所述通话记录数据表和所述话单数据表中的特征字段，并计算所述特征字段与预设标准字段之间的相似度；
12、检测所述相似度是否大于预设相似度；
13、若检测到所述相似度大于所述预设相似度，则将所述特征字段替换为所述预设标准字段。
14、可选地，所述基于所述第一呼叫特征生成所述待测用户的第一特征数据集的步骤，包括：
15、基于预设的代码逻辑确定所述预设标准字段的赋值规则；
16、基于所述赋值规则对所述第一呼叫特征赋予代码标签，以生成所述待测用户的第一特征数据集。
17、可选地，所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗，得到第二通信数据的步骤，包括：
18、对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行去重处理和异常值去除处理，得到第二通信数据。
19、可选地，所述方法还包括：
20、基于目标用户的第二特征数据集构建所述初始神经网络模型，其中，所述目标用户为已知第二易访概率得分的易访用户和不满意用户；
21、将所述第二特征数据集作为训练样本输入至所述初始神经网络模型，以得到所述目标用户的第三易访概率得分；
22、基于所述初始神经网络模型的损失函数比对所述第二易访概率得分和所述第三易访概率得分，得到比对结果；
23、基于所述比对结果对所述初始神经网络模型的参数进行优化，以得到所述目标神经网络模型。
24、可选地，所述基于目标用户的第二特征数据集构建所述初始神经网络模型的步骤，包括：
25、将目标用户的第二特征数据集中的第二呼叫特征的数量作为所述初始神经网络模型的输入层节点数量；
26、将所述第二呼叫特征代入预设的第一激活函数，得到所述初始神经网络模型的隐藏层节点数量；
27、将所述第二呼叫特征代入预设的第二激活函数，得到所述初始神经网络模型的输出层节点数量；
28、基于所述输入层节点数量、所述隐藏层节点数量和所述输出层节点数量，构建所述初始神经网络模型。
29、此外，为实现上述目的，本申请还提供一种易访用户的挖掘装置，所述易访用户的挖掘装置包括以下步骤：
30、数据清洗模块，用于对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗，得到第二通信数据；
31、特征提取模块，用于从所述第二通信数据中提取所述待测用户的第一呼叫特征，并基于所述第一呼叫特征生成所述待测用户的第一特征数据集，其中，所述第一呼叫特征包括所述待测用户与电信企业进行通话时的呼叫类型、呼叫时段、呼叫号码和通话时长；
32、模型计算模块，用于将所述第一特征数据集输入至目标神经网络模型，以得到所述待测用户的第一易访概率得分，其中，所述目标神经网络模型为以第二易访概率得分为训练标签，以第二特征数据集为输入数据对预先自动构建的初始神经网络模型进行训练得到；
33、确定模块，用于在所述第一易访概率得分大于预设分值的情况下，确定所述待测用户为易访用户。
34、此外，为实现上述目的，本申请还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的易访用户的挖掘程序，所述终端设备的易访用户的挖掘程序被所述处理器执行时实现如上所述的易访用户的挖掘方法的步骤。
35、此外，为实现上述目的，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有易访用户的挖掘程序，所述易访用户的挖掘程序被处理器执行时实现如上所述的易访用户的挖掘方法的步骤。
36、本申请实施例通过获取包含了待测用户的个人信息数据表、通话记录数据表和话单数据表的通信数据，即第一通信数据，对第一通信数据进行数据清洗，得到清洗后的数据，即第二通信数据，然后从第二通信数据中提取待测用户的呼叫特征，其中，该呼叫特征为待测用户与电信企业进行通话时的呼叫类型、呼叫时段、呼叫号码和通话时长，然后基于上述呼叫特征生成包特征数据集，即第一特征数据集，将该第一特征数据集作为目标神经网络模型的输入，通过该目标神经网络模型基于输入数据集输出待测用户的易访概率得分，其中，该目标神经网络模型是以易访概率得分为训练标签，以特征数据集为输入特征对预先自动构建的初始神经网络模型进行训练得到的，在该易访概率得分大于预设分值的情况下，本文档来自技高网...
【技术保护点】
1.一种易访用户的挖掘方法，其特征在于，所述易访用户的挖掘方法包括以下步骤：
2.如权利要求1所述的易访用户的挖掘方法，其特征在于，在所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗的步骤之前，所述方法还包括：
3.如权利要求2所述的易访用户的挖掘方法，其特征在于，在所述基于所述待测用户的身份标识将所述个人信息数据表、通话记录数据表和话单数据表进行关联的步骤之前，所述方法还包括：
4.如权利要求3所述的易访用户的挖掘方法，其特征在于，所述基于所述第一呼叫特征生成所述待测用户的第一特征数据集的步骤，包括：
5.如权利要求1所述的易访用户的挖掘方法，其特征在于，所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗，得到第二通信数据的步骤，包括：
6.如权利要求1至5中任一项所述的易访用户的挖掘方法，其特征在于，所述方法还包括：
7.如权利要求6所述的易访用户的挖掘方法，其特征在于，所述基于目标用户的第二特征数据集构建所述初始神经网络模型的
8.一种易访用户的挖掘装置，其特征在于，所述易访用户的挖掘装置包括以下步骤：
9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器，所述存储器存储有可在所述处理器上运行的易访用户的挖掘程序，所述易访用户的挖掘程序被所述处理器执行时实现如权利要求1至7中任一项所述的易访用户的挖掘方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有易访用户的挖掘程序，所述易访用户的挖掘程序被处理器执行时实现如权利要求1至7中任一项所述的易访用户的挖掘方法的步骤。
...【技术特征摘要】
1.一种易访用户的挖掘方法，其特征在于，所述易访用户的挖掘方法包括以下步骤：
2.如权利要求1所述的易访用户的挖掘方法，其特征在于，在所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗的步骤之前，所述方法还包括：
3.如权利要求2所述的易访用户的挖掘方法，其特征在于，在所述基于所述待测用户的身份标识将所述个人信息数据表、通话记录数据表和话单数据表进行关联的步骤之前，所述方法还包括：
4.如权利要求3所述的易访用户的挖掘方法，其特征在于，所述基于所述第一呼叫特征生成所述待测用户的第一特征数据集的步骤，包括：
5.如权利要求1所述的易访用户的挖掘方法，其特征在于，所述对包含待测用户的个人信息数据表、通话记录数据表和话单数据表的第一通信数据进行数据清洗，得到第二通信数据的步骤，包...
【专利技术属性】
技术研发人员：卢亚楠，艾怀丽，孟浩，王一淳，
申请(专利权)人：中国移动紫金江苏创新研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。