[发明专利]终端推荐方法和终端推荐系统

权利要求书

1.一种终端推荐方法，其特征在于，包括如下步骤：

S1.对每个用户的多个基础数据字段进行衍生处理，以得到数倍于所述基础数据字段的衍生字段；

S2.将所述基础数据字段与所述衍生字段作为每个用户的模型输入数据集，将大量用户的模型输入数据集输入到LGB模型中进行多次模型训练，并根据每次训练结果调整所述LGB模型的参数，直至得到最优LGB模型；

S3.将待推荐终端用户的数据采集值输入至所述最优LGB模型中，得出终端推荐结果并推荐给该用户。

2.根据权利要求1所述的终端推荐方法，其特征在于，在步骤S1之前还包括：

S0.对从每个用户处采集的多个原始数据字段进行填充处理，再将填充处理后的原始数据字段进行归类处理，以得到多个基础数据字段。

3.根据权利要求1所述的终端推荐方法，其特征在于，所述步骤S1包括：

S101.从每个用户的多个基础数据字段中选出N个在计数统计方面具有特殊性的字段，再将其分别与所述基础数据字段中的套餐类型字段和合约类型字段进行交叉计数，共计得到3N个统计类交叉字段，且1<N<10，N为整数；

S102.从每个用户的多个基础数据字段中反推出M个具有业务意义的字段作为业务衍生字段，且10<M<25，M为整数；

S103.将每个用户的多个基础数据字段中的当月出账金额及当月前L个月中每个月的出账金额作为w2v模型的输入字段，在所述w2v模型内依次经过数值型数据转化为文本类类型、文本集转化和w2v上下文感知处理后，每个输入字段对应输出K维向量，共计输出K*(L+1)个字段，且1<L<5，5<K<50，L和K均为整数；

步骤S101、S102和S103得到的字段之和为所述衍生字段。

4.根据权利要求1所述的终端推荐方法，其特征在于，所述步骤S2包括：

S201.将大量用户的模型输入数据集分割为X个训练集和Y个测试集，所述训练集涉及的用户的终端编码未知，所述测试集涉及的用户的终端编码已知，且1<X/Y<5，X和Y均为整数；

S202.将所述X个训练集和所述Y个测试集输入至所述LGB模型中，得到X个训练集的预测结果和Y个测试集的预测结果；

S203.将所述X个训练集的预测结果、所述Y个测试集的预测结果和所述Y个测试集的实际结果采用F1-score评价方法进行评价；

S204.根据所述步骤S203的评测结果调整所述LGB模型的参数；

S205.重复执行步骤S201至S204，直至得到最优LGB模型。

5.根据权利要求4所述的终端推荐方法，其特征在于，所述步骤S203中，F1-score评价方法的计算方式如下：

式(1)中，f1_k的计算方式如下：

式(2)中，precision_k的计算方式如下：

式(2)中，recall_k的计算方式如下：

式(3)和(4)中，TP为预测答案正确的数量，FP为错将其他类预测为本类的数量，FN为本类标签预测为其他类标的数量。

6.一种终端推荐系统，其特征在于，包括：

衍生单元，用于对每个用户的多个基础数据字段进行衍生处理，以得到数倍于所述基础数据字段的衍生字段；

模型训练单元，用于将所述基础数据字段与所述衍生字段作为每个用户的模型输入数据集，将大量用户的模型输入数据集输入到LGB模型中进行多次模型训练，并根据每次训练结果调整所述LGB模型的参数，直至得到最优LGB模型；

推荐单元，用于将待推荐终端用户的数据采集值输入至所述最优LGB模型中，得出终端推荐结果并推荐给该用户。

7.根据权利要求6所述的终端推荐系统，其特征在于，还包括：

数据预处理单元，用于对从每个用户处采集的多个原始数据字段进行填充处理，再将填充处理后的原始数据字段进行归类处理，以得到多个基础数据字段。