[发明专利]一种基于数据挖掘多分类算法的电信集团业务推荐方法

摘要

本发明提供一种基于数据挖掘多分类算法的电信集团业务推荐方法，包括如下步骤：构建数据集阶段：1a)采用KNN算法预判用户的候选类子集；1b)基于类标特征属性构建用于训练与预测的标准数据集；模型训练与预测阶段：2a)获取步骤1b)中标准数据集；2b)训练一个朴素贝叶斯二分类；2c)采用分类器预测用户与集团类标的关系；结果合并阶段：3a)获取步骤2c)中二分类预测；3b)基于置信度策略合并二分类结果得到用户最终集团类标；c)结束。本发明的基于候选类子集和类标特征属性的多分类算法准确高效的为用户推荐集团业务，利用了海量业务数据进行精准营销，不仅能够减少用户流失，而且能够提高用户满意度，促进电信业发展。

主权项

1.一种基于数据挖掘多分类算法的电信集团业务推荐方法，其特征在于，包括构建数据集阶段、模型训练和预测阶段、结果合并阶段，具体包括如下步骤：1)构建数据集阶段1a)基于KNN算法预判用户的候选类子集；1b)基于类标特征属性构建标准数据集；2)模型训练与预测阶段2a)获取步骤1b)中标准数据集；2b)训练一个朴素贝叶斯二分类；2c)采用分类器预测用户与集团类标的关系；3)结果合并阶段3a)获取步骤2c)中二分类预测；3b)基于置信度策略合并二分类结果得到用户最终集团类标；3c)结束；步骤1a)中所述的基于KNN算法预判用户的候选类子集具体过程如下：1a‑1)选择候选类子集大小INT_SIZE；1a‑2)计算用户x_i与用户x_j通话的频次d(x_i，x_j)作为KNN算法的相似度；1a‑3)降序排列得到与用户x_i最为相似的INT_SIZE个用户；1a‑4)记录相似用户的集团类标为候选类子集；1a‑5)结束；步骤1b)中所述的基于类标特征属性构建标准数据集具体过程如下：1b‑1)选择用户集团信息表中处于合法状态的用户作为训练与预测用户，每个用户都有一个唯一的user_id；1b‑2)计算该用户通话行为属性，包括：用户主叫次数UserCallCount，用户主叫时间UserCallTimeCount,该用户主叫的用户数量UserCallUserCount，用户通话费用UserCallFee；1b‑3)计算该用户候选类子集中各个集团类标属性，包括：集团用户数量GroupUserCount，集团类标GroupId；1b‑4)计算用户与集团通话行为属性，包括：用户主叫集团通话次数UserGroupCallCount，用户主叫集团通话时长UserGroupCallTimeCount；1b‑5)训练用户与其候选类子集中的每一个集团类标构建一条新的标准数据，属性为上述构建的属性，如果用户属于该集团类标，则类标为+1，反之则为‑1；1b‑6)预测用户也与其候选类子集中的每一个集团类标构建一条新的标准数据，属性为上述构建的属性，类标空缺；1b‑7)结束。