[發明專利]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

• 申請號: 201911304900.4
• 申請日: 2019-12-17
• 公開（公告）號: CN112989059A
• 公開（公告）日: 2021-06-18
• 發明（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

本發明實施例涉及通信技術領域，公開了一種潛在客戶識別方法及裝置、設備及可讀計算機存儲介質，該方法包括：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點及節點之間的關聯數據，所述多個節點包括用戶；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。通過上述方式，根據運營商數據建立知識圖譜，根據知識圖譜來進行數據挖掘，根據挖掘結果進行潛在客戶的識別，可提高識別準確率。

技術領域

本發明實施例涉及通信技術領域，具體涉及一種潛在客戶識別方法及裝置、設備及可讀計算機存儲介質。

背景技術

移動互聯網絡綜合了傳統移動通信網絡和傳統互聯網二者的優勢，隨著第三代移動通信技術3G/長期演進LTE時代的到來，其業務發展的前景不可限量，未來電信運營商的主要收入來源將從語音業務轉變為數據業務和基于數據的增值業務。而根據運營商數據識別目標客戶，以進行增值業務的推薦是當前一項比較重要的技術。

現有技術中，主要利用數據挖掘技術從用戶運營數據中提取符合特定規則的用戶記錄作為目標客戶。再基于這些用戶記錄，通過短信，手機應用推送，或客服人員電話詢問推薦等方式進行客戶營銷，但此種方式需要有經驗的技術人員通過觀察大量數據，挖掘出固定的模式，此方式比較依賴人工且存在較大的時間滯后性，而且準確率不夠高。

發明內容

鑒于上述問題，本發明實施例提供了一種潛在客戶識別方法及裝置，克服了上述問題或者至少部分地解決了上述問題。

根據本發明實施例的一個方面，提供了一種潛在客戶識別方法，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點及節點之間的關聯數據，所述多個節點包括用戶；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。

在一種可選的方式中，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。

在一種可選的方式中，所述知識圖譜還包括社區關聯數據，所述基于所述運營商數據構建所述知識圖譜還包括：基于所述社區關聯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。

在一種可選的方式中，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點的屬性進行優化處理，得到優化處理的知識圖譜；基于所述優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。

在一種可選的方式中，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數據的挖掘，得到對應的挖掘結果。

在一種可選的方式中，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。

在一種可選的方式中，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。