用户预测模型构建、用户预测方法、设备、介质和产品技术

本发明专利技术公开了一种用户预测模型构建、用户预测方法、设备、介质和产品，获取样本用户数据，包括若干个样本用户的用户类型和所述样本用户的若干个特征指标，所述样本用户分为易感用户或非易感用户，所述易感用户还分为满意用户或贬损用户；根据每一所述样本用户的所述特征指标和所述用户类型进行模型训练，以构建用于识别易感用户的第一用户预测模型；根据所述每一所述易感用户的所述特征指标和所述用户类型进行模型训练，以构建用于从所述易感用户中识别贬损用户的第二用户预测模型。采用本发明专利技术，通过两个阶段模型的串联使用，缩小用户网络满意度的调研范围，过滤掉无效样本，提高用户预测的准确率。

【技术实现步骤摘要】

本专利技术涉及通信大数据处理，尤其涉及一种用户预测模型构建、用户预测方法、设备、介质和产品。

技术介绍

1、随着科技的发展，许多智能化、科技化的产品应运而生，运营商之间的竞争越来越激烈，为了充分发掘自身差异竞争力，运营商将用户满意度作为服务质量反馈的一个重要指标，因此，预测和识别用户对产品的满意程度或贬损程度成功关键需求。

2、目前，通过样本用户调研和模型训练的方式来实现对用户类型的识别。然而，目前的调研直接在全体样本用户中进行贬损用户的预测，导致数据集中无效样本较多、数据质量不高、调研效率较低、调研耗费成本较高、甚至导致预测结果存在偏差。

技术实现思路

1、本专利技术实施例的目的是提供一种用户预测模型构建、用户预测方法、设备、介质和产品，通过两个阶段模型的串联使用，缩小用户网络满意度的调研范围，过滤掉无效样本，提高用户预测的准确率。

2、为实现上述目的，本专利技术实施例提供了一种用户预测模型构建方法，包括：

3、获取样本用户数据；其中，所述样本用户数据包括若干个样本用户的本文档来自技高网...

【技术保护点】

1.一种用户预测模型构建方法，其特征在于，包括：

2.如权利要求1所述的用户预测模型构建方法，其特征在于，所述根据每一所述样本用户的所述特征指标和所述用户类型进行模型训练，以构建第一用户预测模型，包括：

3.如权利要求2所述的用户预测模型构建方法，其特征在于，所述根据所述第一训练集中的样本用户的若干个所述特征指标和所述用户类型，对所述第一神经网络模型进行模型训练，得到训练完成的第一用户预测模型，包括：

4.如权利要求2所述的用户预测模型构建方法，其特征在于，在所述根据所述第一测试集中的样本用户的若干个所述特征指标和所述用户类型，对所述第一用户预测模型进...

【技术特征摘要】

1.一种用户预测模型构建方法，其特征在于，包括：

2.如权利要求1所述的用户预测模型构建方法，其特征在于，所述根据每一所述样本用户的所述特征指标和所述用户类型进行模型训练，以构建第一用户预测模型，包括：

3.如权利要求2所述的用户预测模型构建方法，其特征在于，所述根据所述第一训练集中的样本用户的若干个所述特征指标和所述用户类型，对所述第一神经网络模型进行模型训练，得到训练完成的第一用户预测模型，包括：

4.如权利要求2所述的用户预测模型构建方法，其特征在于，在所述根据所述第一测试集中的样本用户的若干个所述特征指标和所述用户类型，对所述第一用户预测模型进行模型评估，得到模型评估结果之前，所述方法还包括：

5.如权利要求1所述的用户预测模型构建方法，其特征在于，所述根据所述每一所述易感用户的所述特征指标和所述用户类型进行模型训练，以构建第二用户预测模型，包括：

6.如权利要求1至5任一项所述的用户预测模型构建方法，其特征在于，所述第一用户预测模型和/或所述第二用户预测模型为lightgbm梯度提升决策树模型。

7.如权利要求1至5...

【专利技术属性】
技术研发人员：耿鲁静，潘峰，郑继燕，郭若沛，牛银山，章昊，陈祖昊，李天璞，孙林洁，林达，余迪秋，
申请(专利权)人：中国移动通信集团设计院有限公司，
类型：发明
国别省市：