业务套餐的推荐方法和装置与流程

本发明涉及通信技术领域，尤其涉及一种业务套餐的推荐方法和装置。

背景技术：

随着移动终端应用程序的爆发式增长，运营商服务器的网络压力持续增大，传统业务却在渐渐萎缩，伴随着营业收入的下降，运营商服务器正逐步沦为OTT(Over The Top)厂商的管道。因此，实施精细化流量经营，挖掘数据业务价值，引领移动信息化发展成为各大运营商服务器迫在眉睫的任务。目前，运营商服务器只能掌握每个用户使用了多少的流量，至于数据流量究竟贡献给哪款应用程序，只能通过自有应用商店的下载量间接判断，从而导致运营商服务器不能定位用户使用应用程序的流量的具体去向，定制出适合用户的定向流量套餐和服务质量套餐等。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种业务套餐的推荐方法和装置，旨在解决现有技术不能根据用户流量的使用方向和带宽占用情况等信息为所述用户推荐相应的业务套餐的问题。

为实现上述目的，本发明提供的一种业务套餐的推荐方法，包括步骤：

当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，根据所述终端的基本信息和所述应用程序的使用信息建立使用模型；

根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型；

计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。

优选地，所述计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略的步骤包括：

确定不同组别的使用模型的坐标和目标兴趣点在坐标系中的坐标；

根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点之间的距离；

根据所述距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。

优选地，所述当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，根据所述终端的基本信息和所述应用程序的使用信息建立使用模型的步骤包括：

当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端的经纬度数据时，根据所述终端的基本信息、所述应用程序的使用信息和所述终端的经纬度数据对应建立使用模型。

优选地，所述根据预设算法计算所述使用模型之间的相似度，将相似度大于预设相似度的所述使用模型划分为同一组使用模型的步骤包括：

根据预设算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区内相似度大于预设相似度的所述使用模型划分为同一组使用模型，得到所述使用模型的分组结果。

优选地，所述计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略的步骤包括：

根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果；

将所述分析结果发送给所述运营商服务器，以供所述运营商服务器根据所述分析结果对所述蜂窝小区执行对应的操作。

优选地，所述根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果的步骤包括：

判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值；

当所述同一蜂窝小区内所述终端的信号强度小于所述预设信号强度阈 值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区；

当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，判定所述蜂窝小区处于网络正常状态。

优选地，所述预设算法为协同过滤算法和余弦相似性相结合的算法。

优选地，所述终端的基本信息包括国际移动用户识别码、所述终端的操作系统版本号和厂商信息和所述终端安装的应用程序列表；

所述应用程序的使用信息包括所述应用程序的启动次数、所述应用程序的运行时间、流量消耗数据、占用带宽数据、所述应用程序所用网络的类型和网络信号强度。

此外，为实现上述目的，本发明还提供一种业务套餐的推荐装置，所述业务套餐的推荐装置包括：

建立模块，用于当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，根据所述终端的基本信息和所述应用程序的使用信息建立使用模型；

第一计算模块，用于根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型；

第二计算模块，用于计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。

优选地，所述第二计算模块包括：

第一确定单元，用于确定不同组别的使用模型的坐标和目标兴趣点在坐标系中的坐标；

计算单元，用于根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点之间的距离；

第二确定单元，用于根据所述距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。

优选地，所述建立模块，还用于当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端的经纬度数据时，根据所述终端的基本信息、所述应用 程序的使用信息和所述终端的经纬度数据建立使用模型。

优选地，所述第一计算模块，还用于根据预设算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区内相似度大于预设相似度的所述使用模型划分为同一组使用模型，得到所述使用模型的分组结果。

优选地，所述业务套餐的推荐装置还包括：

分析模块，用于根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果；

发送模块，还用于将所述分析结果发送给所述运营商服务器，以供所述运营商服务器根据所述分析结果对所述蜂窝小区执行对应的操作。

优选地，所述分析模块包括：

判断单元，用于判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值；

第一判定单元，用于当所述同一蜂窝小区内所述终端的信号强度小于所述预设信号强度阈值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区；

第二判定单元，用于当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，判定所述蜂窝小区处于网络正常状态。

优选地，所述预设算法为协同过滤算法和余弦相似性相结合的算法。

优选地，所述终端的基本信息包括国际移动用户识别码、所述终端的操作系统版本号和厂商信息和所述终端安装的应用程序列表；

所述应用程序的使用信息包括所述应用程序的启动次数、所述应用程序的运行时间、流量消耗数据、占用带宽数据、所述应用程序所用网络的类型和网络信号强度。

本发明通过根据至少两个终端的基本信息和所述应用程序的使用信息对应建立使用模型，计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模，并计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。实现了在Android和iOS终端平台上采集用户使用的终端的基本信息和所述终端中应用程序的使用信息，根据所采集到的信息，通过预设 算法建立使用模型得到用户使用应用程序的流量去向和带宽占用等数据，根据所述数据确定所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略，运营商服务器根据所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略为用户制定流量套餐和/或QoS套餐，为运营商服务器和OTT厂商合作提供数据依据。

附图说明

图1为本发明业务套餐的推荐方法第一实施例的流程示意图；

图2为本发明业务套餐的推荐方法第二实施例的流程示意图；

图3为本发明实施例中根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果的一种流程示意图；

图4为本发明业务套餐的推荐装置第一实施例的功能模块示意图；

图5为本发明业务套餐的推荐装置第二实施例的功能模块示意图；

图6为本发明实施例中分析模块的一种功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种业务套餐的推荐方法。

参照图1，图1为本发明业务套餐的推荐方法第一实施例的流程示意图。

在本实施例中，所述业务套餐的推荐方法包括：

步骤S10，当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，根据所述终端的基本信息和所述应用程序的使用信息建立使用模型；

当服务器接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，所述服务器根据所述终端的基本信息和所述应用程序的使用信息建立使用模型。其中，所述使用模型包括终端用户的数据流量 使用模型和所述终端用户的带宽使用模型。每一个终端用户都有对应的数据流量使用模型和带宽使用模型。其中，所述服务器为能精确分析所述终端用户数据的服务器，所述服务器可以存在于云端或者物理设备当中。所述服务器的最低配置为：英特尔至强E5六核处理器Intel Xeon E5-2620，8GB(Gigabyte，十亿字节)的内存和2TB(Terabyte，太字节)的数据盘。所述终端包括但不限于智能手机和平板电脑。当所述终端为Android手机或者是Android平板电脑时，所述Android手机或者所述Android平板电脑的最低配置为ARM(Advanced RISC Machines)架构的CPU(Central Processing Unit，中央处理器)，512MB(MByte)的RAM，1GB的ROM(Read-Only Memory，只读存储器)和输出设备为分辨率460*640的电容触摸屏。当所述终端为苹果手机或苹果平板电脑时，所述苹果手机或所述苹果平板电脑的最低配置为：ARM Cortex-A8CPU，256MB的RAM，8GB的ROM和输出设备为分辨率480*320的电容触摸屏。

所述终端的基本信息包括国际移动用户识别码，所述终端的操作系统版本号和厂商信息，所述终端安装的应用程序列表。在本实施例中，以Android操作系统的终端为例进行说明。其中，所述终端在接收到开机广播android.intent.action.BOOT_COMPLETED后，启动APP(Application，应用程序)的后台信息采集服务。所述终端通过所述信息采集服务调用Android的基础API(Application Programming Interface，应用程序编程接口)TelephonyManager.getSubscriberId()，获取所述终端的IMSI(International Mobile Subscriber Identification Number，国际移动用户识别码)作为消息推送的唯一标识信息；调用android.os.Build.VERSION.RELEASE获取所述终端操作系统的版本号；调用android.os.Build.MODEL获取所述终端的型号；调用android.os.Build.MANUFACTURER获取所述终端的生产厂商；调用PackageManager.getInstalledPackages，获取所述终端安装的所有App的信息。并逐条遍历所述APP安装信息参数，若所述终端侦测到packageInfo.applicationInfo.flags&ApplicationInfo.FLAG_SYSTEM的值为0，则将所述APP标记为非系统预装APP，若所述终端侦测到packageInfo.applicationInfo.flags&ApplicationInfo.FLAG_SYSTEM的值为1，则将所述APP标记为系统预装的APP，得到所述终端中所述APP的安装列表 信息。

所述应用程序的使用信息包括所述应用程序的启动次数，所述应用程序的运行时间，流量消耗数据，占用带宽数据，所述应用程序所用网络的类型和网络信号强度。其中，所述终端根据所述APP的安装列表信息，反射调用com.android.internal.os.PkgUsageStats，分别读取PkgUsageStats.launchCount和PkgUsageStats.usageTime属性，得到不同APP的启动次数和运行时间，即得到所述终端不同应用程序的启动次数和运行时间；所述终端通过TelephonyManager.subtype获取当前网络类型和信号强度，并将所述当前的网络类型和所述信号强度写入sqllite数据库中。

步骤S20，根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型；

所述服务器根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型，即根据预设算法计算每一个终端用户的数据流量使用模型和/或带宽使用模型之间的相似度，将所述终端用户之间的所述数据流量使用模型的相似度大于预设阈值的数据流量使用模型划分为同一组使用模型，即将所述数据流量使用模型的相似度大于预设数据流量使用模型相似度的阈值所对应的终端用户划分为同一组，和/或将所述终端用户之间的所述带宽使用模型的相似度大于预设带宽使用模型相似度的阈值的数据流量使用模型划分为同一组使用模型，即将所述带宽使用模型的相似度大于预设带宽使用模型相似度的阈值所对应的终端用户划分为同一组。

其中，所述预设算法为协同过滤算法和余弦相似性相结合的算法，所述协同过滤算法是电子商务推荐系统的一种主要算法，所述协同过滤算法过滤分析用户兴趣，在用户群中找到指定用户相似(兴趣)用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜欢程度的预测。与传统文本过滤算法相比，所述协同过滤算法能够过滤能以进行机器自动基于内容分析的信息，能够基于一些复杂的，难以表达的概念(信息质量、品味)进行过滤，具有推荐的新颖性。所述余弦相似性通过测量两个向量内积空间的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1；并且其最小值是-1。从而两个向量之间的角度 的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为0；两个向量指向完全相反的方向时，余弦相似度的值为-1。在比较过程中，向量的规模大小不予考虑，仅仅考虑到向量的指向方向。余弦相似度通常用于两个向量的夹角小于90°之内，因此余弦相似度的值为0到1之间。

所述预设阈值可以根据具体情况来设定，当需要把较多的终端用户划分为一组时，可以将所述预设阈值设置小一点，如设置为80％，当需要更精确的划分所述终端用户时，可以将所述预设阈值设置大一些，如设置为90％。其中，所述预设数据流量使用模型相似度的阈值和所述带宽使用模型相似度的阈值可以相同，也可以不同。如当所述预设数据流量使用模型相似度的阈值和所述带宽使用模型相似度的阈值都为90％时，则所述服务器将所述终端用户之间的所述使用模型相似度大于90％的所述使用模型，划分为同一组使用模型。如当A终端用户的使用模型和B终端用户的使用模型之间的相似度大于90％时，所述服务器将所述A终端用户的使用模型和所述B终端用户的使用模型划分为同一组使用模型。

步骤S30，计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。

所述服务器计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。所述目标兴趣点为所述终端中消耗数据流量的应用程序，如社交应用程序和游戏应用程序等。

进一步地，所述步骤S30包括：

确定不同组别的使用模型的坐标和目标兴趣点在坐标系中的坐标；

根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点之间的距离；

根据所述距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。

所述服务器确定不同组别的使用模型在三维坐标系中的坐标和目标兴趣点在三维坐标系中的坐标，所述服务器根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点 之间的距离，并根据所述不同组别的使用模型与所述目标兴趣点之前的距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。当所述不同组别的使用模型与所述目标兴趣点之前的距离越小时，所述目标兴趣点的推荐度数值越高，当所述推荐度数值越高时，在对所述不同组别的使用模型进行业务套餐推荐时，首先推荐度数值高所对应的业务套餐。如所述服务器计算得到第一组数据流量使用模型与社交应用程序微信的距离为0.2，与所述优酷的距离为0.18，第二组数据流量使用模型与社交应用程序微信的距离为0.15，与所述优酷的距离为0.22，则所述服务器根据所述第一组数据流量使用模型和所述第二组数据流量使用模型与所述微信和所述优酷之间的距离，确定所述第一组数据流量使用模型和所述第二组数据流量使用模型的所述微信和所述优酷的推荐度数值，在所述第一组数据流量使用模型中，所述优酷的推荐度数值大于所述所述微信的推荐度数值，在所述第二组数据流量使用模型中，所述优酷的推荐度数值小于所述所述微信的推荐度数值，所述服务器根据所述推荐度数值确定对应的业务套餐的推荐策略。

进一步地，所述服务器将所述不同组别的使用模型的业务套餐的推荐策略发送给运营商服务器，以供所述运营商服务器通过其OSS(The Office of Strategic Services，运营支撑系统)根据所述不同组别的使用模型的业务套餐的推荐策略为所述不同组别的使用模型对应的终端制定相应的业务套餐。所述业务套餐包括数据流量套餐、QoS(quality of service，服务质量)套餐和数据流量和QoS相结合的套餐。如所述运营商服务器为所述第一组数据流量使用模型所对应的终端用户制定应用于视频播放的应用程序的数据流量大于社交软件的数据流量的套餐，为所述第二组数据流量使用模型所对应的终端用户制定应用于视频播放的应用程序的数据流量小于社交软件的数据流量的套餐。

本实施例通过根据至少两个终端的基本信息和所述应用程序的使用信息对应建立使用模型，计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模，并计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。实现了在Android和iOS终端平台上采集用户使用的终端的基本信息和所述终端中应用程序的使用信息，根据所采集到的信息，通过预 设算法建立使用模型得到用户使用应用程序的流量去向和带宽占用等数据，根据所述数据确定所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略，运营商服务器根据所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略为用户制定流量套餐和/或QoS套餐，为运营商服务器和OTT厂商合作提供数据依据。

参照图2，图2为本发明业务套餐的推荐方法第二实施例的流程示意图，基于本发明业务套餐建立方法的第一实施例提出本发明的第二实施例。

在本实施例中，所述步骤S10包括：

步骤S11，当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端的经纬度数据时，根据所述终端的基本信息、所述应用程序的使用信息和所述终端的经纬度数据建立使用模型。

当所述服务器接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端的经纬度数据时，所述服务器根据所述终端的基本信息、所述应用程序的使用信息和所述终端的经纬度数据建立使用模型。其中，所述使用模型包括所述终端用户网络类型模型、信号强度模型、用户地理位置信息模型和所述终端应用程序使用模型。每一个终端用户都有对应的网络类型模型、信号强度模型、用户地理位置信息模型和所述终端应用程序使用模型。所述网络类型模型是指所述终端用户是使用2G(2-Generation wireless telephone technology，第二代手机通信技术规则)网络，还是3G(3rd-Generation，第三代移动通信技术)网络或者是4G(the 4th Generation mobile communication technology，第四代移动通信技术)网络。

所述地理位置信息是所述终端通过调用TelephonyManager.getCellLocation().getCid()和TelephonyManager.getCellLocation().getLac()的方法，获取所述终端所在蜂窝小区所在位置的标识信息和LAC(location area code，位置区码)的数据。所述终端把所述蜂窝小区所在位置的标识信息和所述LAC数据上报给云端的LBS(Location Based Service基于位置服务)服务器，以供所述LBS服务器根据所述蜂窝小区所在位置的标识信息和所述LAC 数据获得所述终端所在位置的经纬度数据，并将所述终端所在位置的经纬度数据发送给所述服务器。所述LBS服务器的最低配置为：Xeon E3-1230 v3的CPU；8GB的内存；和1TB的数据盘，所述LBS服务器可以存在于云端，也可以存在于物理设备中。当所述服务器接收到所述LBS发送的经纬度数据之后，根据所述经纬度数据确定所述终端的地理位置，并将所述终端的地理位置写入sqllite数据库中。

所述步骤S20包括：

步骤S21，根据预设算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区内相似度大于预设相似度的所述使用模型划分为同一组使用模型，得到所述使用模型的分组结果。

所述服务器根据所述协同过滤算法和所述余弦相似性相结合的算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区相似度大于预设相似度的所述使用模型划分为同一组用户使用模型，得到所述使用模型的分组结果。如所述服务器将所述同一蜂窝小区内使用2G网络的终端用户对应的网络类型模型划分为一组，将使用3G网络的终端用户对应的网络类型模型划分为一组，将使用4G网络的终端用户对应的网络类型模型划分为一组。

所述步骤30包括：

步骤S31，根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果；

所述服务器根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果。如所述服务器分析所述同一蜂窝小区内所述网络类型模型为3G所对应的终端用户的使用网络的状况，结合所述网络类型模型为3G所对应的终端用户的信号强度模型，并结合网络类型模型为3G所对应的终端用户的地理位置信息模型确定所述网络类型模型为3G所对应的终端用户所在蜂窝小区的网络状况。

步骤S32，将所述分析结果发送给所述运营商服务器，以供所述运营商服务器根据所述分析结果对所述蜂窝小区执行对应的操作。

所述服务器将所述分析结果发送给所述运营商服务器，以供所述运营商服务器接收所述分析结果，根据所述分析结果对所述蜂窝小区执行对应的操 作。当所述分析结果表示所述蜂窝小区处于网络差的状态时，所述运营商服务器根据所述分析结果对所述蜂窝小区进行扩容和/或网络优化的操作，而当所述分析结果表示所述蜂窝小区处于网络良好状态时，所述运营商服务器对所述蜂窝小区继续执行当前正在执行的操作。

本实施例通过根据至少两个终端的经纬度数据、所述终端的基本信息和所述终端中应用程序的使用信息建立使用模型，对所述使用模型进行分组，根据分组结果和所述使用模型分析所述终端所在的蜂窝小区的网络状况，将所述蜂窝小区的网络状况发送给运营商服务器，实现了当所述终端所在的蜂窝小区出现网络状况差的时候，运营商服务器根据所述蜂窝小区的网络状况对所述蜂窝小区进行扩容和/或网络优化的操作，提高了用户体验效果。

参照图3，图3为本发明实施例中根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果的一种流程示意图。

在本实施例中，所述步骤S31包括：

步骤S311，判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值；

步骤S312，当所述同一蜂窝小区内所述终端的信号强度小于所述预设信号强度阈值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区；

步骤S313，当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，判定所述蜂窝小区处于网络正常状态。

所述服务器判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值。当所述服务器判定所述同一蜂窝小区内所述终端的信号强度小于所述预设信号强度阈值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区。当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，所述服务器判定所述蜂窝小区处于网络正常状态。如当所述服务器判定所述同一蜂窝小区内，所述网络类型模型为4G所对应的终端中出现信号强度小于所述预设信号强度阈值的 终端，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，所述服务器判定所述蜂窝小区内的4G网络出现了网络盲区，处于一个不正常的状态。

本发明进一步提供一种业务套餐的推荐装置。

参照图4，图4为本发明业务套餐的推荐装置第一实施例的功能模块示意图。

在本实施例中，所述业务套餐的推荐装置包括：

建立模块10，用于当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，根据所述终端的基本信息和所述应用程序的使用信息建立使用模型；

当服务器接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息时，所述服务器根据所述终端的基本信息和所述应用程序的使用信息建立使用模型。其中，所述使用模型包括终端用户的数据流量使用模型和所述终端用户的带宽使用模型。每一个终端用户都有对应的数据流量使用模型和带宽使用模型。其中，所述服务器为能精确分析所述终端用户数据的服务器，所述服务器可以存在于云端或者物理设备当中。所述服务器的最低配置为：英特尔至强E5六核处理器Intel Xeon E5-2620，8GB(Gigabyte，十亿字节)的内存和2TB(Terabyte，太字节)的数据盘。所述终端包括但不限于智能手机和平板电脑。当所述终端为Android手机或者是Android平板电脑时，所述Android手机或者所述Android平板电脑的最低配置为ARM(Advanced RISC Machines)架构的CPU(Central Processing Unit，中央处理器)，512MB(MByte)的RAM，1GB的ROM(Read-Only Memory，只读存储器)和输出设备为分辨率460*640的电容触摸屏。当所述终端为苹果手机或苹果平板电脑时，所述苹果手机或所述苹果平板电脑的最低配置为：ARM Cortex-A8CPU，256MB的RAM，8GB的ROM和输出设备为分辨率480*320的电容触摸屏。

所述终端的基本信息包括国际移动用户识别码，所述终端的操作系统版本号和厂商信息，所述终端安装的应用程序列表。在本实施例中，以Android操作系统的终端为例进行说明。其中，所述终端在接收到开机广播 android.intent.action.BOOT_COMPLETED后，启动APP(Application，应用程序)的后台信息采集服务。所述终端通过所述信息采集服务调用Android的基础API(Application Programming Interface，应用程序编程接口)TelephonyManager.getSubscriberId()，获取所述终端的IMSI(International Mobile Subscriber Identification Number，国际移动用户识别码)作为消息推送的唯一标识信息；调用android.os.Build.VERSION.RELEASE获取所述终端操作系统的版本号；调用android.os.Build.MODEL获取所述终端的型号；调用android.os.Build.MANUFACTURER获取所述终端的生产厂商；调用PackageManager.getInstalledPackages，获取所述终端安装的所有App的信息。并逐条遍历所述APP安装信息参数，若所述终端侦测到packageInfo.applicationInfo.flags&ApplicationInfo.FLAG_SYSTEM的值为0，则将所述APP标记为非系统预装APP，若所述终端侦测到packageInfo.applicationInfo.flags&ApplicationInfo.FLAG_SYSTEM的值为1，则将所述APP标记为系统预装的APP，得到所述终端中所述APP的安装列表信息。

所述应用程序的使用信息包括所述应用程序的启动次数，所述应用程序的运行时间，流量消耗数据，占用带宽数据，所述应用程序所用网络的类型和网络信号强度。其中，所述终端根据所述APP的安装列表信息，反射调用com.android.internal.os.PkgUsageStats，分别读取PkgUsageStats.launchCount和PkgUsageStats.usageTime属性，得到不同APP的启动次数和运行时间，即得到所述终端不同应用程序的启动次数和运行时间；所述终端通过TelephonyManager.subtype获取当前网络类型和信号强度，并将所述当前的网络类型和所述信号强度写入sqllite数据库中。

第一计算模块20，用于根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型；

所述服务器根据预设算法计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模型，即根据预设算法计算每一个终端用户的数据流量使用模型和/或带宽使用模型之间的相似度，将所述终端用户之间的所述数据流量使用模型的相似度大于预设阈值的数据流量使用模型划分为同一组使用模型，即将所述数据流量使用模型的相似度大 于预设数据流量使用模型相似度的阈值所对应的终端用户划分为同一组，和/或将所述终端用户之间的所述带宽使用模型的相似度大于预设带宽使用模型相似度的阈值的数据流量使用模型划分为同一组使用模型，即将所述带宽使用模型的相似度大于预设带宽使用模型相似度的阈值所对应的终端用户划分为同一组。

其中，所述预设算法为协同过滤算法和余弦相似性相结合的算法，所述协同过滤算法是电子商务推荐系统的一种主要算法，所述协同过滤算法过滤分析用户兴趣，在用户群中找到指定用户相似(兴趣)用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜欢程度的预测。与传统文本过滤算法相比，所述协同过滤算法能够过滤能以进行机器自动基于内容分析的信息，能够基于一些复杂的，难以表达的概念(信息质量、品味)进行过滤，具有推荐的新颖性。所述余弦相似性通过测量两个向量内积空间的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1；并且其最小值是-1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90°时，余弦相似度的值为0；两个向量指向完全相反的方向时，余弦相似度的值为-1。在比较过程中，向量的规模大小不予考虑，仅仅考虑到向量的指向方向。余弦相似度通常用于两个向量的夹角小于90°之内，因此余弦相似度的值为0到1之间。

所述预设阈值可以根据具体情况来设定，当需要把较多的终端用户划分为一组时，可以将所述预设阈值设置小一点，如设置为80％，当需要更精确的划分所述终端用户时，可以将所述预设阈值设置大一些，如设置为90％。其中，所述预设数据流量使用模型相似度的阈值和所述带宽使用模型相似度的阈值可以相同，也可以不同。如当所述预设数据流量使用模型相似度的阈值和所述带宽使用模型相似度的阈值都为90％时，则所述服务器将所述终端用户之间的所述使用模型相似度大于90％的所述使用模型，划分为同一组使用模型。如当A终端用户的使用模型和B终端用户的使用模型之间的相似度大于90％时，所述服务器将所述A终端用户的使用模型和所述B终端用户的使用模型划分为同一组使用模型。

第二计算模块30，用于计算不同组别的使用模型与目标兴趣点之间的距 离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。

所述服务器计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。所述目标兴趣点为所述终端中消耗数据流量的应用程序，如社交应用程序和游戏应用程序等。

进一步地，所述第二计算模块30包括：

第一确定单元，用于确定不同组别的使用模型的坐标和目标兴趣点在坐标系中的坐标；

计算单元，用于根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点之间的距离；

第二确定单元，用于根据所述距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。

所述服务器确定不同组别的使用模型在三维坐标系中的坐标和目标兴趣点在三维坐标系中的坐标，所述服务器根据所述不同组别的使用模型的坐标和所述目标兴趣点在坐标系中的坐标计算不同组别的使用模型与目标兴趣点之间的距离，并根据所述不同组别的使用模型与所述目标兴趣点之前的距离的大小确定所述不同组别的使用模型的业务套餐的推荐策略。当所述不同组别的使用模型与所述目标兴趣点之前的距离越小时，所述目标兴趣点的推荐度数值越高，当所述推荐度数值越高时，在对所述不同组别的使用模型进行业务套餐推荐时，首先推荐度数值高所对应的业务套餐。如所述服务器计算得到第一组数据流量使用模型与社交应用程序微信的距离为0.2，与所述优酷的距离为0.18，第二组数据流量使用模型与社交应用程序微信的距离为0.15，与所述优酷的距离为0.22，则所述服务器根据所述第一组数据流量使用模型和所述第二组数据流量使用模型与所述微信和所述优酷之间的距离，确定所述第一组数据流量使用模型和所述第二组数据流量使用模型的所述微信和所述优酷的推荐度数值，在所述第一组数据流量使用模型中，所述优酷的推荐度数值大于所述所述微信的推荐度数值，在所述第二组数据流量使用模型中，所述优酷的推荐度数值小于所述所述微信的推荐度数值，所述服务器根据所述推荐度数值确定对应的业务套餐的推荐策略。

进一步地，所述服务器将所述不同组别的使用模型的业务套餐的推荐策 略发送给运营商服务器，以供所述运营商服务器通过其OSS(The Office of Strategic Services，运营支撑系统)根据所述不同组别的使用模型的业务套餐的推荐策略为所述不同组别的使用模型对应的终端制定相应的业务套餐。所述业务套餐包括数据流量套餐、QoS(quality of service，服务质量)套餐和数据流量和QoS相结合的套餐。如所述运营商服务器为所述第一组数据流量使用模型所对应的终端用户制定应用于视频播放的应用程序的数据流量大于社交软件的数据流量的套餐，为所述第二组数据流量使用模型所对应的终端用户制定应用于视频播放的应用程序的数据流量小于社交软件的数据流量的套餐。

本实施例通过根据至少两个终端的基本信息和所述应用程序的使用信息对应建立使用模型，计算所述使用模型之间的相似度，将所述相似度大于预设阈值的所述使用模型划分为同一组使用模，并计算不同组别的使用模型与目标兴趣点之间的距离，根据所述距离确定所述不同组别的使用模型的业务套餐的推荐策略。实现了在Android和iOS终端平台上采集用户使用的终端的基本信息和所述终端中应用程序的使用信息，根据所采集到的信息，通过预设算法建立使用模型得到用户使用应用程序的流量去向和带宽占用等数据，根据所述数据确定所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略，运营商服务器根据所述不同组别的使用模型的流量套餐和/或QoS套餐的推荐策略为用户制定流量套餐和/或QoS套餐，为运营商服务器和OTT厂商合作提供数据依据。

参照图5，图5为本发明业务套餐的推荐装置第一实施例的功能模块示意图，基于本发明业务套餐的推荐装置的第一实施例提出本发明业务套餐的推荐装置第二实施例。

在本实施例中，所述建立模块10，还用于当接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端的经纬度数据时，根据所述终端的基本信息、所述应用程序的使用信息和所述终端的经纬度数据建立使用模型。

当所述服务器接收到至少两个终端发送的所述终端的基本信息和所述终端中应用程序的使用信息，且接收到基于位置服务的服务器发送的所述终端 的经纬度数据时，所述服务器根据所述终端的基本信息、所述应用程序的使用信息和所述终端的经纬度数据建立使用模型。其中，所述使用模型包括所述终端用户网络类型模型、信号强度模型、用户地理位置信息模型和所述终端应用程序使用模型。每一个终端用户都有对应的网络类型模型、信号强度模型、用户地理位置信息模型和所述终端应用程序使用模型。所述网络类型模型是指所述终端用户是使用2G(2-Generation wireless telephone technology，第二代手机通信技术规则)网络，还是3G(3rd-Generation，第三代移动通信技术)网络或者是4G(the 4th Generation mobile communication technology，第四代移动通信技术)网络。

所述地理位置信息是所述终端通过调用TelephonyManager.getCellLocation().getCid()和TelephonyManager.getCellLocation().getLac()的方法，获取所述终端所在蜂窝小区所在位置的标识信息和LAC(location area code，位置区码)的数据。所述终端把所述蜂窝小区所在位置的标识信息和所述LAC数据上报给云端的LBS(Location Based Service基于位置服务)服务器，以供所述LBS服务器根据所述蜂窝小区所在位置的标识信息和所述LAC数据获得所述终端所在位置的经纬度数据，并将所述终端所在位置的经纬度数据发送给所述服务器。所述LBS服务器的最低配置为：Xeon E3-1230 v3的CPU；8GB的内存；和1TB的数据盘，所述LBS服务器可以存在于云端，也可以存在于物理设备中。当所述服务器接收到所述LBS发送的经纬度数据之后，根据所述经纬度数据确定所述终端的地理位置，并将所述终端的地理位置写入sqllite数据库中。

所述第一计算模块20，还用于根据预设算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区内相似度大于预设相似度的所述使用模型划分为同一组使用模型，得到所述使用模型的分组结果。

所述服务器根据所述协同过滤算法和所述余弦相似性相结合的算法计算同一蜂窝小区内所述使用模型之间的相似度，将所述同一蜂窝小区相似度大于预设相似度的所述使用模型划分为同一组用户使用模型，得到所述使用模型的分组结果。如所述服务器将所述同一蜂窝小区内使用2G网络的终端用户对应的网络类型模型划分为一组，将使用3G网络的终端用户对应的网络类型模型划分为一组，将使用4G网络的终端用户对应的网络类型模型划分为一 组。

所述业务套餐的推荐装置还包括：

分析模块40，用于根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果；

所述服务器根据所述同一蜂窝小区内所述使用模型的分组结果和所述使用模型分析所述蜂窝小区的网络状况，得到分析结果。如所述服务器分析所述同一蜂窝小区内所述网络类型模型为3G所对应的终端用户的使用网络的状况，结合所述网络类型模型为3G所对应的终端用户的信号强度模型，并结合网络类型模型为3G所对应的终端用户的地理位置信息模型确定所述网络类型模型为3G所对应的终端用户所在蜂窝小区的网络状况。

发送模块50，还用于将所述分析结果发送给所述运营商服务器，以供所述运营商服务器根据所述分析结果对所述蜂窝小区执行对应的操作。

所述服务器将所述分析结果发送给所述运营商服务器，以供所述运营商服务器接收所述分析结果，根据所述分析结果对所述蜂窝小区执行对应的操作。当所述分析结果表示所述蜂窝小区处于网络差的状态时，所述运营商服务器根据所述分析结果对所述蜂窝小区进行扩容和/或网络优化的操作，而当所述分析结果表示所述蜂窝小区处于网络良好状态时，所述运营商服务器对所述蜂窝小区继续执行当前正在执行的操作。

本实施例通过根据至少两个终端的经纬度数据、所述终端的基本信息和所述终端中应用程序的使用信息建立使用模型，对所述使用模型进行分组，根据分组结果和所述使用模型分析所述终端所在的蜂窝小区的网络状况，将所述蜂窝小区的网络状况发送给运营商服务器，实现了当所述终端所在的蜂窝小区出现网络状况差的时候，运营商服务器根据所述蜂窝小区的网络状况对所述蜂窝小区进行扩容和/或网络优化的操作，提高了用户体验效果。

参照图6，图6为本发明实施例中分析模块的一种功能模块示意图。

在本实施例中，所述分析模块40包括：

判断单元41，用于判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值；

第一判定单元42，用于当所述同一蜂窝小区内所述终端的信号强度小于 所述预设信号强度阈值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区；

第二判定单元43，用于当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，判定所述蜂窝小区处于网络正常状态。

所述服务器判断所述同一蜂窝小区内所述同一组使用模型中所述使用模型对应的终端的信号强度是否小于预设信号强度阈值。当所述服务器判定所述同一蜂窝小区内所述终端的信号强度小于所述预设信号强度阈值，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，判定所述蜂窝小区处于网络盲区。当所述同一蜂窝小区内所述终端的信号强度大于或者等于所述预设信号强度阈值时，所述服务器判定所述蜂窝小区处于网络正常状态。如当所述服务器判定所述同一蜂窝小区内，所述网络类型模型为4G所对应的终端中出现信号强度小于所述预设信号强度阈值的终端，且所述同一蜂窝小区内小于所述预设信号强度阈值的所述终端的比例超过预设比例时，所述服务器判定所述蜂窝小区内的4G网络出现了网络盲区，处于一个不正常的状态。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，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以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。