一种基于社交网络分析的业务推荐方法和系统的制作方法
【技术领域】
[0001] 本发明涉及数据业务技术领域，尤其涉及一种基于社交网络分析的业务推荐方法 和系统。
【背景技术】
[0002] 随着三大运营商市场竞争的不断加剧，精细化的客户关系建模方法得到了广泛使 用，基于客户行为建立的模型能够为用户推荐其最需要的业务。这类方法通过有监督或者 无监督的数据挖掘算法，根据客户的行为、偏好、费用等信息对客户未来一段时间内的业务 购买倾向进行预测，以此找出最具价值的客户，从而达到扩大客户规模的目的。
[0003] 传统的通过数据挖掘建立模型进行业务推荐的典型方法，包括以下步骤：获取客 户在某项业务推荐后的订购和非订购数据；汇总每位客户在业务推荐前数月的各类信息， 包括费用、通信行为(语音/短信/上网)、业务订购行为、终端使用行为；以订购/非订购为 目标，利用决策树、逻辑回归、神经网络等数据挖掘算法工具对客户历史数据进行训练；按 照训练模型生成的规则从全网客户中筛选出该业务的目标客户进行推荐。
[0004] 同时，随着社交网站的兴起，人与人之间的社交关系也逐渐成为研究关注的焦点， 移动客户之间频繁的通信行为使得他们自然的形成了一些群体。各群体中，每位客户都对 其它客户的行为施加着不同程度的影响。典型的社交网络分析通常用来量化客户的这一影 响力。比如，通过汇总客户的语音交往圈，计算客户与每位对端客户的通话次数/时长，来 决定该客户的影响力。影响力较大的客户在客户保有工作中会得到优先挽留，在业务推荐 中也会得到最优的服务。
[0005] 然而，现有的业务推荐建模方法仅对单个业务产品的推荐进行优化，在多业务的 组合推荐场景中，难以给出客户在每个业务产品上的推荐优先级别。另外，现有的业务推荐 建模方法仅对单个客户进行分析，没有考虑到客户之间的联系和相互影响，虽然在单次的 业务推荐上能够提高目标客户群的精准度，但是无法形成持续的业务推广效果，也无法利 用客户间的关系形成有效的业务传播方式。
[0006] 另一方面，现有技术中基于移动通信交往圈的分析方法通常只分析单个通信方式 产生的交往圈，比如语音交往圈即使将语音和短信交往数据整合在了一起，在后期计算影 响力时也是分开单独计算语音和短信的影响力，无法兼顾客户在多个通信方式中产生的交 往信息。另外，这种基于移动通信交往圈的分析方法对主叫通信行为和被叫通信行为是分 开计算的，便无法排除单向拨打客户和主叫沉默客户这两种对于计算影响力没有意义的情 况。
【发明内容】
[0007] 本发明实施例提供一种基于社交网络分析的业务推荐方法及系统，用以解决现有 技术中只针对单个业务、单个客户以及单个通信方式进行分析，从而难以向用户推荐其最 需要的业务的问题。
[0008] 本发明实施例提供的具体技术方案如下：
[0009] 第一方面，一种基于社交网络分析的业务推荐方法，包括：
[0010] 根据第一用户的历史通信记录，确定与所述第一用户存在关联的至少一个其他用 户，并获取所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方式的 通信量信息；
[0011] 根据所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方 式的通信量信息，计算所述第一用户和所述至少一个其他用户之间的交互因子；
[0012] 根据所述第一用户的历史业务信息，确定所述第一用户申请的每一类业务的使用 信息并进行除权处理；
[0013] 根据所述第一用户和所述至少一个其他用户之间的交互因子，以及所述第一用户 申请的每一类业务的经除权处理的使用信息，分别确定所述第一用户申请的每一类业务的 推荐优先级，并向所述第一用户推荐当前优先级最高的业务。
[0014] 通过这种实现方式，按照用户之间的通信量分布和通信频繁度来衡量用户的交往 对象对该用户的影响，并通过用户的交互因子和经除权处理后的历史业务使用信息，计算 用户的业务推荐优先级，能够向用户推荐其最需要的业务，提高了业务推荐的准确度和有 效性。
[0015] 结合第一方面，在第一种可能的实现方式中，根据所述第一用户与所述至少一个 其他用户进行交互时所采用的每一类通信方式的通信量信息，计算所述第一用户和所述至 少一个其他用户之间的交互因子，包括：
[0016] 根据所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方 式的通信量信息，计算所述第一用户和所述至少一个其他用户进行交互时在所采用的每 一类通信方式上的通信量分布，并计算所述第一用户和所述至少一个其他用户的通信频繁 度；
[0017] 再根据所述第一用户和所述至少一个其他用户之间对应的通信量分布和通信频 繁度，计算所述第一用户和所述至少一个其他用户之间的交互因子。
[0018] 通过这种实现方式，不仅考虑到主被叫用户之间的通信频繁度，同时还考虑到用 户在各类通信方式上的通信量分布，更有利于全面衡量用户之间的影响力。
[0019] 结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，采用以下 公式计算所述第一用户和所述至少一个其他用户进行交互时在所采用的每一类通信方式 上的通信量分布：
[0020] E(a，b) =-SieT(a，b)PilogPi
[0021] 式中，E(a，b)表示用户a与用户b进行交互时在所采用的每一类通信方式上的通 信量分布，T(a，b)表示用户a与用户b进行交互时所采用的通信方式种类，Pi表示第i种 通信方式的通信次数在所有通信方式的通信次数中所占的比例。
[0022] 通过这种实现方式，得到了通信量分布，解决了不同的通信方式之间的通信量无 法直接进行加权比较的问题。
[0023] 结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，采用以下 公式计算所述第一用户和所述至少一个其他用户的通信频繁度：
[0024]
【主权项】
1. 一种基于社交网络分析的业务推荐方法，其特征在于，包括： 根据第一用户的历史通信记录，确定与所述第一用户存在关联的至少一个其他用户， 并获取所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方式的通 信量信息； 根据所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方式的 通信量信息，计算所述第一用户和所述至少一个其他用户之间的交互因子； 根据所述第一用户的历史业务信息，确定所述第一用户申请的每一类业务的使用信息 并进行除权处理； 根据所述第一用户和所述至少一个其他用户之间的交互因子，以及所述第一用户申请 的每一类业务的经除权处理的使用信息，分别确定所述第一用户申请的每一类业务的推荐 优先级，并向所述第一用户推荐当前优先级最高的业务。
2. 如权利要求1所述的方法，其特征在于，根据所述第一用户与所述至少一个其他用 户进行交互时所采用的每一类通信方式的通信量信息，计算所述第一用户和所述至少一个 其他用户之间的交互因子，包括： 根据所述第一用户与所述至少一个其他用户进行交互时所采用的每一类通信方式的 通信量信息，计算所述第一用户和所述至少一个其他用户进行交互时在所采用的每一类通 信方式上的通信量分布，并计算所述第一用户和所述至少一个其他用户的通信频繁度； 再根据所述第一用户和所述至少一个其他用户之间对应的通信量分布和通信频繁度， 计算所述第一用户和所述至少一个其他用户之间的交互因子。
3. 如权利要求2所述的方法，其特征在于，采用以下公式计算所述第一用户和所述至 少一个其他用户进行交互时在所采用的每一类通信方式上的通信量分布： E(a,b) = _Σ j e T(a；b)pi log Pi 式中，E (a，b)表示用户a与用户b进行交互时在所采用的每一类通信方式上的通信量 分布，T (a，b)表示用户a与用户b进行交互时所采用的通信方式种类，Pi表示第i种通信 方式的通信次数在所有通信方式的通信次数中所占的比例。
4. 如权利要求2所述的方法，其特征在于，采用以下公式计算所述第一用户和所述至 少一个其他用户的通信频繁度：
式中，P (a, b)表示用户a和用户b的通信频繁度，Interaction (a, b)表示用户a和用 户b之间的通信次数，Interaction (a, *)表示用户a和与用户a存在关联的所有用户之间 的通信次数。
5. 如权利要求2-4任一项所述的方法，其特征在于，再根据所述第一用户和所述至少 一个其他用户之间对应的通信量分布和通信频繁度，计算所述第一用户和所述至少一个其 他用户之间的交互因子，包括： 采用以下式子计算用户a和用户b之间的交互因子：
式中，I (a, b)表示用户a和用户b之间的交互因子，
羑示用户a和用 户b的通信频繁度，E (a，b)表示用户a和用户b进行交互时在所采用的每一类通信方式上 的通信量分布，E (a，*)表示用户