技术特征：
1.一种数据处理方法，其特征在于，包括：获取预定时间段内第一目标对象的对象数据，其中，所述对象数据包括：所述第一目标对象使用预定通信服务平台的动态行为数据，以及所述第一目标对象的静态属性数据；提取所述对象数据中所述动态行为数据对应的动态数据特征，以及提取所述对象数据中所述静态属性数据对应的静态数据特征；基于所述动态数据特征和所述静态数据特征对所述第一目标对象离开所述预定通信服务平台的概率进行预测，得到所述第一目标对象离开所述预定通信服务平台的概率。2.根据权利要求1所述的方法，其特征在于，所述提取所述对象数据中所述动态行为数据对应的动态数据特征，包括：确定所述动态行为数据的类型；按照时间顺序排列所述类型相同的动态行为数据；提取所述按照时间顺序排列后的动态行为数据对应的动态数据特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述动态数据特征和所述静态数据特征对所述第一目标对象离开所述预定通信服务平台的概率进行预测，得到所述第一目标对象离开所述预定通信服务平台的概率，包括：将所述动态数据特征与所述静态数据特征输入至预测网络模型中，得到所述第一目标对象离开所述预定通信服务平台的概率。4.根据权利要求3所述的方法，其特征在于，所述将所述动态数据特征与所述静态数据特征输入至预测网络模型中，得到所述第一目标对象离开所述预定通信服务平台的概率，包括：分配预定的权重至所述动态数据特征与所述静态数据特征；将分配预定的权重后的所述动态数据特征与所述静态数据特征输入至预测网络模型中，得到所述第一目标对象离开所述预定通信服务平台的概率。5.根据权利要求3所述的方法，其特征在于，采用以下方式，得到所述预测网络模型：获取样本集，其中，所述样本集包括正样本集和负样本集，所述正样本集包括：多组第二目标对象的数据，所述负样本集包括：多组第三目标对象的数据，所述第二目标对象为离开所述预定通信服务平台的对象，所述第三目标对象为未离开所述预定通信服务平台的对象；采用所述样本集对初始网络模型进行训练，得到所述预测网络模型。6.根据权利要求5所述的方法，其特征在于，所述采用所述样本集对初始网络模型进行训练，得到所述预测网络模型，包括：采用所述样本集对初始网络模型进行训练；确定所述初始网络模型预测的准确率，以及召回率；在所述初始网络模型预测的准确率，以及召回率均大于预定阈值的情况下，得到所述预测网络模型。7.一种数据处理装置，其特征在于，包括：获取模块，用于获取预定时间段内第一目标对象的对象数据，其中，所述对象数据包括：所述第一目标对象使用预定通信服务平台的动态行为数据，以及所述第一目标对象的静态属性数据；
提取模块，用于提取所述对象数据中所述动态行为数据对应的动态数据特征，以及提取所述对象数据中所述静态属性数据对应的静态数据特征；预测模块，用于基于所述动态数据特征和所述静态数据特征对所述第一目标对象离开所述预定通信服务平台的概率进行预测，得到所述第一目标对象离开所述预定通信服务平台的概率。8.一种电子设备，其特征在于，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如权利要求1至6中任一项所述的数据处理方法。9.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至6中任一项所述的数据处理方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的数据处理方法。
技术总结
本发明公开了一种数据处理方法、装置、电子设备及计算机可读存储介质。其中，该方法包括：获取预定时间段内第一目标对象的对象数据，其中，对象数据包括：第一目标对象使用预定通信服务平台的动态行为数据，以及第一目标对象的静态属性数据；提取对象数据中动态行为数据对应的动态数据特征，以及提取对象数据中静态属性数据对应的静态数据特征；基于动态数据特征和静态数据特征对第一目标对象离开预定通信服务平台的概率进行预测，得到第一目标对象离开预定通信服务平台的概率。本发明解决了相关技术中难以依据用户的多种数据，综合性地判断用户是否有离网倾向的技术问题。判断用户是否有离网倾向的技术问题。判断用户是否有离网倾向的技术问题。
技术研发人员：朱宇光
受保护的技术使用者：江苏微皓智能科技有限公司
技术研发日：2021.12.24
技术公布日：2022/4/12