CN107896153A - 一种基于移动用户上网行为的流量套餐推荐方法及装置 - Google Patents

一种基于移动用户上网行为的流量套餐推荐方法及装置 Download PDF

Info

Publication number
CN107896153A
CN107896153A CN201711128666.5A CN201711128666A CN107896153A CN 107896153 A CN107896153 A CN 107896153A CN 201711128666 A CN201711128666 A CN 201711128666A CN 107896153 A CN107896153 A CN 107896153A
Authority
CN
China
Prior art keywords
mobile subscriber
user
flow
interest
application
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711128666.5A
Other languages
English (en)
Other versions
CN107896153B (zh
Inventor
杨宇
李希金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201711128666.5A priority Critical patent/CN107896153B/zh
Publication of CN107896153A publication Critical patent/CN107896153A/zh
Application granted granted Critical
Publication of CN107896153B publication Critical patent/CN107896153B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1485—Tariff-related aspects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/24—Accounting or billing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于移动用户上网行为的流量套餐推荐方法及装置，通过对大数据量的用户上网行为进行分析，利用移动用户对各应用的兴趣得分对移动用户进行分类，从而将对访问应用兴趣相似的用户划分为同类用户，将同类用户中与待推荐套餐用户的访问应用兴趣最为接近且购买能力近似的用户所订购的流量套餐作为流量套餐推荐的参考依据，即将应用访问兴趣近似和购买能力近似的用户进行关联，从而实现流量套餐的精准推送，向用户所推荐的流量套餐是基于用户上网行为的大数据分析得出的，符合用户的实际需求，能够有效提高移动用户升级流量套餐的成功率，为运营商带来切实的经济利益。

Description

一种基于移动用户上网行为的流量套餐推荐方法及装置
技术领域
本发明涉及通信技术领域，具体涉及一种基于移动用户上网行为的流量套餐推荐方法及装置。
背景技术
移动互联网进入了快速发展时期，用移动终端访问网络已经成为用户的首选。移动用户对流量的需求也越来越大，经常会出现套餐内流量不够用的情况，升级流量套餐是解决上述问题的主要手段。对运营商来说，流量经营是重要的营销手段，可以有效降低用户离网率，提高运营收入。但是，运营商的流量套餐多种多样，普通用户难以判断哪种是最合适的，只能求助于营销人员。
现有的流量套餐推荐方案主要是依靠营销人员通过采取简单的问卷调查方式了解用户信息(例如性别、身份、年龄等)，并通过电话推销的方式向移动用户推荐相应的流量套餐，例如向学生用户推荐性价比高的套餐，而向商务人士推荐流量较多的套餐。现有的流量套餐推荐方案主要依靠营销人员主观经验来判断，缺乏详细的***分析和数据支撑，特别是具体业务的支撑，无法感知用户的真正需求，向用户推荐的流量套餐很难真正符合用户需求，移动用户更改或升级流量套餐的成功率低。
因此，亟需一种基于移动用户上网行为的流量套餐推荐方案以解决上述问题。
发明内容
本发明针对现有技术中存在的上述不足，提供一种基于移动用户上网行为的流量套餐推荐方法及装置，用以解决流量套餐推荐不精准、与用户需求差别大的问题。
本发明为解决上述技术问题，采用如下技术方案：
本发明提供一种基于移动用户上网行为的流量套餐推荐方法，包括：
根据移动用户上网数据计算移动用户对各应用的兴趣得分；
根据移动用户对各应用的兴趣得分，对移动用户分类；
在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
优选的，所述根据移动用户上网数据计算移动用户对各应用的兴趣得分，具体包括：
计算移动用户对各应用的流量使用占比qji和访问时长占比pji；其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量；tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长；
计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量；
根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式计算所述移动用户对应用的兴趣得分Qji：Qji＝(α*pji+β*qji)*wi；其中，α+β＝1。
优选的，所述根据移动用户对各应用的兴趣得分，对移动用户分类，具体包括：
采用聚类算法，根据各移动用户对各应用的兴趣得分，将移动用户分为多个类别。
优选的，所述根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐，具体包括：
根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。
优选的，所述根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，具体包括：
计算移动用户与同类中其他用户之间的套餐流量差；
根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分；其中，γ+δ＝1；
若所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量，则所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
本发明还提供一种服务器，所述服务器包括：兴趣得分计算模块、用户分类模块和流量套餐推荐模块，
所述兴趣得分计算模块用于，根据移动用户上网数据计算移动用户对各应用的兴趣得分；
所述用户分类模块用于，根据所述兴趣得分计算模块计算出的移动用户对各应用的兴趣得分，对移动用户分类；
所述流量套餐推荐模块用于，在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
优选的，所述兴趣得分计算模块具体用于，计算移动用户对各应用的流量使用占比qji和访问时长占比pji；其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量；tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长；以及，计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量；以及，根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式计算所述移动用户对应用的兴趣得分Qji：Qji＝(α*pji+β*qji)*wi；其中，α+β＝1。
优选的，所述用户分类模块具体用于，采用聚类算法，根据各移动用户对各应用的兴趣得分，将移动用户分为多个类别。
优选的，所述流量套餐推荐模块具体用于，根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。
优选的，所述流量套餐推荐模块具体用于，计算移动用户与同类中其他用户之间的套餐流量差；根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分，其中，γ+δ＝1；当所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量时，将所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
本发明通过对大数据量的用户上网行为进行分析，利用移动用户对各应用的兴趣得分对移动用户进行分类，从而将对访问应用兴趣相似的用户划分为同类用户，将同类用户中与待推荐套餐用户的访问应用兴趣最为接近且购买能力近似的用户所订购的流量套餐作为流量套餐推荐的参考依据，即将应用访问兴趣近似和购买能力近似的用户进行关联，从而实现流量套餐的精准推送，向用户所推荐的流量套餐是基于用户上网行为的大数据分析得出的，符合用户的实际需求，能够有效提高移动用户升级流量套餐的成功率，为运营商带来切实的经济利益。
附图说明
图1为本发明实施例提供的流量套餐推荐流程图；
图2为本发明实施例提供的用户分类示意图；
图3为本发明实施例提供的最匹配的用户的确定流程图；
图4为本发明实施例提供的服务器的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明通过分析大数据量的用户上网行为，将对访问应用兴趣相似的用户划分为同类用户，注重用户之间的关联性，向移动用户推荐同类其他用户订购的流量套餐，实现流量套餐的精准推送。
运营商通过在SGSN(Serving GPRS Support Node，服务GPRS支持节点)和GGSN(Gateway GPRS Support Node，网关GPRS支持节点)之间部署DPI(Deep PacketInspection，深度包检测)设备收集移动用户的上网记录并存储在上网记录数据库。每条上网记录包含26个字段，主要包括手机号，用户类型，上网时长，URL(统一资源定位符)，应用类型等。BSS(Business Support System，业务支撑***)是电信运营商存储用户详细信息的***，用户信息除了用户的基本信息之外，还包括用户订购的流量套餐等信息。
本发明的基于移动用户上网行为的流量套餐推荐方法基于对移动用户上网记录和BSS中的流量套餐等数据的综合分析，向移动用户进行流量套餐推荐。在本发明实施例中，以一个月为数据统计周期，获取一个月内的各移动用户上网记录，并分析每个移动用户访问应用的信息。
表1是从上网记录数据中提取的部分用户上网记录示例。
表1
以下结合图1，对本发明的基于移动用户上网行为的流量套餐推荐流程进行详细说明。
如图1所示，所述基于移动用户上网行为的流量套餐推荐流程包括以下步骤：
步骤101，根据移动用户上网数据计算移动用户对各应用的兴趣得分。
具体的，按照以下公式(1)计算移动用户对各应用的流量使用占比qji：
其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量，qji为移动用户j对应用i的流量使用占比。
按照以下公式(2)计算移动用户对各应用的访问时长占比pji：
其中，tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长，pji为移动用户j对应用i的访问时长占比。
计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量。
根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式(3)计算所述移动用户对应用的兴趣得分：
Qji＝(α*pji+β*qji)*wi； (3)
其中，α+β＝1，Qji为移动用户j对应用i的兴趣得分。
为了清楚描述本发明的技术方案，以表1中的手机号为“xxxx1”的移动用户(用户1)为例说明。用户1使用了微信和百度地图两种应用，该月访问的总流量为80+6+24＝110，访问总时长为2+0.5+3.5＝6，访问微信的流量为80+6＝86，时长为2+0.5＝2.5；访问百度地图的流量为24，时长为3.5。因此，用户1对微信的流量使用占比q11＝86/110＝78％，用户1对微信的访问时长占比p21＝2.5/6＝42％；用户1对百度地图的流量使用占比q12＝24/110＝22％，用户1对百度地图的访问时长占比p22＝3.5/6＝58％。微信的权重w1＝203/335＝60.6％，百度地图的权重w2＝24/335＝7.16％，淘宝的权重w3＝6/335＝1.8％，以此类推。
步骤102，根据移动用户对各应用的兴趣得分，对移动用户分类。
具体的，可以采用聚类(K-means)算法，根据各移动用户对各应用的兴趣得分，将移动用户分为K类，其中，1<K<N，N为移动用户的总数量，可根据经验取值。
K-means是常见的聚类分析算法，该算法以K作为输入参数，将N个对象(在本发明中N为移动用户的总数量)分为K个簇，使簇内的对象具有较高的相似度而簇间的相似度则较低。假设有5个移动用户，用户A，用户B，用户C，用户D和用户E，访问的应用为微信、淘宝。经过计算后，各个移动用户对微信和淘宝的兴趣得分分别以坐标形式表现如下：用户A(1，9)，用户B(1，7)，用户C(2，8)，用户D(6，1)，用户E(7，2)。使用K-means聚类时，将这些兴趣得分作为用户的特征值进行计算。取K＝2，即用户聚类为两类，由于有两个应用，其特征空间是二维空间，以移动用户对微信的兴趣得分的取值作为X轴，移动用户对淘宝的兴趣得分的取值作为Y轴。随机选取两个用户作为初始用户，利用K-means算法计算，最后可得到图2所示的聚类示意图，如图2所示，用户A、B、C为一类，用户D、E为一类，即用户A、B和C对应用访问的兴趣更相近，而用户D和E对应用访问的兴趣更相近。
步骤103，在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度。
具体的，在步骤102得到的用户聚类坐标上，根据欧氏距离算法计算同类用户中两两用户间的距离，通过所述距离表示移动用户j与移动用户k之间的应用访问兴趣相似度Sjk，同类用户间的距离越小，说明用户间应用访问兴趣相似度越高。以图2所示为例，在用户A、B、C所在类中，分别计算用户A和用户B间的应用访问兴趣相似度SAB、用户A和用户C间的应用访问兴趣相似度SAC、用户B和用户C间的应用访问兴趣相似度SBC。
根据欧氏距离算法计算同类用户中两两用户间的距离的具体实现过程属于现有技术，在此不再赘述。
步骤104，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
具体的，根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。最匹配的用户是指，应用访问兴趣最为接近(即用户上网行为最近似)，而且订购的套餐流量大于本用户且最为接近(即购买力最近似)的用户。
最匹配的用户的确定过程后续结合图3再详细描述。
通过步骤101-104可以看出，本发明通过对大数据量的用户上网行为进行分析，利用移动用户对各应用的兴趣得分对移动用户进行分类，从而将对访问应用兴趣相似的用户划分为同类用户，将同类用户中与待推荐套餐用户的访问应用兴趣最为接近且购买能力近似的用户所订购的流量套餐作为流量套餐推荐的参考依据，即将应用访问兴趣近似和购买能力近似的用户进行关联，从而实现流量套餐的精准推送，向用户所推荐的流量套餐是基于用户上网行为的大数据分析得出的，符合用户的实际需求，能够有效提高移动用户升级流量套餐的成功率，为运营商带来切实的经济利益。
以下结合图3，详细说明最匹配的用户的确定流程。如图3所示，根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，具体包括以下步骤：
步骤301，计算移动用户与同类中其他用户之间的套餐流量差。
具体的，从BSS***中获取每个移动用户订购的套餐流量，并分别计算同类用户中各用户的套餐流量差Cjk，Cjk＝|Uj-Uk|；Uj为移动用户j订购的套餐流量，Uk为移动用户k订购的套餐流量，Cjk为移动用户j与移动用户k之间的套餐流量差。
步骤302，计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分。
具体的，根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分。
优选的，按照以下公式(4)计算所述移动用户与同类中其他用户之间的用户相似度差异得分：
Mjk＝γ*Sjk+δ*Cjk； (4)
其中，γ+δ＝1，Mjk为移动用户j与移动用户k之间的用户相似度差异得分。
在同类用户中计算出所述移动用户与其他用户之间的用户相似度差异得分后，找出最低的用户相似度差异得分。
步骤303，确定所述移动用户最匹配的用户。
具体的，若所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量，则所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
需要说明的是，确定最匹配的用户不但要考虑最低用户相似度差异得分，还要考虑用户订购的套餐流量，只有同时满足以下两个条件的移动用户才认为是最匹配的用户：
(1)与所述移动用户之间的用户相似度差异得分最低；
(2)订购的套餐流量大于所述移动用户订购的套餐流量。
以图2所示为例，在用户A、B、C所在类中，分别计算用户A与用户B之间的套餐流量差CAB，以及用户A与用户C之间的套餐流量差CAB。
根据公式(4)，分别计算用户A与用户B之间的用户相似度差异得分MAB，以及用户A与用户C之间的用户相似度差异得分MAC，并确定出最低的用户相似度差异得分MAC(MAC<MAB)。
若用户C订购的套餐流量大于用户A订购的套餐流量，则用户C即为用户A最匹配的用户，可以向用户A推荐用户C订购的流量套餐。若用户C订购的套餐流量小于或等于用户A订购的套餐流量，说明此时用户A当前订购的套餐流量已经是最合适的，不存在与用户A最匹配的用户，则无需再向用户A推荐其他流量套餐。
通过上述步骤301-303可以看出，本发明确定最匹配的用户不但考虑到最低用户相似度差异得分，还考虑到用户订购的套餐流量，可以向移动用户推荐最为适合的、流量更多的套餐，既符合用户的实际需求，又能够给运营商带来更高利润。
基于相同的技术构思，本发明实施例还提供一种服务器，如图4所示，该服务器可以包括：兴趣得分计算模块41、用户分类模块42和流量套餐推荐模块43。
兴趣得分计算模块41用于，根据移动用户上网数据计算移动用户对各应用的兴趣得分。
用户分类模块42用于，根据兴趣得分计算模块41计算出的移动用户对各应用的兴趣得分，对移动用户分类。
流量套餐推荐模块43用于，在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
具体的，兴趣得分计算模块41具体用于，计算移动用户对各应用的流量使用占比qji和访问时长占比pji；其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量；tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长；以及，计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量；以及，根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式计算所述移动用户对应用的兴趣得分Qji：Qji＝(α*pji+β*qji)*wi；其中，α+β＝1。
具体的，用户分类模块42具体用于，采用聚类算法，根据各移动用户对各应用的兴趣得分，将移动用户分为多个类别。
具体的，流量套餐推荐模块43具体用于，根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。
具体的，流量套餐推荐模块43具体用于，计算移动用户与同类中其他用户之间的套餐流量差；根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分，其中，γ+δ＝1；当所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量时，将所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种基于移动用户上网行为的流量套餐推荐方法，其特征在于，所述方法包括：
根据移动用户上网数据计算移动用户对各应用的兴趣得分；
根据移动用户对各应用的兴趣得分，对移动用户分类；
在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
2.如权利要求1所述的方法，其特征在于，所述根据移动用户上网数据计算移动用户对各应用的兴趣得分，具体包括：
计算移动用户对各应用的流量使用占比qji和访问时长占比pji；其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量；tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长；
计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量；
根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式计算所述移动用户对应用的兴趣得分Qji：Qji＝(α*pji+β*qji)*wi；其中，α+β＝1。
3.如权利要求1所述的方法，其特征在于，所述根据移动用户对各应用的兴趣得分，对移动用户分类，具体包括：
采用聚类算法，根据各移动用户对各应用的兴趣得分，将移动用户分为多个类别。
4.如权利要求1所述的方法，其特征在于，所述根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐，具体包括：
根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。
5.如权利要求4所述的方法，其特征在于，所述根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，具体包括：
计算移动用户与同类中其他用户之间的套餐流量差；
根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分；其中，γ+δ＝1；
若所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量，则所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
6.一种服务器，其特征在于，包括：兴趣得分计算模块、用户分类模块和流量套餐推荐模块，
所述兴趣得分计算模块用于，根据移动用户上网数据计算移动用户对各应用的兴趣得分；
所述用户分类模块用于，根据所述兴趣得分计算模块计算出的移动用户对各应用的兴趣得分，对移动用户分类；
所述流量套餐推荐模块用于，在同一类的移动用户中，计算两两用户间的应用访问兴趣相似度，根据移动用户订购的套餐流量和应用访问兴趣相似度，向移动用户推荐流量套餐。
7.如权利要求6所述的服务器，其特征在于，所述兴趣得分计算模块具体用于，计算移动用户对各应用的流量使用占比qji和访问时长占比pji；其中，i为应用，j为移动用户，uji为移动用户j使用应用i的流量，Uj为移动用户j使用全部应用的流量；tji为移动用户j使用应用i的时长，Tj为移动用户j使用全部应用的时长；以及，计算各应用的权重wi，其中，ui为各移动用户使用应用i的总流量，U为各移动用户使用全部应用的总流量；以及，根据qji、pji、wi、以及预设的第一权值α和第二权值β，按照以下公式计算所述移动用户对应用的兴趣得分Qji：Qji＝(α*pji+β*qji)*wi；其中，α+β＝1。
8.如权利要求6所述的服务器，其特征在于，所述用户分类模块具体用于，采用聚类算法，根据各移动用户对各应用的兴趣得分，将移动用户分为多个类别。
9.如权利要求6所述的服务器，其特征在于，所述流量套餐推荐模块具体用于，根据移动用户订购的套餐流量和应用访问兴趣相似度，确定与所述移动用户最匹配的用户，并将与所述移动用户最匹配的用户订购的流量套餐推荐给所述移动用户。
10.如权利要求9所述的服务器，其特征在于，所述流量套餐推荐模块具体用于，计算移动用户与同类中其他用户之间的套餐流量差；根据预设的第三权值γ、第四权值δ、以及所述移动用户与同类中其他用户之间的套餐流量差和应用访问兴趣相似度，通过加权求和计算所述移动用户与同类中其他用户之间的用户相似度差异得分，并确定所述移动用户与同类中其他用户之间的最低用户相似度差异得分，其中，γ+δ＝1；当所述最低用户相似度差异得分对应的用户订购的套餐流量大于所述移动用户订购的套餐流量时，将所述最低用户相似度差异得分对应的用户为所述移动用户最匹配的用户。
CN201711128666.5A 2017-11-15 2017-11-15 一种基于移动用户上网行为的流量套餐推荐方法及装置 Active CN107896153B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711128666.5A CN107896153B (zh) 2017-11-15 2017-11-15 一种基于移动用户上网行为的流量套餐推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711128666.5A CN107896153B (zh) 2017-11-15 2017-11-15 一种基于移动用户上网行为的流量套餐推荐方法及装置

Publications (2)

Publication Number Publication Date
CN107896153A true CN107896153A (zh) 2018-04-10
CN107896153B CN107896153B (zh) 2020-02-21

Family

ID=61805330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711128666.5A Active CN107896153B (zh) 2017-11-15 2017-11-15 一种基于移动用户上网行为的流量套餐推荐方法及装置

Country Status (1)

Country Link
CN (1) CN107896153B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335122A (zh) * 2019-07-11 2019-10-15 中国联合网络通信集团有限公司 智能套餐推荐方法和***
CN111246389A (zh) * 2020-01-09 2020-06-05 爱讯智联科技(北京)有限公司 一种基于用户行为的智能选网方法及装置、***
CN113079479A (zh) * 2020-01-06 2021-07-06 ***通信集团安徽有限公司 套餐推荐方法、装置及计算设备
CN113254780A (zh) * 2021-06-08 2021-08-13 武汉卓尔数字传媒科技有限公司 信息处理的方法、装置、电子设备及计算机存储介质
CN113965900A (zh) * 2020-07-20 2022-01-21 ***通信集团安徽有限公司 流量资源动态扩容的方法、装置、计算设备及存储介质
CN114186129A (zh) * 2021-12-10 2022-03-15 中国电信股份有限公司 套餐推荐方法、装置、电子设备及计算机可读介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030054384A1 (en) * 2000-01-11 2003-03-20 Maxygen, Inc. Integrated systems and methods for diversity generation and screening
CN103607691A (zh) * 2013-11-26 2014-02-26 中国联合网络通信集团有限公司 一种流量套餐推荐方法及装置
CN103906027A (zh) * 2014-03-28 2014-07-02 中国联合网络通信集团有限公司 一种基于移动用户上网行为的用户价值评价方法和***
CN104518887A (zh) * 2013-09-27 2015-04-15 中国联合网络通信集团有限公司 一种套餐推荐方法及装置
CN105389713A (zh) * 2015-10-15 2016-03-09 南京大学 基于用户历史数据的移动流量套餐推荐算法
CN106776859A (zh) * 2016-11-28 2017-05-31 南京华苏科技有限公司 基于用户偏好的移动应用App推荐***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030054384A1 (en) * 2000-01-11 2003-03-20 Maxygen, Inc. Integrated systems and methods for diversity generation and screening
CN104518887A (zh) * 2013-09-27 2015-04-15 中国联合网络通信集团有限公司 一种套餐推荐方法及装置
CN103607691A (zh) * 2013-11-26 2014-02-26 中国联合网络通信集团有限公司 一种流量套餐推荐方法及装置
CN103906027A (zh) * 2014-03-28 2014-07-02 中国联合网络通信集团有限公司 一种基于移动用户上网行为的用户价值评价方法和***
CN105389713A (zh) * 2015-10-15 2016-03-09 南京大学 基于用户历史数据的移动流量套餐推荐算法
CN106776859A (zh) * 2016-11-28 2017-05-31 南京华苏科技有限公司 基于用户偏好的移动应用App推荐***

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110335122A (zh) * 2019-07-11 2019-10-15 中国联合网络通信集团有限公司 智能套餐推荐方法和***
CN113079479A (zh) * 2020-01-06 2021-07-06 ***通信集团安徽有限公司 套餐推荐方法、装置及计算设备
CN113079479B (zh) * 2020-01-06 2022-10-04 ***通信集团安徽有限公司 套餐推荐方法、装置及计算设备
CN111246389A (zh) * 2020-01-09 2020-06-05 爱讯智联科技(北京)有限公司 一种基于用户行为的智能选网方法及装置、***
CN111246389B (zh) * 2020-01-09 2021-03-16 爱讯智联科技(北京)有限公司 一种基于用户行为的智能选网方法及装置、***
CN113965900A (zh) * 2020-07-20 2022-01-21 ***通信集团安徽有限公司 流量资源动态扩容的方法、装置、计算设备及存储介质
CN113965900B (zh) * 2020-07-20 2023-09-05 ***通信集团安徽有限公司 流量资源动态扩容的方法、装置、计算设备及存储介质
CN113254780A (zh) * 2021-06-08 2021-08-13 武汉卓尔数字传媒科技有限公司 信息处理的方法、装置、电子设备及计算机存储介质
CN114186129A (zh) * 2021-12-10 2022-03-15 中国电信股份有限公司 套餐推荐方法、装置、电子设备及计算机可读介质
CN114186129B (zh) * 2021-12-10 2023-05-26 中国电信股份有限公司 套餐推荐方法、装置、电子设备及计算机可读介质

Also Published As

Publication number Publication date
CN107896153B (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN107896153A (zh) 一种基于移动用户上网行为的流量套餐推荐方法及装置
Reddy et al. Content-based movie recommendation system using genre correlation
CN105224699B (zh) 一种新闻推荐方法及装置
Liu et al. Point-of-interest recommendation in location based social networks with topic and location awareness
Shinde et al. Hybrid personalized recommender system using centering-bunching based clustering algorithm
CN107894998B (zh) 视频推荐方法及装置
TWI546751B (zh) Cross - site information display method and system
US9959563B1 (en) Recommendation generation for infrequently accessed items
CN104239331B (zh) 一种用于实现评论搜索引擎排序的方法和装置
CN105488233A (zh) 阅读信息推荐方法和***
CN105723402A (zh) 用于确定社交数据网络中的影响者的***和方法
CN109409928A (zh) 一种素材推荐方法、装置、存储介质、终端
CN107808314B (zh) 用户推荐方法及装置
CN110335123B (zh) 基于社交电商平台的商品推荐方法、***、计算机可读介质以及装置
CN107103062A (zh) 一种网页推荐方法及***
Zhang et al. A weighted adaptation method on learning user preference profile
Prando et al. Content-based Recommender System using Social Networks for Cold-start Users.
CN108416645B (zh) 一种针对用户的推荐方法、装置、存储介质和设备
CN107025567A (zh) 一种数据处理方法和装置
KR102187135B1 (ko) 도서 추천 방법 및 이를 지원하는 서비스 장치
Giri et al. User behavior modeling in a cellular network using latent dirichlet allocation
CN106951459A (zh) 基于熵值法的改进协同过滤推荐算法
CN106202218A (zh) 一种数据处理方法及数据处理***
CN110287373A (zh) 基于评分预测和用户特征的协同过滤电影推荐方法及***
Gupta et al. Scalable online product recommendation engine based on implicit feature extraction domain

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant