System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及通信,特别是指一种用户行为数据预测方法、装置、设备及可读存储介质。
技术介绍
1、随着科学技术的飞速发展、云计算的普及,在行业调整和企业升级的背景下,saas(software-as-a-service,软件即服务)应用成为了互联网发展下的软件应用新模式。saas应用减少了企业建设应用所需的时间和人力资源,降低了企业的投入成本,saas应用即开即用,还能享受后期的维护服务。saas应用加速了企业信息化的进程,促进企业管理质量提供,实现工业化和信息化的融合,最终推动产业结构的优化和升级。
2、目前saas应用市场中的推荐应用主要还是基于当前平台营销情况,存在对客户需求分析不够,未能达到针对企业用户进行精准的应用推荐的技术问题。
技术实现思路
1、本申请的目的是提供一种用户行为数据预测方法、装置、设备及可读存储介质,以解决了相关技术中为企业用户推荐应用的精准度低的问题,实现精准地为企业用户推荐应用的目的。
2、为达到上述目的,本申请的实施例提供一种用户行为数据预测方法,包括:
3、获取多个企业用户的企业属性数据;所述企业属性数据至少包括企业注册资本和企业从业人数;
4、根据所述企业注册资本和所述企业从业人数,确定每个企业用户的类别划分结果;
5、根据类别划分结果对应的企业属性数据、类别划分结果对应的企业消费数据,预测每个企业用户的企业购买行为。
6、可选地,根据所述企业注册资本和所述企业从业人数,确定每个
7、根据所述企业注册资本和所述企业从业人数,将企业用户划分为c个类别的网格数据;
8、将每个所述网格数据的中心作为数据初始聚类中心;
9、通过网格数据的密度系数数据进行聚类,确定每个所述网格数据对应的类别划分结果。
10、可选地,通过网格数据的密度系数数据进行聚类,确定每个所述网格数据对应的类别划分结果,包括:
11、确定所述预设的目标聚类算法的第一隶属度函数和第一目标函数;所述第一目标函数是根据模糊c均值聚类算法的第二目标函数和网格数据的密度系数确定的;
12、根据所述第一目标函数,确定所述第一目标函数达到最小值的必要条件;
13、根据预设的模糊系数,确定第二隶属度函数和c个所述网格数据的聚类中心;
14、根据所述第二隶属度函数、所述必要条件和c个所述聚类中心,在所述第一目标函数的输出结果小于预设收敛精度时,确定所述类别划分结果。
15、可选地,所述密度系数为第一差值与第二差值的比值,所述第一差值为所述密度系数与网格数据中的密度最小值的差值,所述第二差值为网格数据中的密度最大值与所述密度最小值的差值。
16、可选地,上述的方法还包括:
17、获取企业消费样本数据和企业属性样本数据;
18、根据所述企业消费样本数据和所述企业属性样本数据的第一维度数据,确定预测模型的第二维度数据;所述第一维度数据包括以下至少一项:企业所属行业维度数据、企业所属省份维度数据、所购的应用数量维度数据、所购的应用场景维度数据、退订频次维度数据、套餐变更频次维度数据;所述第二维度数据的维度小于或等于所述第一维度数据的维度;
19、根据所述第二维度数据,构建所述预测模型。
20、可选地,根据所述企业消费样本数据和所述企业属性样本数据的第一维度数据,确定预测模型的第二维度数据,包括:
21、根据决策树算法,构建第一分类模型,确定所述第一分类模型的第一误差;
22、根据预设噪声数据,改变所述第一维度数据中目标维度的值后,构建第二分类模型,确定所述第二分类模型的第二误差;所述目标维度为所述第一维度数据中任意一个维度;
23、确定每个维度数据对应的第二误差;
24、根据多个所述第二误差、所述第一误差和所述第一维度数据维度数量,确定所述第一维度数据中各维度之间的维度相关性系数;
25、根据所述维度相关性系数和所述第一维度数据,确定预测模型的第二维度数据。
26、可选地,根据类别划分结果对应的企业属性数据、类别划分结果对应的企业消费数据,预测每个企业用户的企业购买行为,包括:
27、确定预测模型的目标维度数据;
28、根据所述目标维度数据,确定所述企业属性数据和所述企业消费数据对应的第三维度数据;
29、将所述第三维度数据输入所述预测模型,预测每个企业用户的企业购买行为。
30、为达到上述目的,本申请的实施例还提供一种用户行为数据预测装置,包括:
31、第一获取模块,用于获取多个企业用户的企业属性数据;所述企业属性数据至少包括企业注册资本和企业从业人数;
32、第一确定模块,用于根据所述企业注册资本和所述企业从业人数,确定每个企业用户的类别划分结果;
33、第一处理模块,用于根据类别划分结果对应的企业属性数据、类别划分结果对应的企业消费数据,预测每个企业用户的企业购买行为。
34、为达到上述目的,本申请的实施例还提供一种用户行为数据预测设备,包括:收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令;所述处理器执行所述程序或指令时实现如上任一项所述的用户行为数据预测方法。
35、为达到上述目的,本申请的实施例还提供一种可读存储介质,其上存储有程序或指令,所述程序或指令被处理器执行时实现如上任一项所述的用户行为数据预测方法中的步骤。
36、本申请的上述技术方案的有益效果如下:
37、本申请实施例中,获取多个企业用户的企业属性数据;企业属性数据至少包括企业注册资本和企业从业人数;根据企业注册资本和企业从业人数,确定每个企业用户的类别划分结果,通过该类别划分结果可以确定每个企业用户的企业规模;根据类别划分结果对应的企业属性数据、类别划分结果对应的企业消费数据,预测每个企业用户的企业购买行为,可以针对不同企业规模,以及企业规模对应的企业消费数据,实现精准地为企业用户推荐应用的目的。
本文档来自技高网...【技术保护点】
1.一种用户行为数据预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,根据所述企业注册资本和所述企业从业人数,确定每个企业用户的类别划分结果,包括:
3.根据权利要求2所述的方法,其特征在于,通过网格数据的密度系数数据进行聚类,确定每个所述网格数据对应的类别划分结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述密度系数为第一差值与第二差值的比值,所述第一差值为所述密度系数与网格数据中的密度最小值的差值,所述第二差值为网格数据中的密度最大值与所述密度最小值的差值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,根据所述企业消费样本数据和所述企业属性样本数据的第一维度数据,确定预测模型的第二维度数据,包括:
7.根据权利要求1所述的方法,其特征在于,根据类别划分结果对应的企业属性数据、类别划分结果对应的企业消费数据,预测每个企业用户的企业购买行为,包括:
8.一种用户行为数据预测装置,其特征在于,包括:
10.一种可读存储介质,其上存储有程序或指令,其特征在于,所述程序或指令被处理器执行时实现如权利要求1至7任一项所述的用户行为数据预测方法中的步骤。
...【技术特征摘要】
1.一种用户行为数据预测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,根据所述企业注册资本和所述企业从业人数,确定每个企业用户的类别划分结果,包括:
3.根据权利要求2所述的方法,其特征在于,通过网格数据的密度系数数据进行聚类,确定每个所述网格数据对应的类别划分结果,包括:
4.根据权利要求3所述的方法,其特征在于,所述密度系数为第一差值与第二差值的比值,所述第一差值为所述密度系数与网格数据中的密度最小值的差值,所述第二差值为网格数据中的密度最大值与所述密度最小值的差值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
6.根据权利要求5所述的方法,其特征在于,根据所述企业消费样本数据...
【专利技术属性】
技术研发人员:严蔚岚,付香香,黄翔霖,
申请(专利权)人:中移苏州软件技术有限公司,
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。