【技術(shù)實(shí)現(xiàn)步驟摘要】
本公開涉及計(jì)算機(jī)，尤其是涉及一種預(yù)警分析方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。
技術(shù)介紹
1、在大數(shù)據(jù)、人工智能等
中，對于運(yùn)營商而言，根據(jù)用戶的相關(guān)數(shù)據(jù)對用戶的欠費(fèi)行為進(jìn)行預(yù)測是目前較為常見的分析需求。
2、目前，一種常見的預(yù)測方案為：根據(jù)用戶的當(dāng)前剩余金額、當(dāng)月套餐金額、歷史平均欠費(fèi)金額和截至下次繳費(fèi)剩余天數(shù)，將當(dāng)月訂購套餐金額、歷史平均欠費(fèi)金額和截至下次繳費(fèi)剩余天數(shù)輸入欠費(fèi)預(yù)警閾值預(yù)測模型，得到欠費(fèi)預(yù)警閾值，然后基于當(dāng)前剩余金額和欠費(fèi)預(yù)警閾值觸發(fā)針對用戶的欠費(fèi)行為預(yù)測，若預(yù)測存在欠費(fèi)行為則進(jìn)行預(yù)警，若預(yù)測不存在欠費(fèi)行為則不進(jìn)行預(yù)警。
3、但是，目前的用戶欠費(fèi)行為預(yù)測準(zhǔn)確度不高，因此，如何進(jìn)行預(yù)警提示是目前亟待解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述問題而提出了本公開。本公開提供了一種預(yù)警分析方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品。
2、根據(jù)本公開的一個(gè)方面，提供了一種預(yù)警分析方法，包括：
3、根據(jù)用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行預(yù)警分析，獲得所述用戶的第一信用度和第一特征值，各用戶屬性數(shù)據(jù)包括所述用戶在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)；
4、獲取坐標(biāo)系中的多個(gè)預(yù)警區(qū)域，所述多個(gè)預(yù)警區(qū)域基于所述坐標(biāo)系中的預(yù)警曲線劃分獲得，所述多個(gè)預(yù)警區(qū)域分別關(guān)聯(lián)相應(yīng)的預(yù)警級別，所述坐標(biāo)系以信用度和特征值分別為坐標(biāo)軸構(gòu)建獲得；
5、將所述第一信用度和第一特征值映射到所述坐標(biāo)系中，獲得第一坐標(biāo)點(diǎn)；
6、
7、根據(jù)所述用戶的目標(biāo)預(yù)警級別對所述用戶進(jìn)行預(yù)警提示。
8、此外，根據(jù)本公開一個(gè)方面，所述根據(jù)用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行預(yù)警分析，獲得所述用戶的第一信用度和第一特征值，包括：
9、根據(jù)所述用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行信用分析，獲得所述用戶的所述第一信用度；
10、根據(jù)所述用戶的至少一個(gè)用戶屬性數(shù)據(jù)，確定所述用戶的目標(biāo)用戶屬性數(shù)據(jù)；
11、根據(jù)所述目標(biāo)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行特征提取，獲得所述用戶的所述第一特征值。
12、進(jìn)一步地，所述根據(jù)所述用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行信用分析，獲得所述用戶的所述第一信用度，包括：
13、根據(jù)各用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)，計(jì)算所述用戶的總信息熵；
14、根據(jù)所述至少一個(gè)用戶屬性數(shù)據(jù)的聚類結(jié)果，計(jì)算所述用戶的聚類信息熵；
15、計(jì)算所述總信息熵和所述聚類信息熵的差值，獲得信息熵增益；
16、確定所述至少一個(gè)用戶屬性對應(yīng)的屬性分布數(shù)據(jù)；
17、根據(jù)所述信息熵增益和所述屬性分布數(shù)據(jù)，計(jì)算所述用戶的信息增益比率，并將所述用戶的信息增益比率確定為所述用戶的第一信用度。
18、進(jìn)一步地，所述根據(jù)各用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)，計(jì)算所述用戶的總信息熵，包括：
19、根據(jù)各用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)，確定各用戶屬性對應(yīng)的至少一個(gè)屬性數(shù)據(jù)；
20、根據(jù)各用戶屬性對應(yīng)的至少一個(gè)屬性數(shù)據(jù)，計(jì)算各用戶屬性的信息熵；
21、將各用戶屬性的信息熵加權(quán)求和，獲得所述總信息熵。
22、進(jìn)一步地，所述根據(jù)各用戶屬性對應(yīng)的至少一個(gè)屬性數(shù)據(jù)，計(jì)算各用戶屬性的信息熵，包括以下至少一項(xiàng)：
23、響應(yīng)于所述用戶屬性為年齡屬性，使用年齡信息熵計(jì)算公式，計(jì)算年齡屬性的至少一個(gè)年齡對應(yīng)的年齡信息熵；
24、響應(yīng)于所述用戶屬性為欠費(fèi)金額屬性，使用欠費(fèi)信息熵計(jì)算公式，計(jì)算欠費(fèi)金額屬性的至少一個(gè)欠費(fèi)金額對應(yīng)的欠費(fèi)信息熵；
25、響應(yīng)于所述用戶屬性為欠費(fèi)時(shí)長屬性，使用時(shí)長信息熵計(jì)算公式，計(jì)算欠費(fèi)時(shí)長屬性的至少一個(gè)欠費(fèi)時(shí)長對應(yīng)的時(shí)長信息熵；
26、響應(yīng)于所述用戶屬性為信用評分屬性，使用評分信息熵計(jì)算公式，計(jì)算信用評分屬性的至少一個(gè)信用評分對應(yīng)的信用信息熵；
27、響應(yīng)于所述用戶屬性為欠費(fèi)歷史屬性，使用歷史信息熵計(jì)算公式，計(jì)算欠費(fèi)歷史屬性的至少一個(gè)歷史評價(jià)級別對應(yīng)的評級信息熵。
28、根據(jù)本公開一個(gè)方面，所述根據(jù)所述至少一個(gè)用戶屬性數(shù)據(jù)的聚類結(jié)果，計(jì)算所述用戶的聚類信息熵，包括：
29、確定所述至少一個(gè)用戶屬性數(shù)據(jù)的聚類結(jié)果，所述聚類結(jié)果包括以各用戶屬性的聚類中心對應(yīng)的聚類，各聚類包含屬于同一類別的至少一個(gè)用戶屬性數(shù)據(jù)；
30、計(jì)算每個(gè)聚類中至少一個(gè)用戶屬性數(shù)據(jù)對應(yīng)的內(nèi)部信息熵；
31、將各聚類的內(nèi)部信息熵加權(quán)求和，獲得所述聚類信息熵。
32、進(jìn)一步地，所述聚類信息熵的計(jì)算公式如下：
33、
34、其中，h(d)為聚類信息熵，h(ci)為第i個(gè)用戶屬性的內(nèi)部信息熵，ci為第i個(gè)聚類中至少一個(gè)用戶屬性數(shù)據(jù)的數(shù)量，d為所述至少一個(gè)用戶屬性數(shù)據(jù)的數(shù)量。
35、進(jìn)一步地，還包括：
36、根據(jù)所述至少一個(gè)用戶屬性，初始化每個(gè)用戶屬性的聚類中心點(diǎn)，獲得k個(gè)聚類中心點(diǎn)，k為所述至少一個(gè)用戶屬性的數(shù)量；
37、根據(jù)所述k個(gè)聚類中心點(diǎn)和預(yù)設(shè)聚類算法，對所述至少一個(gè)用戶屬性數(shù)據(jù)進(jìn)行聚類，獲得所述聚類結(jié)果，所述聚類結(jié)果包括k個(gè)聚類，每個(gè)聚類包括屬于同一類別的至少一個(gè)用戶屬性數(shù)據(jù)。
38、進(jìn)一步地，所述確定所述至少一個(gè)用戶屬性對應(yīng)的屬性分布數(shù)據(jù)，包括：
39、根據(jù)分布屬性計(jì)算公式，計(jì)算所述至少一個(gè)用戶屬性對應(yīng)的屬性分布數(shù)據(jù)，所述分布屬性計(jì)算公式如下：
40、
41、其中，values(a)是用戶屬性a的所有可能取值，dv是屬性a上取值為v的數(shù)據(jù)子集，|dv|是數(shù)據(jù)集d的樣本數(shù)，|dv|是數(shù)據(jù)子集dv的樣本數(shù)。
42、進(jìn)一步地，所述根據(jù)所述目標(biāo)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行特征提取，獲得所述用戶的所述第一特征值，包括：
43、根據(jù)特征提取公式，計(jì)算所述目標(biāo)用戶屬性數(shù)據(jù)對應(yīng)的第一特征值，所述特征提取公式如下：
44、
45、其中，y為第一特征值，x1-x5為所述目標(biāo)用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)。
46、根據(jù)本公開一個(gè)方面，包括：
47、以信用度和特征值分別為坐標(biāo)軸構(gòu)建所述坐標(biāo)系；
48、基于預(yù)設(shè)預(yù)警分析公式，確實(shí)所述坐標(biāo)系中的預(yù)警曲線，所述預(yù)警曲線用于將所述坐標(biāo)系劃分多個(gè)預(yù)警區(qū)域，各預(yù)警區(qū)域?qū)?yīng)相應(yīng)的預(yù)警級別；
49、所述將所述第一信用度和第一特征值映射到所述坐標(biāo)系中，獲得第一坐標(biāo)點(diǎn)，包括：
50、按照所述坐標(biāo)系的信用度坐標(biāo)軸和特征值坐標(biāo)軸，確定所述第一信用度和所述第一特征值在所述坐標(biāo)系中的第一坐標(biāo)點(diǎn)。
51、進(jìn)一步地，所述基于預(yù)設(shè)預(yù)警分析公式，本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種預(yù)警分析方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行預(yù)警分析，獲得所述用戶的第一信用度和第一特征值，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行信用分析，獲得所述用戶的所述第一信用度，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)各用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)，計(jì)算所述用戶的總信息熵，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)各用戶屬性對應(yīng)的至少一個(gè)屬性數(shù)據(jù)，計(jì)算各用戶屬性的信息熵，包括以下至少一項(xiàng)：
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述至少一個(gè)用戶屬性數(shù)據(jù)的聚類結(jié)果，計(jì)算所述用戶的聚類信息熵，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述聚類信息熵的計(jì)算公式如下：
8.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：
9.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述至
10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述目標(biāo)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行特征提取，獲得所述用戶的所述第一特征值，包括：
11.根據(jù)權(quán)利要求1-10任一項(xiàng)所述的方法，其特征在于，還包括：
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述基于預(yù)設(shè)預(yù)警分析公式，確實(shí)所述坐標(biāo)系中的預(yù)警曲線，包括：
13.根據(jù)權(quán)利要求12所述的方法，其特征在于，所述預(yù)警分析公式如下：
14.根據(jù)權(quán)利要求1-10任一項(xiàng)所述的方法，其特征在于，所述用戶包括多個(gè)，所述方法還包括：
15.根據(jù)權(quán)利要求14所述的方法，其特征在于，所述輸出多個(gè)所述預(yù)警級別分別對應(yīng)的用戶數(shù)量，包括：
16.根據(jù)權(quán)利要求1-10任一項(xiàng)所述的方法，其特征在于，所述根據(jù)所述用戶的目標(biāo)預(yù)警級別對所述用戶進(jìn)行預(yù)警提示，包括：
17.一種預(yù)警分析裝置，其特征在于，包括：
18.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-16任一項(xiàng)所述方法的步驟。
19.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-16所述方法的步驟。
20.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-16所述方法的步驟。
...【技術(shù)特征摘要】
1.一種預(yù)警分析方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行預(yù)警分析，獲得所述用戶的第一信用度和第一特征值，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述用戶的至少一個(gè)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行信用分析，獲得所述用戶的所述第一信用度，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)各用戶屬性數(shù)據(jù)在至少一個(gè)用戶屬性分別對應(yīng)的屬性數(shù)據(jù)，計(jì)算所述用戶的總信息熵，包括：
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)各用戶屬性對應(yīng)的至少一個(gè)屬性數(shù)據(jù)，計(jì)算各用戶屬性的信息熵，包括以下至少一項(xiàng)：
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述至少一個(gè)用戶屬性數(shù)據(jù)的聚類結(jié)果，計(jì)算所述用戶的聚類信息熵，包括：
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述聚類信息熵的計(jì)算公式如下：
8.根據(jù)權(quán)利要求3所述的方法，其特征在于，還包括：
9.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述確定所述至少一個(gè)用戶屬性對應(yīng)的屬性分布數(shù)據(jù)，包括：
10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述目標(biāo)用戶屬性數(shù)據(jù)，對所述用戶進(jìn)行特征提取，獲得所述...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：萬志超，康雅萍，魏國華，郄威，王升元，齊龍，付源，宮雪，王波，霍海燕，
申請(專利權(quán))人：中國移動(dòng)通信集團(tuán)內(nèi)蒙古有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。