[0114] 可选的，在获取用户在第一预置时间段内的业务消费特征数据、位置活动特征数 据及社交网络特征数据之前，所述方法还包括训练所述分类器，具体方法如下：
[0115] 将各个用户在第二预置时间段内的业务消费特征数据、位置活动特征数据及社交 网络特征数据作为分类器的第一输入，将各个用户当前的网络状态作为分类器的第二输 入，利用预设的算法对输入分类器的第一输入及第二输入进行训练得到所述分类器，第二 预置时间段大于第一预置时间段，预设的算法包括：随机森林算法、支持向量机算法、深层 神经网络算法及逻辑回归算法。
[0116] 需要说明的是，本发明实施例提供的预测用户离网的装置500,还可W用于实现上 述装置实施例中的其它功能，在此不再赏述。
[0117] 另外需说明的是，W上所描述的装置实施例仅仅是示意性的，其中所述作为分离 部件说明的单元可W是或者也可W不是物理上分开的，作为单元显示的部件可W是或者也 可W不是物理单元，即可W位于一个地方，或者也可W分布到多个网络单元上。可W根据实 际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的 装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可W实现为一 条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可W 理解并实施。
[0118] 通过W上的实施方式的描述，所属领域的技术人员可W清楚地了解到本发明可借 助软件加必需的通用硬件的方式来实现，当然也可W通过专用硬件包括专用集成电路、专 用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可W 很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可W是多种多 样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实 现是更佳的实施方式。基于送样的理解，本发明的技术方案本质上或者说对现有技术做出 贡献的部分可软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质 中，如计算机的软盘，U盘、移动硬盘、只读存储器（ROM, ReacK)nly Memory)、随机存取存储 器（RAM, Random Access Memory)、磁碟或者光盘等，包括若干指令用W使得一台计算机设 备（可W是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
[0119] W上对本发明实施例所提供的一种预测用户离网的方法及装置进行了详细介绍， 对于本领域的一般技术人员，依据本发明实施例的思想，在【具体实施方式】及应用范围上均 会有改变之处，因此，本说明书内容不应理解为对本发明的限制。
【主权项】
1. 一种预测用户离网的方法，其特征在于，包括： 获取用户在第一预置时间段内的业务消费特征数据、位置活动特征数据及社交网络特 征数据，所述位置活动特征数据指的是所述用户在所述第一预置时间段内与各个基站通信 的相关数据，所述社交网络特征数据指的是在所述第一预置时间段内所述用户与社交网络 中的其他用户通信的相关数据； 将获取的所述业务消费特征数据、所述位置活动特征数据及所述社交网络特征数据输 入预先训练好的分类器进行计算并输出计算结果，所述计算结果为所述用户的离网预测结 果。2. 如权利要求1所述的方法，其特征在于，所述获取用户在第一预置时间段内的位置 活动特征数据包括： 从位置活动特征矩阵中抽取所述用户的位置活动特征数据，所述位置活动特征矩阵为 在所述第一预置时间段内各个用户与各个基站通信的相关数据构成的矩阵。3. 如权利要求1或2所述的方法，其特征在于，所述获取用户在第一预置时间段内的社 交网络特征数据包括： 从社交网络特征矩阵中抽取所述用户的社交网络特征数据，所述社交网络特征矩阵为 在所述第一预置时间段内所述社交网络中各个用户相互通信的相关数据构成的矩阵。4. 如权利要求1至3任意一项所述的方法，其特征在于，在获取用户在第一预置时间段 内的业务消费特征数据、位置活动特征数据及社交网络特征数据之后，所述方法还包括： 将所述位置活动特征数据的维度降低到预设维度，以及根据所述社交网络特征数据计 算所述用户在所述社交网络中的影响力； 所述将获取的所述业务消费特征数据、所述位置活动特征数据及所述社交网络特征数 据输入预先训练好的分类器进行计算并输出计算结果包括： 将所述业务消费特征数据、降低到预设维度的位置活动特征数据及计算所得的所述用 户在所述社交网络中的影响力输入到预先训练好的分类器进行计算并输出计算结果。5. 如权利要求4所述的方法，其特征在于，所述将所述业务消费特征数据、降低到预设 维度的位置活动特征数据及计算所得的所述用户在所述社交网络中的影响力输入到预先 训练好的分类器进行计算的过程中，所述业务消费特征数据越大，所述用户离网的概率越 低；所述用户在所述社交网络中的影响力越大，所述用户离网的概率越低；当所述用户与 同一网络中的不同基站通信时，所述用户与网络中通信质量越差的基站通信的相关数据越 小，所述用户离网的概率越低，当所述用户与不同网络中的基站通信时，与所述用户通信的 相关数据越大的基站，所述用户离开其所在的网络的概率越低。6. 如权利要求1至5任意一项所述的方法，其特征在于，在获取用户在第一预置时间段 内的业务消费特征数据、位置活动特征数据及社交网络特征数据之前，所述方法还包括训 练所述分类器，具体方法如下： 将各个用户在第二预置时间段内的业务消费特征数据、位置活动特征数据及社交网络 特征数据作为所述分类器的第一输入，将所述各个用户当前的网络状态作为所述分类器的 第二输入，利用预设的算法对输入所述分类器的第一输入及第二输入进行训练得到所述分 类器，所述第二预置时间段大于所述第一预置时间段，所述预设的算法包括：随机森林算 法、支持向量机算法、深层神经网络算法及逻辑回归算法。7.-种预测用户离网的装置，其特征在于，包括： 获取单元，用于获取用户在第一预置时间段内的业务消费特征数据、位置活动特征数 据及社交网络特征数据，所述位置活动特征数据指的是所述用户在所述第一预置时间段内 与各个基站通信的相关数据，所述社交网络特征数据指的是在所述第一预置时间段内所述 用户与社交网络中的其他用户通信的相关数据； 处理单元，用于将所述获取单元获取的所述业务消费特征数据、所述位置活动特征数 据及所述社交网络特征数据输入预先训练好的分类器进行计算并输出计算结果，所述计算 结果为所述用户的离网预测结果。8. 如权利要求7所述的装置，其特征在于，所述获取单元获取所述用户在第一预置时 间段内的位置活动特征数据包括： 所述获取单元从位置活动特征矩阵中抽取所述用户的位置活动特征数据，所述位置活 动特征矩阵为在所述第一预置时间段内各个用户与各个基站通信的相关数据构成的矩阵。9. 如权利要求7或8所述的装置，其特征在于，所述获取单元获取所述用户在第一预置 时间段内的社交网络特征数据包括： 所述获取单元从社交网络特征矩阵中抽取所述用户的社交网络特征数据，所述社交网 络特征矩阵为在所述第一预置时间段内所述社交网络中各个用户相互通信的相关数据构 成的矩阵。10. 如权利要求7至9任意一项所述的装置，其特征在于，所述处理单元包括： 第一处理子单元，用于将所述获取单元获取的所述位置活动特征数据的维度降低到预 设维度； 第二处理子单元，用于根据所述获取单元获取的所述社交网络特征数据计算所述用户 在所述社交网络中的影响力； 第三处理子单元，用于将所述业务消费特征数据、降低到预设维度的位置活动特征数 据及计算所得的所述用户在所述社交网络中的影响力输入到预先训练好的分类器进行计 算并输出计算结果。11. 如权利要求9所述的装置，其特征在于，在所述第三处理子单元将所述业务消费特 征数据、降低到预设维度的位置活动特征数据及计算所得的所述用户在所述社交网络中的 影响力输入到预先训练好的分类器进行计算的过程中，所述业务消费特征数据越大，所述 用户离网的概率越低；所述用户在所述社交网络中的影响力越大，所述用户离网的概率越 低；当所述用户与同一网络中的不同基站通信时，所述用户与网络中通信质量越差的基站 通信的相关数据越小，所述用户离网的概率越低，当所述用户与不同网络中的基站通信时， 与所述用户通信的相关数据越大的基站，所述用户离开其所在的网络的概率越低。12. 如权利要求7至11任意一项所述的装置，其特征在于，所述装置还包括分类器训练 单元，用于训练所述分类器，所述分类器训练单元具体用于： 将各个用户在第二预置时间段内的业务消费特征数据、位置活动特征数据及社交网络 特征数据作为所述分类器的第一输入，将所述各个用户当前的网络状态作为所述分类器的 第二输入，利用预设的算法对输入所述分类器的第一输入及第二输入进行训练得到所述分 类器，所述第二预置时间段大于所述第一预置时间段，所述预设的算法包括：随机森林算 法、支持向量机算法、深层神经网络算法及逻辑回归算法。
【专利摘要】本发明实施例公开了一种预测用户离网的方法及装置，方法包括：获取用户在第一预置时间段内的业务消费特征数据、位置活动特征数据及社交网络特征数据，所述位置活动特征数据指的是所述用户在所述第一预置时间段内与各个基站通信的相关数据，所述社交网络特征数据指的是在所述第一预置时间段内所述用户与社交网络中的其他用户通信的相关数据；将获取的所述业务消费特征数据、所述位置活动特征数据及所述社交网络特征数据输入预先训练好的分类器进行计算并输出计算结果，所述计算结果为所述用户的离网预测结果。本发明实施例能够提高用户离网预测的准确度。
【IPC分类】G06Q50/00, G06Q10/04
【公开号】CN105447583
【申请号】CN201410371307
【发明人】曾嘉, 袁明轩, 戴文渊
【申请人】华为技术有限公司
【公开日】2016年3月30日
【申请日】2014年7月30日
【公告号】WO2016015471A1