[发明专利]一种主叫号码对碎屏险业务需求的检测方法

说明书

本发明公开了一种主叫号码对碎屏险业务需求的检测方法。建立基于径向基函数神经网络的碎屏险检测模型；设计了所述径向基函数神经网络的输入、输出变量；设计了改进萤火虫算法计算初始化径向基函数神经网络参数，提高所述径向基函数神经网络的精度和收敛速度；分别提出了建立训练数据集和验证数据集的方法，提高训练效率；通过计算所述径向基函数神经网络的识别效果评估值，以识别效果评估值最大的径向基函数神经网络判别主叫号码是需要碎屏险电话、还是正常电话、还是疑似需要碎屏险电话。本发明提出的主叫号码对碎屏险业务需求的检测方法，计算速度快、推荐效果好，较好地满足手机碎屏险推荐需要。

技术领域

本发明属于通信大数据领域，具体涉及一种主叫号码对碎屏险业务需求的检测方法。

背景技术

随着手机屏幕的增大，手机屏幕遭遇风险的几率也随之提升，对应手机屏幕这个“瓷娃娃”的碎屏险业务也应运而生。

手机碎屏险业务是指消费者购买了手机碎屏险之后，可以在预定条件内享受相关公司为手机更换屏幕费用买单的服务。

为了针对性的进行推介，进而有效降低用户手机碎屏成本。当前亟待解决的问题是如何将已有的碎屏险号码通话属性进行分析，检测出需要手机碎屏险的号码。

发明内容

本发明的目的是为了解决目前现有的技术存在的不足，提出了一种改进萤火虫算法优化径向基函数神经网络主叫号码对碎屏险业务需求的检测方法。通过建立更能体现手机碎屏险推荐的数学模型，并提出了改进萤火虫算法优化径向基函数神经网络对问题进行求解，对用户是否需要手机碎屏险进行推荐。

一种主叫号码对碎屏险业务需求的检测方法，包括以下步骤：

S1、建立基于径向基函数神经网络的碎屏险检测模型：

其中，x₁,x₂,...,x_n为输入变量，n＝12为输入层节点数，y_kj(k＝1,2,...,n,j＝1,2,...,m)为第k个输入样本对应的输出；w_ij(i＝1,2...M,j＝1,2,...,m)为隐含层至输出层的权值；m为输出向量的维数；M为隐含层节点数。φ(x_k,c_i)(k＝1,2,...,n,i＝1,2,...M)表示径向基函数(采用高斯函数)，如式(2)

其中：σ_i为高斯函数的标准差；x_k为第k个输入样本；c_i为基函数中心；||x_k-c_i||为样本与中心的欧式距离。

S2、定义输入变量、输出变量，进一步包含如下步骤：

S2-1：定义式(1)所述径向基函数神经网络的输入变量，进一步包括：

式(1)所述x₁,x₂,...,x_n为指定主叫号码在连续30天中的相关统计数据，其中

x₁:7时至8时30分的呼叫次数；

x₂:8时30分至10时30分的呼叫次数；

x₃:10时30分至12时的呼叫次数；

x₄:12时至14时的呼叫次数；

x₅:14时至17时30分的呼叫次数；

x₆:17时30分至18时的呼叫次数；