[發明專利]一種基于圖神經網絡的用戶通信行為預測方法和裝置

在審

• 申請號: 202110523619.0
• 申請日: 2021-05-13
• 公開（公告）號: CN113516501A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 王敬昌;陳嶺;吳勇;鄭羽;彭依依;宋朝都;陳緯奇
• 申請（專利權）人: 浙江鴻程計算機系統有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于圖神經網絡的用戶通信行為預測方法和裝置，包括：采集用戶屬性數據、用戶行為數據、用戶間通話數據，以及待預測行為數據，將用戶屬性數據和用戶行為數據的編碼信息作為節點屬性，根據用戶間通話數據構建節點之間連邊信息，以形成用戶通信社交圖，待預測行為數據作為待預測行為標簽；構建包含圖神經網絡和分類網絡的用戶通信行為模型，其中，圖神經網絡用于提取節點特征，分類網絡用于基于節點特征進行用戶通信行為預測，利用用戶通信社交圖和待預測行為標簽優化用戶通信行為模型參數；應用時，將待預測的用戶通信社交圖輸入至參數優化后的用戶通信行為模型，經計算得到用戶通信行為預測結果。提升用戶通信行為預測的準確性。

技術領域

本發明屬于用戶行為預測領域，具體涉及一種基于圖神經網絡的用戶通信行為預測方法和裝置。

背景技術

隨著電信服務使用量和用戶數量的迅猛增加，如何預測電信用戶的行為成為了一個新的業務增長點，準確進行電信用戶行為預測有利于提升營銷的效果。運營商的數據倉庫內既有用戶的自然屬性，又包括通話、網絡流量使用、套餐變更等一系列行為信息。與此同時，用戶的行為與決策往往會受到身邊其它人的影響，根據用戶之間的通話記錄來構建用戶之間的社交網絡，可以幫助運營商構建更加準確、全面的用戶畫像，進而準確進行電信用戶行為預測。

現有的電信運營商用戶行為預測(如離網預測、換機預測、升級5G套餐預測)方法主要分為兩類。第一類主要使用傳統機器學習技術，如決策樹、隨機森林、XGBoost等，結合用戶自然屬性和行為信息統計特征(如用戶近一周日平均通話時長)，進行電信用戶行為預測。然而，此類方法根據用戶行為信息構建統計特征，無法充分挖掘用戶行為的序列關系，一定程度上造成信息損失。

第二類主要使用深度學習技術來解決上述問題，循環神經網絡(RNN)可以從原始的用戶行為時序中提取序列特征，提升模型的表達能力，如公開號為CN109583659A的專利申請公開的一種基于深度學習的用戶操作行為預測方法和系統，再如公開號為CN109831801A的專利申請公開的一種基于深度學習神經網絡的用戶行為預測的基站緩存算法。然而，這種做法仍然只考慮了單個用戶的特征，沒有引入社交網絡來考慮不同用戶之間的互相影響。

發明內容

鑒于上述，本發明的目的是提供一種基于圖神經網絡的用戶通信行為預測方法和裝置，通過結合電信用戶之間的社交關系來實現用戶通信行為的更精準預測。

第一方面，實施例提供的一種基于圖神經網絡的用戶通信行為預測方法，包括以下步驟：

采集用戶屬性數據、用戶行為數據、用戶間通話數據，以及待預測行為數據，以用戶作為節點，將用戶屬性數據和用戶行為數據的編碼信息作為節點屬性，根據用戶間通話數據構建節點之間連邊信息，以形成用戶通信社交圖，待預測行為數據作為待預測行為標簽；

構建包含圖神經網絡和分類網絡的用戶通信行為模型，其中，圖神經網絡用于提取節點特征，分類網絡用于基于節點特征進行用戶通信行為預測，利用用戶通信社交圖和待預測行為標簽優化用戶通信行為模型參數；

應用時，將待預測的用戶通信社交圖輸入至參數優化后的用戶通信行為模型，經計算得到用戶通信行為預測結果。

一個實施例中，針對用戶屬性數據，對于用戶屬性數據包含的離散屬性數據進行獨熱編碼，對包含的連續屬性數據進行歸一化處理，得到用戶屬性數據的編碼信息；

對用戶行為數據進行歸一化處理，得到用戶行為數據的編碼信息；

用戶屬性數據的編碼信息與用戶行為數據的編碼信息拼接后得到的用戶屬性向量作為節點屬性。

一個實施例中，采用波紋行走算法從用戶通信社交圖中采集用戶通信社交子圖，將用戶通信社交子圖輸入至用戶通信行為模型。

一個實施例中，圖神經網絡通過輸入圖的每個節點屬性和鄰居節點屬性進行聚合得到節點特征，具體包括：