[發(fā)明專利]潛在客戶識別方法及裝置、設備及可讀計算機存儲介質

在審

• 申請?zhí)枺?/td>: 201911304900.4
• 申請日: 2019-12-17
• 公開（公告）號: CN112989059A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設計）人: 丁天成;鄭歡;陳勇;余侃;高琴;楊雨青;許林甲
• 申請（專利權）人: 中國移動通信集團浙江有限公司;中國移動通信集團有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/35;G06Q30/02;G06N3/04
• 代理公司: 北京市浩天知識產權代理事務所(普通合伙) 11276
• 代理人: 王廣濤

1.一種潛在客戶識別方法，其特征在于，所述方法包括：

獲取運營商數據，所述運營商數據包括多個用戶數據；

基于所述運營商數據構建知識圖譜，所述知識圖譜包括多個節(jié)點及節(jié)點之間的關聯(lián)數據，所述多個節(jié)點包括用戶；

基于所述知識圖譜進行數據挖掘，得到挖掘結果；

基于所述挖掘結果進行潛在客戶識別。

2.如權利要求1所述的方法，其特征在于，所述基于所述運營商數據構建知識圖譜，包括：

建立本體結構，所述本體結構至少包括用戶及對應的手機號；

基于所述運營商數據及所述本體結構進行數據融合，構建所述知識圖譜。

3.如權利要求2所述的方法，其特征在于，所述知識圖譜還包括社區(qū)關聯(lián)數據，所述基于所述運營商數據構建所述知識圖譜還包括：

基于所述社區(qū)關聯(lián)數據對所述知識圖譜進行補充；

將補充后的知識圖譜對應的數據輸入至第一深度學習模型中進行標簽預測，得到對應的標簽并添加至所述知識圖譜，所述第一深度學習模型包括依次連接的嵌入層、特征提取層及特征聚合層。

4.如權利要求2所述的方法，其特征在于，所述基于所述知識圖譜進行數據挖掘，得到挖掘結果，包括：

通過圖嵌入方式分別對所述知識圖譜的每一所述節(jié)點的屬性進行優(yōu)化處理，得到優(yōu)化處理的知識圖譜；

基于所述優(yōu)化處理的知識圖譜獲取每一用戶的重要度；

基于所述多個用戶數據進行用戶畫像。

5.如權利要求4所述的方法，其特征在于，所述用戶數據包括消費行為數據，所述基于所述知識圖譜進行數據挖掘，得到挖掘結果還包括：

基于所述消費行為數據進行消費關聯(lián)數據的挖掘，得到對應的挖掘結果。

6.如權利要求5所述的方法，其特征在于，所述基于所述挖掘結果進行潛在客戶識別，包括：

基于預設規(guī)則分析所述挖掘結果，得到每一用戶的分析結果；

基于所述分析結果及第二深度學習模型識別潛在客戶。

7.如權利要求6所述的方法，其特征在于，所述第二深度學習模型包括：依次連接的輸入層、自注意力層、全連接層及輸出層，所述基于所述分析結果及深度學習模型識別潛在客戶，包括：

將所述分析結果輸入至所述輸入層進行維度統(tǒng)一化，輸出預設維度的特征數據；

將所述預設維度的特征數據輸入至所述自注意力層進行特征學習，輸出對應的表征數據；

將所述表征數據輸入所述全連接層中進行特征組合，輸出一特征值至所述輸出層，得到對應的識別結果。

8.一種潛在客戶識別裝置，其特征在于，包括：

獲取模塊，用于獲取運營商數據，所述運營商數據包括多個用戶數據；

構建模塊，用于基于所述運營商數據構建知識圖譜，所述知識圖譜包括多個節(jié)點及節(jié)點之間的關聯(lián)數據；

挖掘模塊，用于基于所述知識圖譜進行數據挖掘，得到挖掘結果；

識別模塊，用于基于所述挖掘結果進行潛在客戶識別。

9.一種設備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信；

所述存儲器用于存放至少一可執(zhí)行指令，所述可執(zhí)行指令使所述處理器執(zhí)行根據權利要求1-7任一項所述潛在客戶識別方法的步驟。

10.一種可讀計算機存儲介質，所述存儲介質中存儲有至少一可執(zhí)行指令，所述可執(zhí)行指令使處理器執(zhí)行根據權利要求1-7任一項所述潛在客戶識別方法的步驟。