[發明專利]用戶的離網預測方法、裝置、電子設備及存儲介質在審
| 申請號： | 202110544930.3 | 申請日： | 2021-05-19 |
| 公開（公告）號： | CN115374578A | 公開（公告）日： | 2022-11-22 |
| 發明（設計）人： | 王倩茹;張晴 | 申請（專利權）人： | 中國移動通信集團北京有限公司;中國移動通信集團有限公司 |
| 主分類號： | G06F30/18 | 分類號： | G06F30/18;G06F30/27;G06N20/00;H04L41/147;H04L41/142;H04L41/14;H04W8/18;G06F111/08 |
| 代理公司： | 北京路浩知識產權代理有限公司 11002 | 代理人： | 王宇楊 |
| 地址： | 100007 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 用戶 預測 方法 裝置 電子設備 存儲 介質 | ||
1.一種用戶的離網預測方法，其特征在于，包括：
獲取用戶的在網特征，其中，所述在網特征為預設的與離網預測相關聯的特征；
將所述在網特征輸入到離網預測模型，得到由所述離網預測模型輸出的預測結果，所述預測結果用于表征用戶離網的概率；
其中，所述離網預測模型為將根據用戶的在網特征樣本和在網特征對應的離網標簽作為輸入，通過機器學習訓練得到的，用于對用戶的在網特征進行離網預測的模型。
2.根據權利要求1所述的用戶的離網預測方法，其特征在于，所述獲取用戶的在網特征，包括：
獲取用戶的在網數據，以及確定在網特征項對應的統計規則；
根據所述在網數據和所述統計規則確定用戶的在網特征。
3.根據權利要求1所述的用戶的離網預測方法，其特征在于，所述方法還包括離網預測模型的構建步驟，所述構建步驟包括：
獲取各樣本的在網特征，根據各樣本的在網特征分別劃分出第一預設數目的在網特征集；
確定第一預設數目的核函數，以及確定回歸函數；其中，各核函數的輸出值作為回歸函數的輸入值，回歸函數的輸出值作為樣本對應的離網標簽；
將各樣本的第一預設數目的在網特征集輸入到對應的核函數進行訓練，并將各核函數的輸出值輸入到回歸函數中進行訓練，得到訓練好的各核函數和回歸函數，將訓練好的各核函數和回歸函數結合作為離網預測模型。
4.根據權利要求3所述的用戶的離網預測方法，其特征在于，將各樣本的第一預設數目的在網特征集輸入到對應的核函數進行訓練，得到訓練好的各核函數，包括：
將各樣本的第一預設數目的在網特征集輸入到對應的核函數中，采用極大極小公式進行訓練，得到訓練好的各核函數；
其中，極大極小公式包括：
其中，Y為包含各樣本的離網標簽的對角型矩陣，λ為正則化項的超參數，β為各個核矩陣的權系數，γ為一個正樣本和負樣本的數據，正樣本為離網樣本，負樣本為在網樣本；βr是第r核矩陣的權系數，Kr是第r核矩陣，R與第一預設數目的值相同，θ為正樣本和負樣本的成對組合的集合。
5.一種用戶的離網預測裝置，其特征在于，包括：
獲取模塊，用于獲取用戶的在網特征，其中，所述在網特征為預設的與離網預測相關聯的特征；
預測模塊，用于將所述在網特征輸入到離網預測模型，得到由所述離網預測模型輸出的預測結果，所述預測結果用于表征用戶離網的概率；
其中，所述離網預測模型為將根據用戶的在網特征樣本和在網特征對應的離網標簽作為輸入，通過機器學習訓練得到的，用于對用戶的在網特征進行離網預測的模型。
6.根據權利要求5所述的用戶的離網預測裝置，其特征在于，所述獲取模塊具體用于：
獲取用戶的在網數據，以及確定在網特征項對應的統計規則；
根據所述在網數據和所述統計規則確定用戶的在網特征。
7.根據權利要求5所述的用戶的離網預測裝置，其特征在于，所述裝置還包括構建模塊，用于：
獲取各樣本的在網特征，根據各樣本的在網特征分別劃分出第一預設數目的在網特征集；
確定第一預設數目的核函數，以及確定回歸函數；其中，各核函數的輸出值作為回歸函數的輸入值，回歸函數的輸出值作為樣本對應的離網標簽；
將各樣本的第一預設數目的在網特征集輸入到對應的核函數進行訓練，并將各核函數的輸出值輸入到回歸函數中進行訓練，得到訓練好的各核函數和回歸函數，將訓練好的各核函數和回歸函數結合作為離網預測模型。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國移動通信集團北京有限公司;中國移動通信集團有限公司，未經中國移動通信集團北京有限公司;中國移動通信集團有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110544930.3/1.html，轉載請聲明來源鉆瓜專利網。
