技术新讯 > 电子通信装置的制造及其应用技术 > 一种基于用户行为分析的SIM套餐推荐方法及系统与流程  >  正文

一种基于用户行为分析的SIM套餐推荐方法及系统与流程

  • 国知局
  • 2024-11-06 14:44:27

本发明涉及计算机,具体而言,涉及一种基于用户行为分析的sim套餐推荐方法及系统。

背景技术:

1、目前,通过sim获取流量来对手机中的应用软件进行操作,利用互联网的直观、快速,表现形式好、内容丰富、交互性强、地域不受限制、受众可划分等特点,能够从网络中进行影片播放、文字阅读等方面。而每个用户对于在网络中获取数据的内容存在个性化,仅仅通过固定流量的总量和仅为4g或5g的流量套餐,需要用户自行判别,从而产生流量溢出、流量不足、出现卡顿等情况,无法满足用户需求,从而无法推荐给用户满意的流量套餐。

技术实现思路

1、本发明的目的在于提供了一种基于用户行为分析的sim套餐推荐方法及系统,用以解决现有技术中存在的上述问题。

2、第一方面,本发明实施例提供了一种基于用户行为分析的sim套餐推荐方法,包括:

3、获取应用使用时间、应用程序和当前流量信息;所述当前流量信息包括当前流量套餐的多个时间点的使用流量和传输时间长度;所述使用流量为每个时间点使用的流量;所述传输时间长度为传输用户能够接收完整可供观看的数据的时间长度;所述应用使用时间表示用户一天中使用的应用的时间;所述应用程序表示用户一天中使用的应用的软件;

4、基于所述应用程序和多个时间点的使用流量,通过应用分类网络,得到应用类别概率;

5、基于所述当前流量信息,构建传输时间长度和使用流量的关系,得到时间流量键值对;

6、基于应用使用时间、应用程序、应用类别和使用流量,对用户行为进行判别,得到用户画像树;所述用户画像树表示使用流量的层级状态;

7、基于用户画像树,判断流量使用的概率,得到用户行为概率;

8、基于所述用户画像树、用户行为概率和应用类别概率,构建网络,得到用户推荐网络;

9、通过所述用户推荐网络,基于多个时间点的使用流量和时间流量键值对,得到推荐套餐。

10、可选的,所述基于所述用户画像树、用户行为概率和应用类别概率,构建网络,得到用户推荐网络,包括:

11、根据所述用户画像树的第一层,得到特征提取网络;

12、根据所述用户画像树的第二层对应的应用类别,获得应用类别概率结构、第一应用类别神经网络和第二应用类别神经网络;所述应用类别概率结构存储应用类别概率;

13、根据所述用户画像树的第三层对应的应用程序,得到第一程序网络和自检测结构;

14、根据所述用户画像树的第四层对应的应用时间流量,得到第一卷积网络;

15、获取特征分类网络;所述特征分类网络用于按照特征信息对用户分类到适合的流量套餐;

16、将所述特征提取网络、应用类别概率结构、第一应用类别神经网络、第二应用类别神经网络、第一程序网络、自检测结构、第一卷积网络和特征分类网络构建用户推荐网络。

17、可选的,所述将所述特征提取网络、应用类别概率结构、第一应用类别神经网络、第二应用类别神经网络、第一程序网络、自检测结构、第一卷积网络和特征分类网络构建用户推荐网络,包括:

18、所述应用类别概率结构中存储应用类别概率;所述自检测结构中存储所述用户行为概率;

19、所述应用类别概率结构的输入为所述特征提取网络的输出;

20、所述应用类别概率结构的输出为第一应用类别神经网络的输入和第二应用类别神经网络的输入;

21、所述第一程序网络的输入为第一应用类别神经网络的输出和第二应用类别神经网络的输出

22、所述第一程序网络的输出为所述自检测结构的输入;

23、所述自检测结构的输出和第一卷积网络的输出为特征分类网络的输入。

24、可选的,所述通过所述用户推荐网络,基于多个时间点的使用流量和时间流量键值对,得到推荐套餐,包括:

25、将所述多个时间点的使用流量输入特征提取网络,提取特征,得到第一流量特征;

26、将所述第一流量特征与应用类别概率结构中存储的应用类别概率分别相乘,得到第一应用使用流量特征和第二应用使用流量特征;

27、将所述第一应用使用流量特征输入第一应用类别神经网络,得到第一应用特征;

28、将所述第二应用使用流量特征输入第二应用类别神经网络,得到第二应用特征;

29、将所述第一应用特征和第二应用特征进行排列后输入第一程序网络,得到第一程序特征;

30、将所述第一程序特征与自检测结构中存储的用户行为概率分别相乘,得到多个用户行为流量特征;

31、将所述时间流量键值对中的第一部分曲线图像输入所述第一卷积网络,得到第一时间流量特征;

32、将所述多个用户行为流量特征和第一时间流量特征输入特征分类网络,得到推荐套餐。

33、可选的,所述基于应用使用时间、应用程序、应用类别和使用流量,对用户行为进行判别,得到用户画像树,包括:

34、构建深度为4的树结构;

35、将根节点加入所述树结构的第一层;

36、将应用类别对应的节点加入所述树结构的第二层;

37、根据所述应用类别将应用程序进行分类;

38、将应用程序对应的节点加入所述树结构的第三层;

39、根据所述应用使用时间,将对应的使用流量进行分割,得到多个应用时间流量;所述应用时间流量表示应用程序在应用使用时间内每一个时间点的使用流量;

40、将应用时间流量对应的节点加入所述树结构的第四层,得到用户画像树。

41、可选的,所述基于所述当前流量信息,构建传输时间长度和使用流量的关系,得到时间流量键值对,包括:

42、将使用流量进行归一化后乘以固定数值,得到归一流量数值;多个时间点的使用流量对应得到多个归一流量数值;

43、将多个归一流量数值进行拟合,得到第一流量曲线;

44、将所述第一流量曲线转换为图像,得到第一流量曲线图像;

45、基于所述第一流量曲线图像和传输时间长度,得到时间流量键值对。

46、可选的,所述基于所述第一流量曲线图像和传输时间长度,得到时间流量键值对,包括:

47、将所述第一流量曲线图像按照传输时间长度进行分割,得到多个第一部分曲线图像;

48、将多个传输时间长度与对应的所述第一部分曲线图像构建键值对,得到时间流量键值对。

49、可选的,所述基于所述应用程序和多个时间点的使用流量,通过应用分类网络,得到应用类别概率,包括:

50、将所述多个时间点的使用流量按照应用类别进行分类,得到多个应用类别流量;

51、将所述多个应用类别流量相加,得到应用类别总流量;

52、将所述多个应用类别流量分别除以应用类别总流量,得到应用类别概率。

53、可选的,所述基于用户画像树,判断流量使用的概率,得到用户行为概率,包括:

54、根据所述用户画像树,获取应用程序流量;所述应用程序流量表示一天内应用程序的使用流量;多个应用程序对应获得多个应用程序流量;

55、将所述多个应用程序流量相加,得到总流量;

56、将所述多个应用程序流量分别除以总流量,得到用户行为概率。

57、第二方面,本发明实施例提供了一种基于用户行为分析的sim套餐推荐系统,包括:

58、获取模块:获取应用使用时间、应用程序和当前流量信息;所述当前流量信息包括当前流量套餐的多个时间点的使用流量和传输时间长度;所述使用流量为每个时间点使用的流量;所述传输时间长度为传输用户能够接收完整可供观看的数据的时间长度;所述应用使用时间表示用户一天中使用的应用的时间;所述应用程序表示用户一天中使用的应用的软件;

59、应用类别概率模块:基于所述应用程序和多个时间点的使用流量,通过应用分类网络,得到应用类别概率;

60、键值对模块:基于所述当前流量信息,构建传输时间长度和使用流量的关系,得到时间流量键值对;

61、树结构模块:基于应用使用时间、应用程序、应用类别和使用流量,对用户行为进行判别,得到用户画像树;所述用户画像树表示使用流量的层级状态;

62、用户行为概率模块:基于用户画像树,判断流量使用的概率,得到用户行为概率;

63、网络构建模块:基于所述用户画像树、用户行为概率和应用类别概率,构建网络,得到用户推荐网络;

64、推荐模块:通过所述用户推荐网络,基于多个时间点的使用流量和时间流量键值对,得到推荐套餐。

65、相较于现有技术,本发明实施例达到了以下有益效果:

66、本发明实施例还提供了一种基于用户行为分析的sim套餐推荐方法及系统,所述方法包括:获取应用使用时间、应用程序和当前流量信息;所述当前流量信息包括当前流量套餐的多个时间点的使用流量和传输时间长度;所述使用流量为每个时间点使用的流量;所述传输时间长度为传输用户能够接收完整可供观看的数据的时间长度;所述应用使用时间表示用户一天中使用的应用的时间;所述应用程序表示用户一天中使用的应用的软件;基于所述应用程序和多个时间点的使用流量,通过应用分类网络,得到应用类别概率;基于所述当前流量信息,构建传输时间长度和使用流量的关系,得到时间流量键值对;基于应用使用时间、应用程序、应用类别和使用流量,对用户行为进行判别,得到用户画像树;所述用户画像树表示使用流量的层级状态;基于用户画像树,判断流量使用的概率,得到用户行为概率;基于所述用户画像树、用户行为概率和应用类别概率,构建网络,得到用户推荐网络;通过所述用户推荐网络,基于多个时间点的使用流量和时间流量键值对,得到推荐套餐。

67、本发明中,通过一般用户使用流量的应用类别、应用程序和时间点,来构建用户画像树。根据用户画像树的具体结构来构建满足用户推荐的用户推荐网络。并且加入应用类别概率结构和自检测结构,根据每个用户的特性,来构建存在特性的用户推荐网络。用户推荐网络中不但用多个全连接网络来检测多个时间点的使用流量中符合每个用户的特性的特征,还使用第一卷积网络判断传输时间长度下不同时间点的使用流量构成的曲线的状态,在一定流量下大速率对应的视频的卡顿情况进行预测不卡顿的流量情况。从而达到推荐给用户不卡顿,符合自身使用软件状态的流量套餐的技术效果。

本文地址:https://www.jishuxx.com/zhuanli/20241106/323868.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。