[发明专利]终端更换周期的预测方法及装置

说明书

本发明提供一种终端更换周期的预测方法及装置，所述方法包括：获取待预测用户的特征信息，将所述特征信息分别输入到T个预测模型中，预测得到T个预测结果，根据所述T个预测结果，获取所述待预测用户的终端更换周期。本发明提供一种终端更换周期的预测方法及装置，由于预测模型在建立过程中考虑了大量用户的历史数据，使得根据该预测模型得到的用户的终端更换周期更加准确。另外，通过将待预测用户的特征信息分别输入到多个预测模型中，将多个预测模型的预测结果进行综合考虑，获取用户的终端更换周期，进一步提高了终端更换周期的预测准确率。

技术领域

本发明涉及大数据技术领域，尤其涉及一种终端更换周期的预测方法及装置。

背景技术

随着互联网技术的发展，移动用户数量已经趋于饱和，增长速度较慢。但是，目前统计数据显示，移动终端的更新换代速度正在不断加快，因此，用户更换终端的频率在加快。如果能够准确预测用户的终端更换周期，则可以在合适的时机为用户提供终端换机方案，提高运营商的服务质量，因此需要一种对用户终端的更换周期进行预测的方法。

相关技术中，在对用户终端的更换周期进行预测时，通常根据用户的上次购机时间以及该用户的历史换机周期，对该用户即将换机的概率进行预测。

然而，采用上述方法预测得到的换机概率准确性不高。

发明内容

本发明提供一种终端更换周期的预测方法及装置，通过对海量的用户数据进行训练得到预测模型，利用该预测模型实现对终端更换周期的预测，提高了预测准确率，从而运营商能够在准确的时机向用户提供终端换机方案，提高运营商的服务质量。

第一方面，本发明提供的终端更换周期的预测方法，包括：

获取待预测用户的特征信息，所述特征信息包括下述信息中的一种或其组合：基本信息、用机信息、行为信息、消费信息和流量信息；

将所述特征信息分别输入到T个预测模型中，所述T个预测模型用于根据所述特征信息对所述待预测用户的终端更换周期进行预测，得到T个预测结果；

根据所述T个预测结果，获取所述待预测用户的终端更换周期；

其中，T为大于1的自然数。

可选的，所述获取待预测用户的特征信息之前，还包括：

从至少一个数据仓库存储的用户数据中，提取用户的特征信息，生成用户样本集；

基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型。

可选的，所述基于spark技术对所述用户样本集采用T个不同的机器学习算法进行训练建模，得到所述T个预测模型，包括：

按照预设的比例将所述用户样本集划分为训练样本集和测试样本集；

对所述训练样本集中的全部或者部分样本分别采用所述T个不同的机器学习算法进行训练建模，得到T个第一预测模型；

使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型。

可选的，所述按照预设的比例将所述用户样本集划分为训练样本集和测试样本集，包括：

对所述用户样本集中的数据进行预处理，所述预处理包括：数据转换、数据过滤、数据标准化和数据属性规约；

按照预设的比例将预处理后的所述用户样本集划分为训练样本集和测试样本集。

可选的，所述使用所述测试样本集对所述T个第一预测模型进行修正，得到所述T个预测模型，包括：

针对每个所述第一预测模型，将所述测试样本集中的特征信息输入所述第一预测模型，获取所述第一预测模型对应的预测准确率；