一种推荐方法及系统与流程

本发明涉及移动通信中的推荐服务领域，尤其涉及一种推荐方法及系统。

背景技术：

随着科技的发展，各类产品越来越多，面对众多产品，用户往往不知如何选择。因此，在当今快节奏的生活中，推荐服务显得尤为重要。通过推荐服务用户可以获得相应产品的信息，从而使得用户了解相应产品。具体地，现有相关技术中的推荐服务方式有两种：一种，向所有用户推荐相应产品，所有用户都可收到相应产品信息；另一种，向经济实力高的用户推荐相应产品。但上述推荐方式均存在如下问题：不能准确地确定出有需求的用户，因此不能准确地进行推荐，降低推荐服务成功率，导致无需求的用户也会获取到相应信息，使用户获取到大量的冗余信息，给用户带来不便。

技术实现要素：

有鉴于此，本发明实施例期望提供一种推荐方法及系统，能准确地确定出有需求的用户，从而提高推荐服务的成功率。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供了一种推荐方法，所述方法包括：

获取第一推荐对象的历史使用信息；

对获取的所述历史使用信息进行分析，获得所述第一推荐对象的生存时间；

根据所述生存时间对所述第一推荐对象进行生存分析，获得每种所述第一推荐对象在不同时间的存活率；

根据每种所述第一推荐对象在不同时间的存活率、以及所述第一推荐对象的生存时间，确定所述第一推荐对象当前的存活率；

在所述第一推荐对象当前的存活率低于预设阈值时，将所述第一推荐对象对应的用户作为待推荐用户，向所述待推荐用户推荐第二推荐对象。

上述方案中，所述第一推荐对象的历史使用信息包括所述第一推荐对象每次被使用的开始时间及结束时间；

相应的，所述对获取的所述历史使用信息进行分析，获得所述第一推荐对象的生存时间，包括：

对所述第一推荐对象每次被使用的开始时间及结束时间进行分析，获得每个所述用户的每个所述第一推荐对象的第一推荐对象使用频率序列U_pj；

所述U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中，n是指每个所述用户的第一推荐对象的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指所述用户在第i个时间段对所述用户的第j个第一推荐对象的使用频率，所述S_ij是指所述用户在第i个时段对所述用户的第j个第一推荐对象的使用次数，S_it是指所述用户在第i个时段对所述用户的第t个第一推荐对象的使用次数；

对各个所述用户的各个第一推荐对象的第一推荐对象使用频率序列U_pj进行聚类分析，确定出所述用户的停用第一推荐对象和新增第一推荐对象，所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间；

根据确定出的所述用户的停用第一推荐对象和新增第一推荐对象、所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间，获得各个所述用户的各个所述第一推荐对象的生存时间。

上述方案中，所述根据所述生存时间对所述第一推荐对象进行生存分析，获得每种所述第一推荐对象在不同时间的存活率，包括：

根据所述生存时间确定出所述第一推荐对象的结局状态，所述结局状态包括存活；

分别统计出每种所述第一推荐对象的第一存活推荐对象总数、以及每种所 述第一推荐对象在不同时间的第二存活推荐对象总数；所述第一存活推荐对象总数是指在每种所述第一推荐对象中结局状态为存活的第一推荐对象的总数；所述第二存活推荐对象总数是指在所述第一存活推荐对象总数中所述生存时间超过指定时间的第一推荐对象的总数；

分别计算出每种所述第一推荐对象在不同时间的第二存活推荐对象总数，与每种所述第一推荐对象的第一存活推荐对象总数的比值；

将指定时间的所述比值作为每种所述第一推荐对象在指定时间的存活率。

上述方案中，所述向所述待推荐用户推荐第二推荐对象，包括：

在所述第一推荐对象当前的存活率低于预设阈值时，将存活率低于预设阈值的所述第一推荐对象作为待更换推荐对象；根据所述待更换推荐对象与各个所述第一推荐对象的相似度，向所述待推荐用户推荐第二推荐对象。

上述方案中，所述根据所述待更换推荐对象与各个所述第一推荐对象的相似度，向所述待推荐用户推荐第二推荐对象，包括：

根据所述历史使用信息计算出每种所述第一推荐对象的用户占比、新增用户数目及用户流失率；

获取各个所述第一推荐对象的属性信息；

根据所述属性信息对各个所述第一推荐对象进行分类；

根据每种所述第一推荐对象的用户占比、新增用户数目及用户流失率，为每类所述第一推荐对象选出优选第一推荐对象；

根据所述属性信息计算所述待更换推荐对象与同类别的所述优选第一推荐对象的相似度值；

在所述相似度值超过预设相似度值时，向所述待推荐用户推荐所述优选第一推荐对象。

上述方案中，所述方法还包括：

接收推荐评估值；

根据所述推荐评估值调整所述第一推荐对象当前的存活率。

本发明实施例还提供了一种推荐系统，所述系统包括：

获取模块，用于获取第一推荐对象的历史使用信息；

第一分析模块，用于对获取的所述历史使用信息进行分析，获得所述第一推荐对象的生存时间；

第二分析模块，用于根据所述生存时间对所述第一推荐对象进行生存分析，获得每种所述第一推荐对象在不同时间的存活率；

确定模块，用于根据每种所述第一推荐对象在不同时间的存活率、以及所述第一推荐对象的生存时间，确定所述第一推荐对象当前的存活率；

推荐模块，用于在所述第一推荐对象当前的存活率低于预设阈值时，将所述第一推荐对象对应的用户作为待推荐用户，向所述待推荐用户推荐第二推荐对象。

上述方案中，所述第一推荐对象的历史使用信息包括所述第一推荐对象每次被使用的开始时间及结束时间；

相应的，所述第一分析模块，具体用于对所述第一推荐对象每次被使用的开始时间及结束时间进行分析，获得每个所述用户的每个所述第一推荐对象的第一推荐对象使用频率序列U_pj；所述U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中，n是指每个所述用户的第一推荐对象的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指所述用户在第i个时间段对所述用户的第j个第一推荐对象的使用频率，所述S_ij是指所述用户在第i个时段对所述用户的第j个第一推荐对象的使用次数，S_it是指所述用户在第i个时段对所述用户的第t个第一推荐对象的使用次数；

对各个所述用户的各个第一推荐对象的第一推荐对象使用频率序列U_pj进行聚类分析，确定出所述用户的停用第一推荐对象和新增第一推荐对象，所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间；根据确定出的所述用户的停用第一推荐对象和新增第一推荐对象、所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间，获得各个所 述用户的各个所述第一推荐对象的生存时间。

上述方案中，所述第二分析模块，具体用于根据所述生存时间确定出所述第一推荐对象的结局状态，所述结局状态包括存活；分别统计出每种所述第一推荐对象的第一存活推荐对象总数、以及每种所述第一推荐对象在不同时间的第二存活推荐对象总数；所述第一存活推荐对象总数是指在每种所述第一推荐对象中结局状态为存活的第一推荐对象的总数；所述第二存活推荐对象总数是指在所述第一存活推荐对象总数中所述生存时间超过指定时间的第一推荐对象的总数；分别计算出每种所述第一推荐对象在不同时间的第二存活推荐对象总数，与每种所述第一推荐对象的第一存活推荐对象总数的比值；将指定时间的所述比值作为每种所述第一推荐对象在指定时间的存活率。

上述方案中，所述推荐模块，还用于在所述第一推荐对象当前的存活率低于预设阈值时，将存活率低于预设阈值的所述第一推荐对象作为待更换推荐对象；根据所述待更换推荐对象与各个所述第一推荐对象的相似度，向所述待推荐用户推荐第二推荐对象。

上述方案中，所述推荐模块，还用于根据所述历史使用信息计算出每种所述第一推荐对象的用户占比、新增用户数目及用户流失率；获取各个所述第一推荐对象的属性信息；根据所述属性信息对各个所述第一推荐对象进行分类；根据每种所述第一推荐对象的用户占比、新增用户数目及用户流失率，为每类所述第一推荐对象选出优选第一推荐对象；根据所述属性信息计算所述待更换推荐对象与同类别的所述优选第一推荐对象的相似度值；在所述相似度值超过预设相似度值时，向所述待推荐用户推荐所述优选第一推荐对象。

上述方案中，所述系统还包括：

接收模块，用于接收推荐评估值；根据所述推荐评估值调整所述第一推荐对象当前的存活率。

本发明实施例提供的一种推荐方法及系统，通过获取第一推荐对象的历史使用信息，对获取的历史使用信息进行分析，获得第一推荐对象的生存时间；根据生存时间对第一推荐对象进行生存分析，获得每种第一推荐对象在不同时 间的存活率；根据每种第一推荐对象在不同时间的存活率以及第一推荐对象的生存时间，确定第一推荐对象当前的存活率；在第一推荐对象当前的存活率低于预设阈值时，将第一推荐对象对应的用户作为待推荐用户，向待推荐用户推荐第二推荐对象。如此，能准确地确定出有需求的用户，从而可以准确地进行对象推荐，提高了推荐服务的成功率；并且，能避免用户接收到大量冗余信息，提高用户体验度。

附图说明

图1为本发明实施例提供的一种推荐方法的流程示意图；

图2为本发明实施例提供的一种推荐系统的结构示意图；

图3为本发明提供的一种推荐方法具体实施例的流程示意图；

图4为本发明提供的一种推荐系统具体实施例的结构示意图。

具体实施方式

在本发明实施例中，获取第一推荐对象的历史使用信息，对该历史使用信息进行分析，获得第一推荐对象的生存时间；根据该生存时间对第一推荐对象进行生存分析，获得每种第一推荐对象在不同时间的存活率；根据每种第一推荐对象在不同时间的存活率以及第一推荐对象的生存时间，确定第一推荐对象当前的存活率；在第一推荐对象当前的存活率低于预设阈值时，将第一推荐对象对应的用户作为待推荐用户，向该待推荐用户推荐第二推荐对象。

下面结合附图和具体实施例，对本发明进一步详细说明。

图1为本发明实施例提供的一种推荐方法的流程示意图，如图1所示，该方法包括：

步骤101：获取第一推荐对象的历史使用信息。

需说明的是，所述第一推荐对象可以包括移动终端，如手机等终端；所述第一推荐对象还可以包括应用程序，如各种应用程序(APP，Application)；所述第一推荐对象的历史使用信息可以包括第一推荐对象所属用户的标识信息、 第一推荐对象的标识信息及类型信息、第一推荐对象每次被使用的开始时间及结束时间。

具体地，本步骤可以为：推荐系统采集第一推荐对象的历史使用信息，对应采集时间记录该历史使用信息；在所述第一推荐对象为移动终端时，推荐系统可以通过从GN口采集移动终端的信令数据，实现采集移动终端的历史使用信息。

其中，所述GN口是指同一公共陆地移动网络(PLMN，Public Land Mobile Network)中，服务GPRS(通用分组无线服务，General Packet Radio Service)支持节点(SGSN，Serving GPRS Support Node)与服务GPRS支持节点间、以及服务GPRS支持节点与网关GPRS支持节点(GGSN，Gateway GPRS Support Node)间的接口；所述信令数据可以包括：移动终端号码、移动设备国际身份码(IMEI，International Mobile Equipment Identity)、终端类型、网络类型、每次上网开始时间及结束时间、每次通话开始时间及结束时间、每次通话持续时间。

步骤102：对获取的历史使用信息进行分析，获得第一推荐对象的生存时间。

具体地，本步骤可以包括：推荐系统对第一推荐对象每次被使用的开始时间及结束时间进行分析，获得每个用户的每个第一推荐对象的第一推荐对象使用频率序列U_pj；

该U_pj的表达式为：U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中，n是指每个用户的第一推荐对象的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指用户在第i个时间段对该用户的第j个第一推荐对象的使用频率，x_ij的表达式为：S_ij是指用户在第i个时段对该用户的第j个第一推荐对象的使用次数，S_it是指用户在第i个时段对该用户的第t个第一推荐对象的使用次数；

推荐系统对各个用户的各个第一推荐对象的第一推荐对象使用频率序列U_pj进行聚类分析，确定出用户的停用第一推荐对象和新增第一推荐对象，并确定出用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间，其中，用户的第一推荐对象的开始生存时间是指该第一推荐对象开始被该用户使用的时间；根据确定出的用户的停用第一推荐对象和新增第一推荐对象、用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间，获得各个用户的各个第一推荐对象的生存时间。

这里，以移动终端为例，对上述过程进行说明。例如，推荐系统可以对移动终端每次上网开始时间及结束时间、每次通话开始时间及结束时间、每次通话持续时间进行分析，获得每个用户的每个移动终端的终端使用频率序列U_pj；这里，可以通过手机号码来区分用户，即一个手机号码作为一个用户。

该U_pj表达式中的n是指每个用户的移动终端的数目，即：每个手机号码对应的移动终端的数目，如，A手机号码被三个移动终端交替使用，则A用户的移动终端的数目即为3；m是指将指定时间段以指定时长划分后获得的时间段的数目，如，指定时间段为2010年1月1日至2010年1月7日，指定时长为1天，则将该指定时间段以该指定时长划分后获得的时间段的数目即为7。推荐系统可以基于移动终端每周的终端使用频率序列U_pj，对各个用户的各个移动终端的终端使用频率序列U_pj进行聚类分析，确定出用户的停用移动终端和新增移动终端，并确定出用户的各个移动终端的开始生存时间及停用移动终端的停用时间，其中，用户的移动终端的开始生存时间是指该移动终端开始被该用户使用的时间。

根据确定出的上述信息，即可获得各个用户的各个第一推荐对象的生存时间，如，A用户的A移动终端的生存时间为从xx年1月1日到xx年10月1日，B用户的B移动终端的生存时间为从xx年1月1日至今。

步骤103：根据生存时间对推荐对象进行生存分析，获得每种第一推荐对象在不同时间的存活率。

具体地，本步骤可以为，推荐系统根据生存时间确定出第一推荐对象的结 局状态，该结局状态包括存活；推荐系统分别统计出每种第一推荐对象的第一存活推荐对象总数、以及每种第一推荐对象在不同时间的第二存活推荐对象总数；该第一存活推荐对象总数是指在每种第一推荐对象中结局状态为存活的第一推荐对象的总数；该第二存活推荐对象总数是指在第一存活推荐对象总数中生存时间超过指定时间的第一推荐对象的总数；

推荐系统分别计算出每种第一推荐对象在不同时间的第二存活推荐对象总数，与每种第一推荐对象的第一存活推荐对象总数的比值；推荐系统将指定时间的该比值作为每种第一推荐对象在指定时间的存活率。该存活率的函数可以为，S(t)＝Pr(T>t)，其中，t为某个时间，T为生存时间，Pr为上述比值；该Pr可表示为第一推荐对象的生存时间超过时间t的概率。

这里，以移动终端为例，对上述过程进行说明。例如，推荐系统根据移动终端的生存时间确定出移动终端的结局状态，该结局状态可以包括存活，还可以包括死亡，如，在B用户的B移动终端的生存时间为从xx年1月1日至今时，推荐系统即可确定B移动终端的结局状态为存活；在A用户的A移动终端的生存时间为从xx年1月1日到xx年10月1日，且xx年10月1日不是当前时间时，推荐系统即可确定A移动终端的结局状态为死亡。

推荐系统分别统计出每种移动终端的第一存活移动终端总数，及每种第一推荐对象在不同时间的第二存活移动终端总数；分别计算出每种移动终端在不同时间的第二存活移动终端总数，与每种移动终端的第一存活移动终端总数的比值；将指定时间的该比值作为每种移动终端在指定时间的存活率。

步骤104：根据每种第一推荐对象在不同时间的存活率、以及第一推荐对象的生存时间，确定第一推荐对象当前的存活率。

具体地，本步骤包括：对应每种第一推荐对象的生存时间，从该种第一推荐对象在不同时间的存活率，确定出该第一推荐对象当前的存活率。如，A种第一推荐对象在不同时间的存活率为：S(t)＝1(生存时间T>1年)、S(t)＝0.67(生存时间T>2年)、S(t)＝0.63(生存时间T>3年)，A第一推荐对象的生存时间为从2000年1月1日至今，今年为2002年1月1日；从A第一推荐对象 的生存时间可知A第一推荐对象已存活了两年，从A种第一推荐对象在不同时间的存活率可知A第一推荐对象当前的存活率为S(t)＝0.67(生存时间T>2年)，即A第一推荐对象的生存时间超过两年的概率为0.67。

步骤105：在第一推荐对象当前的存活率低于预设阈值时，将该第一推荐对象对应的用户作为待推荐用户，向该待推荐用户推荐第二推荐对象。

需说明的是，所述预设阈值可以根据向待推荐用户推荐推荐对象的推荐结果来设置。如，在推荐对象当前的存活率低于0.3时，向待推荐用户推荐推荐对象的推荐结果通常为成功的情况下，即可将该预设阈值设置为0.3。需说明的是，所述第二推荐对象可以为各个第一推荐对象中的一种。如通过获取第一推荐对象的历史使用信息步骤，获得了A第一推荐对象的历史使用信息及B第一推荐对象的历史使用信息，在A第一推荐对象当前的存活率低于预设阈值时，将该A第一推荐对象对应的用户作为待推荐用户，向该待推荐用户推荐B第一推荐对象。

具体地，在第一推荐对象当前的存活率低于预设阈值时，推荐系统确定该第一推荐对象为可能被更换的第一推荐对象，因此，推荐系统可以将该第一推荐对象对应的用户作为待推荐用户，向该待推荐用户推荐第二推荐对象。从而能准确地确定出有需求的用户，可以准确地进行对象推荐，提高了推荐服务的成功率；并且，能避免用户接收到大量冗余信息，提高用户体验度。

需说明的是，在准确地确定出有需求的用户的基础上，为了更加准确地进行对象推荐，所述向所述待推荐用户推荐第二推荐对象，具体过程可以为，在第一推荐对象当前的存活率低于预设阈值时，推荐系统将存活率低于预设阈值的第一推荐对象作为待更换推荐对象；推荐系统根据该待更换推荐对象与各个第一推荐对象的相似度，向该待推荐用户推荐第二推荐对象。从而使得推荐系统，可以在准确地确定出有需求的用户的基础上，基于推荐对象的相似度确定出用户可能需求的推荐对象，可以更准确地进行对象推荐，提高推荐服务的成功率。

具体地，所述根据该待更换推荐对象与各个第一推荐对象的相似度，向该 待推荐用户推荐第一推荐对象，具体过程可以为，推荐系统根据各个第一推荐对象的历史使用信息计算出每种第一推荐对象的用户占比、新增用户数目及用户流失率；推荐系统获取各个第一推荐对象的属性信息；推荐系统根据该属性信息对各个第一推荐对象进行分类；推荐系统根据每种第一推荐对象的用户占比、新增用户数目及用户流失率，为每类第一推荐对象选出优选第一推荐对象；推荐系统根据属性信息计算该待更换推荐对象与同类别的优选第一推荐对象的相似度值；在该相似度值超过预设相似度值时，推荐系统向待推荐用户推荐该优选第一推荐对象。

这里，以移动终端为例说明下上述过程，如，推荐系统可以根据各个移动终端的历史使用信息，计算出每种型号的移动终端的用户占比、新增用户数目及用户流失率；每种型号的移动终端的用户占比可以为，本月份该种型号的移动终端的总数，与所有移动终端的总数的比值；每种型号的移动终端的新增用户数目可以为，本月份该种型号的移动终端的总数减去上月份该种型号的移动终端的总数；每种型号的移动终端的用户流失率可以为，本月份该种型号的移动终端中未产生上网流量的移动终端的总数，与上月份该种型号的移动终端的总数的比值。推荐系统获取各个移动终端的属性信息，所述属性信息可以包括型号核准号码(TAC，Type Approval Code)、生产厂家、机型、尺寸、终端类型、出厂时间、出厂价格、是否为定制机、操作系统、操作系统版本、销售价格；所述定制机是指运营商专门定制的手机。推荐系统可以根据移动终端的销售价格对各个移动终端进行分类。推荐系统根据每种型号的移动终端的用户占比、新增用户数目及用户流失率，为每类销售价格的移动终端选出优选移动终端；如，可将用户占比高、新增用户数目多及用户流失率低的移动终端作为优选移动终端。推荐系统根据属性信息计算待更换移动终端与同类别的优选移动终端的相似度值；在该相似度值超过预设相似度值时，推荐系统向待推荐用户推荐该优选移动终端。该预设相似度值可以根据向待推荐用户推荐该优选移动终端的推荐结果来设置。如，在待更换移动终端与同类别的优选移动终端的相似度值超过90％时，向待推荐用户推荐该优选移动终端的推荐结果通常为成功 的情况下，即可将该预设相似度值设置为90。

需说明的是，在一些场景下，根据第一推荐对象的历史使用信息获得的第一推荐对象当前的存活率，可能需要进行修正，如，第一推荐对象为A品牌的A型号移动终端，在该A品牌有新型号的移动终端产出时，该A品牌的A型号移动终端当前的存活率可能即需要进行修正。因此，本发明的推荐方法还可以包括：推荐系统接收推荐评估值，该推荐评估值是指对向待推荐用户推荐第二推荐对象的结果进行评估获得的值；推荐系统根据推荐评估值调整第一推荐对象当前的存活率。即调整第一推荐对象当前的存活率，重新进行推荐。从而使得推荐系统可以适应推荐对象的变化，更准确地进行对象推荐，提高推荐服务的成功率。

为了实现上述方法，本发明公开了一种推荐系统。

图2为本发明实施例提供的一种推荐系统的结构示意图，如图2所示，所述推荐系统包括：

获取模块201，用于获取第一推荐对象的历史使用信息；

第一分析模块202，用于对获取的所述历史使用信息进行分析，获得所述第一推荐对象的生存时间；

第二分析模块203，用于根据所述生存时间对所述第一推荐对象进行生存分析，获得每种所述第一推荐对象在不同时间的存活率；

确定模块204，用于根据每种所述第一推荐对象在不同时间的存活率、以及所述第一推荐对象的生存时间，确定所述第一推荐对象当前的存活率；

推荐模块205，用于在所述第一推荐对象当前的存活率低于预设阈值时，将所述第一推荐对象对应的用户作为待推荐用户，向所述待推荐用户推荐第二推荐对象。

进一步，所述第一推荐对象的历史使用信息包括所述第一推荐对象每次被使用的开始时间及结束时间；

相应的，所述第一分析模块202，具体用于对所述第一推荐对象每次被使用的开始时间及结束时间进行分析，获得每个所述用户的每个所述第一推荐对 象的第一推荐对象使用频率序列U_pj；所述U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中，n是指每个所述用户的第一推荐对象的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指所述用户在第i个时间段对所述用户的第j个第一推荐对象的使用频率，所述S_ij是指所述用户在第i个时段对所述用户的第j个第一推荐对象的使用次数，S_it是指所述用户在第i个时段对所述用户的第t个第一推荐对象的使用次数；

对各个所述用户的各个第一推荐对象的第一推荐对象使用频率序列U_pj进行聚类分析，确定出所述用户的停用第一推荐对象和新增第一推荐对象，所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间；根据确定出的所述用户的停用第一推荐对象和新增第一推荐对象、所述用户的各个第一推荐对象的开始生存时间及停用第一推荐对象的停用时间，获得各个所述用户的各个所述第一推荐对象的生存时间。

进一步，所述第二分析模块203，具体用于根据所述生存时间确定出所述第一推荐对象的结局状态，所述结局状态包括存活；分别统计出每种所述第一推荐对象的第一存活推荐对象总数、以及每种所述第一推荐对象在不同时间的第二存活推荐对象总数；所述第一存活推荐对象总数是指在每种所述第一推荐对象中结局状态为存活的第一推荐对象的总数；所述第二存活推荐对象总数是指在所述第一存活推荐对象总数中所述生存时间超过指定时间的第一推荐对象的总数；分别计算出每种所述第一推荐对象在不同时间的第二存活推荐对象总数，与每种所述第一推荐对象的第一存活推荐对象总数的比值；将指定时间的所述比值作为每种所述第一推荐对象在指定时间的存活率。

进一步，所述推荐模块205，还用于在所述第一推荐对象当前的存活率低于预设阈值时，将存活率低于预设阈值的所述第一推荐对象作为待更换推荐对象；根据所述待更换推荐对象与各个所述第一推荐对象的相似度，向所述待推荐用户推荐第二推荐对象。

进一步，所述推荐模块205，还用于根据所述历史使用信息计算出每种所述第一推荐对象的用户占比、新增用户数目及用户流失率；获取各个所述第一推荐对象的属性信息；根据所述属性信息对各个所述第一推荐对象进行分类；根据每种所述第一推荐对象的用户占比、新增用户数目及用户流失率，为每类所述第一推荐对象选出优选第一推荐对象；根据所述属性信息计算所述待更换推荐对象与同类别的所述优选第一推荐对象的相似度值；在所述相似度值超过预设相似度值时，向所述待推荐用户推荐所述优选第一推荐对象。

进一步，所述系统还包括：接收模块，用于接收推荐评估值；根据所述推荐评估值调整所述第一推荐对象当前的存活率。

进一步，所述第一推荐对象包括移动终端。

在实际应用中，所述获取模块201、第一分析模块202、第二分析模块203、确定模块204、推荐模块205、接收模块均可由位于服务器中的中央处理器(Central Processing Unit，CPU)、微处理器(Micro Processor Unit，MPU)、数字信号处理器(Digital Signal Processor，DSP)、或现场可编程门阵列(Field Programmable Gate Array，FPGA)等实现。

图3为本发明提供的一种推荐方法具体实施例的流程示意图，如图3所示，具体步骤包括：

步骤301：获取移动终端的历史使用信息。

具体地，本步骤可以为：推荐系统采集移动终端的历史使用信息，对应采集时间记录该历史使用信息；推荐系统可以通过从GN口采集移动终端的信令数据，实现采集移动终端的历史使用信息。该信令数据可以包括移动终端的手机号码、移动设备国际身份码、终端类型、网络类型、每次上网开始时间及结束时间、每次通话开始时间及结束时间、每次通话持续时间。

步骤302：对获取的历史使用信息进行分析，获得移动终端的生存时间。

具体地，本步骤可以为，推荐系统对移动终端的历史使用信息进行分析，获得每个用户的每个移动终端的终端使用频率序列U_pj；

该U_pj的表达式为：U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中， n是指每个用户的移动终端的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指用户在第i个时间段对该用户的第j个移动终端的使用频率，x_ij的表达式为：S_ij是指用户在第i个时段对该用户的第j个移动终端的使用次数，S_it是指用户在第i个时段对该用户的第t个移动终端的使用次数；

推荐系统对各个用户的各个移动终端的终端使用频率序列U_pj进行聚类分析，确定出用户的停用移动终端和新增移动终端，并确定出用户的各个移动终端的开始生存时间及停用移动终端的停用时间，其中，用户的移动终端的开始生存时间是指该移动终端开始被该用户使用的时间；根据确定出的用户的停用移动终端和新增移动终端、用户的各个移动终端的开始生存时间及停用移动终端的停用时间，获得各个用户的各个移动终端的生存时间。

步骤303：根据生存时间对移动终端进行生存分析，获得每种移动终端在不同时间的存活率。

具体地，本步骤可以为，推荐系统根据生存时间确定出移动终端的结局状态，该结局状态包括存活；推荐系统分别统计出每种移动终端的第一存活移动终端总数、以及每种移动终端在不同时间的第二存活移动终端总数；该第一存活移动终端总数是指在每种移动终端中结局状态为存活的移动终端的总数；该第二存活移动终端总数是指在第一存活移动终端总数中生存时间超过指定时间的移动终端的总数；推荐系统分别计算出每种移动终端在不同时间的第二存活移动终端总数，与每种移动终端的第一存活移动终端总数的比值；推荐系统将指定时间的该比值作为每种移动终端在指定时间的存活率。该存活率的函数可以为，S(t)＝Pr(T>t)，其中，t为某个时间，T为生存时间，Pr为上述比值；该Pr可表示为移动终端的生存时间超过时间t的概率。

步骤304：根据每种移动终端在不同时间的存活率，及移动终端的生存时间，确定移动终端当前的存活率。

具体地，本步骤包括：对应每种移动终端的生存时间，从该种移动终端在不同时间的存活率，确定出该移动终端当前的存活率。

步骤305：在移动终端当前的存活率低于预设阈值时，将存活率低于预设阈值的移动终端对应的用户作为待推荐用户，将存活率低于预设阈值的移动终端作为待更换移动终端。

步骤306：根据待更换移动终端与各个移动终端的相似度，向待推荐用户推荐移动终端。

具体地，本步骤可以为，推荐系统根据各个移动终端的历史使用信息，计算出每种型号的移动终端的用户占比、新增用户数目及用户流失率；每种型号的移动终端的用户占比可以为，本月份该种型号的移动终端的总数，与所有移动终端的总数的比值；每种型号的移动终端的新增用户数目可以为，本月份该种型号的移动终端的总数减去上月份该种型号的移动终端的总数；每种型号的移动终端的用户流失率可以为，本月份该种型号的移动终端中未产生上网流量的移动终端的总数，与上月份该种型号的移动终端的总数的比值；推荐系统获取各个移动终端的属性信息；所述属性信息可以包括型号核准号码、生产厂家、机型、尺寸、终端类型、出厂时间、出厂价格、是否为定制机、操作系统、操作系统版本、销售价格；推荐系统可以根据移动终端的销售价格对各个移动终端进行分类；推荐系统根据每种型号的移动终端的用户占比、新增用户数目及用户流失率，为每类销售价格的移动终端选出优选移动终端；推荐系统根据属性信息计算待更换移动终端与同类别的优选移动终端的相似度值；在该相似度值超过预设相似度值时，推荐系统向待推荐用户推荐该优选移动终端。从而使得推荐系统，可以在准确地确定出有需求的用户的基础上，基于移动终端的相似度确定出用户可能需求的移动终端，可以更准确地进行移动终端推荐，提高了推荐服务的成功率；并且，能避免用户接收到大量冗余信息，提高用户体验度。

需说明的是，在一些场景下，根据移动终端的历史使用信息获得的移动终端当前的存活率，可能需要进行修正，如，移动终端为A品牌的A型号移动终 端，在该A品牌有新型号的移动终端产出时，该A品牌的A型号移动终端当前的存活率可能即需要进行修正。因此，本发明的推荐方法实施例还可以包括：推荐系统接收推荐评估值，该推荐评估值是指对向待推荐用户推荐移动终端的结果进行评估获得的值；推荐系统根据推荐评估值调整移动终端当前的存活率。即调整移动终端当前的存活率，重新进行推荐。从而使得推荐系统可以适应移动终端的变化，更准确地进行移动终端推荐，提高推荐服务的成功率。

图4为本发明提供的一种推荐系统具体实施例的流程示意图，如图4所示，具体包括：

数据获取模块401，用于定时获取移动终端的信令数据及属性信息。

需说明的是，所述移动终端的信令数据可以包括移动终端的手机号码、IMEI、终端类型、网络类型、每次上网开始时间及结束时间、每次通话开始时间及结束时间、每次通话持续时间；所述属性信息可以包括TAC、生产厂家、机型、尺寸、终端类型、出厂时间、出厂价格、是否为定制机、操作系统、操作系统版本、销售价格；所述定制机是指运营商专门定制的手机。需说明的是，推荐系统可以对获取到的移动终端的信令数据进行分布式存储，从而提高推荐系统的存储效率。

终端监控模块402，用于对移动终端的信令数据进行分析，获得移动终端的生存时间；建立及更新用户-TAC对应表，建立及更新终端统计表。

进一步，终端监控模块402具体用于对移动终端的信令数据进行分析，获得每个用户的每个移动终端的终端使用频率序列U_pj；

该U_pj的表达式为：U_pj＝{x_1j，···，x_ij，···，x_mj|1≤i≤m}，1≤j≤n；其中，n是指每个用户的移动终端的数目，m是指将指定时间段以指定时长划分后获得的时间段的数目；x_ij是指用户在第i个时间段对该用户的第j个移动终端的使用频率，x_ij的表达式为：S_ij是指用户在第i个时段对该用户的第j个移动终端的使用次数，S_it是指用户在第i个时段对该用户的第t个移动终端 的使用次数；

基于移动终端每周的终端使用频率序列U_pj，对各个用户的各个移动终端的终端使用频率序列U_pj进行聚类分析，确定出用户的停用移动终端和新增移动终端，并确定出用户的各个移动终端的开始生存时间及停用移动终端的停用时间，其中，用户的移动终端的开始生存时间是指该移动终端开始被该用户使用的时间；根据确定出的用户的停用移动终端和新增移动终端、用户的各个移动终端的开始生存时间及停用移动终端的停用时间，获得各个用户的各个移动终端的生存时间。

进一步，终端监控模块402具体还用于对应移动终端的手机号码，将数据记录在用户-TAC对应表，该数据包括该移动终端的IMEI、TAC、生存时间及结局状态；所述结局状态可以根据移动终端的生存时间来确定。根据各个移动终端的信令数据，计算出每种型号的移动终端的用户占比、新增用户数目及用户流失率；每种型号的移动终端的用户占比可以为，本月份该种型号的移动终端的总数，与所有移动终端的总数的比值；每种型号的移动终端的新增用户数目可以为，本月份该种型号的移动终端的总数减去上月份该种型号的移动终端的总数；每种型号的移动终端的用户流失率可以为，本月份该种型号的移动终端中未产生上网流量的移动终端的总数，与上月份该种型号的移动终端的总数的比值。将每种型号的移动终端的用户占比、新增用户数目及用户流失率，记录在终端统计表。

终端属性模块403，用于存储移动终端的属性信息、用户-TAC对应表及终端统计表。

生存分析模块404，用于根据移动终端的生存时间对移动终端进行生存分析，获得每种型号的移动终端在不同时间的存活率；根据每种型号的移动终端在不同时间的存活率，及各个移动终端的生存时间，确定各个移动终端的当前的存活率，在移动终端当前的存活率低于预设阈值时，将该移动终端对应的用户作为待推荐用户，将存活率低于预设阈值的移动终端作为待更换移动终端。

进一步，生存分析模块404具体用于根据用户-TAC对应表确定出移动终端 的结局状态，该当结局态包括存活；分别统计出每种型号的移动终端的第一存活移动终端总数，及每种型号的移动终端在不同时间的第二存活移动终端总数；该第一存活移动终端总数是指在每种型号的移动终端中结局状态为存活的移动终端的总数；该第二存活移动终端总数是指在第一存活移动终端总数中生存时间超过指定时间的移动终端的总数；分别计算出每种型号的移动终端在不同时间的第二存活移动终端总数，与每种型号的移动终端的第一存活移动终端总数的比值；将指定时间的该比值作为每种型号的移动终端在指定时间的存活率。该存活率的函数可以为，S(t)＝Pr(T>t)，其中，t为某个时间，T为生存时间，Pr为上述比值；该Pr可表示为移动终端的生存时间超过时间t的概率。

终端推荐模块405，用于根据移动终端的销售价格对各个移动终端进行分类；根据每种型号的移动终端的用户占比、新增用户数目及用户流失率，为每类移动终端选出优选移动终端；根据移动终端的属性信息计算待更换移动终端与同类别的优选移动终端的相似度值；在相似度值超过预设相似度值时，向待推荐用户推荐优选移动终端。

评估模块406，用于接收推荐评估值，该推荐评估值是指对向待推荐用户推荐优选移动终端的结果进行评估获得的值；根据该推荐评估值判断移动终端当前的存活率是否需要调整；在移动终端当前的存活率需要调整时，返回生存分析模块404调整移动终端当前的存活率。

在实际应用中，所述数据获取模块401、终端监控模块402、终端属性模块403、生存分析模块404、终端推荐模块405、评估模块406均可由位于服务器中的CPU、MPU、DSP、或FPGA等实现。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，本发明的保护范围以权利要求为准。