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,包括以下步骤:
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)中构建的标准数据集; 2b) 训练一个朴素贝叶斯二分类模型; 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)中二分类预测结果; 3b) 基于置信度策略合并二分类结果,得到用户最终的集团类标; 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,准确高效地为用户推荐集团业务。该方法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。
| 专利名称 | 一种基于数据挖掘多分类算法的电信集团业务推荐方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610353613.2 |
| 申请号 | - | 专利申请日期 | 2016-05-25 |
| 专利授权日期 | 2016-10-26 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 张雷;王静;谢俊元 | ||
| 权利人 | - | ||
| 专利摘要 | 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。 | ||