【技术实现步骤摘要】
本申请涉及通信，具体涉及一种话单合并方法、系统、电子设备和存储介质。
技术介绍
1、针对电信行业，5g的大带宽、低延时、大连接特性势必将产生海量的话单和数据，支撑系统将面临海量话单与数据处理的压力；目前流量话单占总话单量的90％，流量话单已经成为最主要的话单类型。现有的话单合并策略，针对流量字段进行合并，固定条目进行下发，入口话单全部统一策略处理。现有的合并策略，只能在系统级别层面进行合并控制，不能在用户级别控制合并策略，以及合并策略控制维度太少，不能根据业务、时间、用户、资源量进行控制合并策略。
技术实现思路
1、本申请实施例提供一种话单合并方法、系统、电子设备和存储介质，旨在提高话单合并的灵活性和准确性。
2、第一方面，本申请实施例提供一种话单合并方法，包括：
3、获取用户的用户标签数据和历史计费话单数据；
4、基于所述用户标签数据构建用户画像，生成用户特征数据，并对所述历史计费话单数据进行解析，得到资源量类别数据；
5、通过所述用户特征数据和所述资源量类别数据对预设神经网络进行模型训练，得到话单合并模型；
6、基于所述话单合并模型输出待合并话单的话单合并规则，并基于所述话单合并规则将所述待合并话单进行话单合并。
7、在一个实施例中，所述通过所述对所述历史计费话单数据进行解析，得到资源量类别数据，包括：
8、对所述历史计费话单数据进行解析，得到用户标签数据、业务标签数据、时段标签数据、使用资源量
9、基于所述用户标签数据、所述业务标签数据、所述时段标签数据、所述使用资源量标签数据和所述话单量标签数据，构建流量业务模型；
10、基于所述流量业务模型将所述使用资源量标签数据转化为所述资源量类别数据。
11、在一个实施例中，所述通过所述用户特征数据和所述资源量类别数据对预设神经网络进行模型训练，得到话单合并模型，包括：
12、获取模型训练标签数据；
13、以所述模型训练标签数据为训练数据，并以所述用户特征数据为模型训练值，所述资源量类别数据为模型预测值，对所述预设神经网络进行模型训练，迭代预设次数或模型损失函数值小于预设损失值后，得到所述话单合并模型。
14、在一个实施例中，所述获取模型训练标签数据，包括：
15、通过k-means聚类算法将所述业务标签数据按照所述使用资源量标签数据进行聚类，得到分类类别值，并将所述分类类别值替换为业务标签值；
16、根据所述用户标签数据将所述用户特征数据、资源量类别数据和所述业务标签值进行关联合并，得到所述模型训练标签数据。
17、在一个实施例中，所述基于所述用户标签数据构建用户画像，生成用户特征数据，包括：
18、基于用户属性标签数据、业务属性标签数据、产品属性标签数据和消费属性标签数据构建用户画像，生成所述用户特征数据。
19、在一个实施例中，所述基于所述话单合并模型输出待合并话单的话单合并规则，包括：
20、对所述待合并话单进行解析，得到所述待合并话单的用户数据、业务数据和时段数据，并通过所述话单合并模型根据所述用户数据、所述业务数据和所述时段数据，预测出资源量数据和时长数据；
21、将所述资源量数据和所述时长数据，确定为所述待合并话单的话单合并规则。
22、在一个实施例中，所述话单合并方法还包括：
23、对所述待合并话单进行解析，得到所述待合并话单的用户场景信息，并通过所述话单合并模型根据所述用户场景信息，预测所述待合并话单的下发场景；
24、基于所述下发场景将所述待合并话单合并后的话单进行下发。
25、第二方面，本申请实施例提供一种话单合并系统，包括：
26、获取模块，用于获取用户的用户标签数据和历史计费话单数据；
27、生成解析模块，用于基于所述用户标签数据构建用户画像，生成用户特征数据，对所述历史计费话单数据进行解析，得到资源量类别数据；
28、模型训练模块，用于通过所述用户特征数据和所述资源量类别数据对预设神经网络进行模型训练，得到话单合并模型；
29、话单合并模块，用于基于所述话单合并模型输出待合并话单的话单合并规则，基于所述话单合并规则将所述待合并话单进行话单合并。
30、第三方面，本申请实施例提供一种电子设备，所述电子设备包括存储器、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计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的话单合并方法。
31、第四方面，本申请实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的话单合并方法。
32、本申请实施例提供的话单合并方法、系统、电子设备和存储介质，获取用户的用户标签数据和历史计费话单数据；基于用户标签数据构建用户画像，生成用户特征数据，并对历史计费话单数据进行解析，得到资源量类别数据；通过用户特征数据和资源量类别数据对预设神经网络进行模型训练，得到话单合并模型；基于话单合并模型输出待合并话单的话单合并规则，并基于话单合并规则将待合并话单进行话单合并。在话单合并的过程中，通过用户特征数据和资源量类别数据训练出的话单合并模型输出话单合并规则，从而通过话单合并规则实现从多维度和用户级别对待合并话单进行话单合并，提高了话单合并的灵活性和准确性。
本文档来自技高网...【技术保护点】
1.一种话单合并方法，其特征在于，包括：
2.据权利要求1所述的话单合并方法，其特征在于，所述通过所述对所述历史计费话单数据进行解析，得到资源量类别数据，包括：
3.据权利要求2所述的话单合并方法，其特征在于，所述通过所述用户特征数据和所述资源量类别数据对预设神经网络进行模型训练，得到话单合并模型，包括：
4.据权利要求3所述的话单合并方法，其特征在于，所述获取模型训练标签数据，包括：
5.据权利要求1所述的话单合并方法，其特征在于，所述基于所述用户标签数据构建用户画像，生成用户特征数据，包括：
6.据权利要求1所述的话单合并方法，其特征在于，所述基于所述话单合并模型输出待合并话单的话单合并规则，包括：
7.据权利要求1至6任一项所述的话单合并方法，其特征在于，所述话单合并方法还包括：
8.一种话单合并系统，其特征在于，包括：
9.一种电子设备，所述电子设备包括存储器、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计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1
10.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的话单合并方法。
...【技术特征摘要】
1.一种话单合并方法，其特征在于，包括：
2.据权利要求1所述的话单合并方法，其特征在于，所述通过所述对所述历史计费话单数据进行解析，得到资源量类别数据，包括：
3.据权利要求2所述的话单合并方法，其特征在于，所述通过所述用户特征数据和所述资源量类别数据对预设神经网络进行模型训练，得到话单合并模型，包括：
4.据权利要求3所述的话单合并方法，其特征在于，所述获取模型训练标签数据，包括：
5.据权利要求1所述的话单合并方法，其特征在于，所述基于所述用户标签数据构建用户画像，生成用户特征数据，包括：
6.据权利要求1所述的话单合并方法，其特...
【专利技术属性】
技术研发人员：范岩，刘洁，邱钰，黄文利，毕明昊，郭桐杨，
申请(专利权)人：中国移动通信集团黑龙江有限公司，
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。