[發明專利]互聯網電視潛在用戶投訴預測方法、裝置及設備

在審

• 申請號: 201711489234.7
• 申請日: 2017-12-30
• 公開（公告）號: CN109993555A
• 公開（公告）日: 2019-07-09
• 發明（設計）人: 吳薇
• 申請（專利權）人: 中國移動通信集團四川有限公司;中國移動通信集團公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 賀琳

1.一種互聯網電視潛在用戶投訴預測方法，其特征在于，所述方法包括：

獲取與互聯網電視潛在用戶投訴相關的樣本數據；

依據所述樣本數據，獲取FCM聚類模型的初始聚類中心；

優化所述FCM聚類模型的初始聚類中心；

迭代計算聚類中心和模糊隸屬度直至終止條件，獲得模型參數，所述聚類中心為兩個聚類中心，分別對應互聯網電視潛在投訴用戶類和互聯網電視非潛在投訴用戶類，所述模糊隸屬度為各互聯網電視用戶隸屬于互聯網電視潛在投訴用戶類和互聯網電視非潛在投訴用戶類的概率；

依據所述模型參數，預測各互聯網電視用戶的投訴概率；

根據最大隸屬度原則確定各互聯網電視用戶的預測投訴標識類別，所述預測投訴標識類別分為預測投訴類或預測不投訴類。

2.根據權利要求1所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述樣本數據包括：與互聯網電視用戶相關的用戶側數據和與互聯網電視相關的設備側數據。

3.根據權利要求2所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述用戶側數據包括：用戶ID信息、用戶收看節目開始時間、用戶收看節目時長和用戶收看節目名稱和用戶快進/快退/暫定操作情況信息。

4.根據權利要求3所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述設備側數據包括：機頂盒運行數據和網絡設備運行數據。

5.根據權利要求4所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述機頂盒運行數據包括：機頂盒內存利用率和機頂盒CPU利用率和響應請求時長；所述網絡設備運行數據包含：互聯網電視卡頓時長占比、二級CDN帶寬利用率和組播媒體丟包率。

6.根據權利要求2所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述獲取與互聯網電視潛在用戶投訴相關的樣本數據，包括：

對所述用戶側數據、所述設備側數據進行預處理，剔除其中的無效數據和錯誤數據，并對所述用戶側數據和所述設備側數據進行歸一化處理。

7.根據權利要求1至6任一項所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述優化所述FCM聚類模型的初始聚類中心，包括：

采用改進的量子蟻群算法優化所述FCM聚類模型的初始聚類中心。

8.根據權利要求1所述的互聯網電視潛在用戶投訴預測方法，其特征在于，所述迭代計算聚類中心和模糊隸屬度直至終止條件，獲得模型參數，包括：

以參數c作為類別數，初始時刻從樣本數據中隨機選取c個聚類中心對象，將樣本數據余下的聚類中心對象按照預定的相似性度量方式與各個聚類中心對象計算隸屬度，然后劃分到與其隸屬度最大的聚類中心對象為中心的簇中，重新計算每個新生成簇的質心和樣本對新簇的隸屬度，并計算由距離度量和模糊參數共同決定的目標函數；

評估所述目標函數；

判斷是否達到所述終止條件，所述終止條件為重復上述模糊劃分過程，直到所述目標函數值最小或通過FCM算法達到最大迭代次數。

9.一種互聯網電視潛在用戶投訴預測裝置，其特征在于，包括：

樣本數據獲取模塊，獲取與互聯網電視潛在用戶投訴相關的樣本數據；

初始聚類中心獲取模塊，依據所述樣本數據，獲取FCM聚類模型的初始聚類中心；

優化模塊，優化所述FCM聚類模型的初始聚類中心；

模型參數獲取模塊，迭代計算聚類中心和模糊隸屬度直至終止條件，獲得模型參數，所述聚類中心為兩個聚類中心，分別對應互聯網電視潛在投訴用戶類和互聯網電視非潛在投訴用戶類，所述模糊隸屬度為各互聯網電視用戶隸屬于互聯網電視潛在投訴用戶類和互聯網電視非潛在投訴用戶類的概率；

預測投訴概率模塊，依據所述模型參數，預測各互聯網電視用戶的投訴概率；

預測投訴標識類別確定模塊，根據最大隸屬度原則確定各互聯網電視用戶的預測投訴標識類別，所述預測投訴標識類別分為預測投訴類或預測不投訴類。