用户满意度影响因素获取方法、终端及电子设备技术

本申请提供一种用户满意度影响因素获取方法、终端及电子设备。所述方法包括获取用户满意度数据，并根据所述用户满意度数据生成用户画像质量特征；根据所述用户画像质量特征生成最优特征质差阈值；根据所述最优特征质差阈值划分特征质差区间；根据所述特征质差区间获取特征不满风险抬升值；基于所述特征不满风险抬升值确定影响用户满意度的因素。本申请实施例提供的用户满意度影响因素获取方法可以更准确、高效的挖掘家宽上网低满意度用户关联的重要影响因素。重要影响因素。重要影响因素。

【技术实现步骤摘要】
用户满意度影响因素获取方法、终端及电子设备


[0001]本申请涉及通信
，具体涉及一种用户满意度影响因素获取方法、终端及电子设备。

技术介绍

[0002]家庭宽带业务从用户侧到业务侧是长链条流程，用户终端杂、网元数量多、业务涉及广。导致家宽上网质量满意度的影响因素众多。为了能够有效提升家宽上网质量满意度，需从众多复杂、多维度的指标中筛选出最主要的影响因素。故研究基于DPI、网管等多维度数据，运用机器学习中的特征选择方法，分析用户不满意高风险指标和重要性指标，挖掘家宽上网低满意度用户关联的重要影响因素。
[0003]目前，挖掘家宽上网低满意度用户关联的重要影响因素的方法主要有过滤法、包装法及嵌入法。其中，过滤法通过按照特征发散性或相关性对各个特征进行评分，设定阈值或者待选择特征的个数进行筛选；包装法通过使用机器学习算法评估特征子集的效果，可以检测两个或者多个特征之间的交互关系，而且选择的特征子集让模型的效果达到最优；嵌入法通过先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。
[0004]但是现有的方法，都存在一定的缺点，不能准确、高效的挖掘家宽上网低满意度用户关联的重要影响因素。

技术实现思路

[0005]本申请实施例提供一种用户满意度影响因素获取方法、终端及电子设备，用以解决现有技术中的不能准确、高效的挖掘家宽上网低满意度用户关联的重要影响因素的技术问题。
[0006]第一方面，本申请实施例提供一种用户满意度影响因素获取方法，包括：
[0007]获取用户满意度数据，并根据所述用户满意度数据生成用户画像质量特征；
[0008]根据所述用户画像质量特征生成最优特征质差阈值；
[0009]根据所述最优特征质差阈值划分特征质差区间；
[0010]根据所述特征质差区间获取特征不满风险抬升值；
[0011]基于所述特征不满风险抬升值确定影响用户满意度的因素。
[0012]在一个实施例中，所述根据所述用户画像质量特征，生成最优特征质差阈值，包括：
[0013]根据业务逻辑，确定所述用户画像质量特征的正负影响特性；
[0014]根据基尼系数，确定所述用户画像质量特征的质差阈值；
[0015]将所述正负影响特性与所述质差阈值相结合，获取最优特征质差阈值。
[0016]在一个实施例中，所述基于所述特征不满风险抬升值，确定影响用户满意度的因素之后，还包括：
[0017]根据所述用户满意度数据，构建随机森林模型；
[0018]获取所述随机森林模型中每一所述用户画像质量特征的贡献值；所述贡献值通过基尼系数确定；
[0019]根据所述贡献值，获取特征重要性数值。
[0020]在一个实施例中，所述基于所述特征不满风险抬升值，确定影响用户满意度的因素之后，还包括：
[0021]将所述用户画像质量特征进行分箱操作，并获取所述用户画像质量特征的每一箱体的证据权重；
[0022]对所述证据权重进行加权求和，获取所述用户画像质量特征的特征信息值。
[0023]在一个实施例中，所述将所述用户画像质量特征进行分箱操作，并获取所述用户画像质量特征的每一箱体的证据权重，包括：
[0024]根据类别指标和连续指标，对所述用户画像质量特征进行分箱操作，获取分箱操作后的用户画像质量特征箱数；
[0025]采用拉普拉斯平滑结合所述用户画像质量特征箱数，获取所述证据权重。
[0026]在一个实施例中，还包括：
[0027]将所述特征不满风险抬升值、特征重要性数值和特征信息值分别做归一化处理，并获取所述特征不满风险抬升值、特征重要性数值和特征信息值对应的权重；
[0028]将所述特征不满风险抬升值、特征重要性数值和特征信息值与所述对应的权重相结合，获取满意度关联系数。
[0029]在一个实施例中，所述获取用户满意度数据，并根据所述用户满意度数据，生成用户画像质量特征，包括：
[0030]获取用户满意度数据，并将所述用户满意度数据与用户画像质量指标相匹配，得到用户画像质量特征；
[0031]对所述用户画像质量特征进行筛选，剔除不符合预设标准的用户画像质量特征。
[0032]第二方面，本申请实施例提供一种终端，包括存储器，收发机，处理器；
[0033]存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
[0034]获取用户满意度数据，并根据所述用户满意度数据生成用户画像质量特征；
[0035]根据所述用户画像质量特征生成最优特征质差阈值；
[0036]根据所述最优特征质差阈值划分特征质差区间；
[0037]根据所述特征质差区间获取特征不满风险抬升值；
[0038]基于所述特征不满风险抬升值确定影响用户满意度的因素。
[0039]第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现第一方面所述的用户满意度影响因素获取方法的步骤。
[0040]第四方面，本申请实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的用户满意度影响因素获取方法的步骤。
[0041]本申请实施例提供的用户满意度影响因素获取方法、终端及电子设备，通过获取用户满意度数据，与用户画像质量特征指标匹配，生成用户画像质量特征；再通过生成的用
户画像质量特征获取最优质差阈值，根据最优质差阈值获取特征不满风险抬升值；最后根据特征不满风险抬升值确定影响用户满意度的因素，能更准确、高效的挖掘家宽上网低满意度用户关联的重要影响因素。
附图说明
[0042]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本申请实施例提供的用户满意度影响因素获取方法的流程示意图之一；
[0044]图2是本申请实施例提供的用户满意度影响因素获取方法的不满风险评估原理图；
[0045]图3是本申请实施例提供的用户满意度影响因素获取方法的流程示意图之二；
[0046]图4是本申请实施例的终端的结构示意图；
[0047]图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0048]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户满意度影响因素获取方法，其特征在于，包括：获取用户满意度数据，并根据所述用户满意度数据生成用户画像质量特征；根据所述用户画像质量特征生成最优特征质差阈值；根据所述最优特征质差阈值划分特征质差区间；根据所述特征质差区间获取特征不满风险抬升值；基于所述特征不满风险抬升值确定影响用户满意度的因素。2.根据权利要求1所述的用户满意度影响因素获取方法，其特征在于，所述根据所述用户画像质量特征，生成最优特征质差阈值，包括：根据业务逻辑，确定所述用户画像质量特征的正负影响特性；根据基尼系数，确定所述用户画像质量特征的质差阈值；将所述正负影响特性与所述质差阈值相结合，获取最优特征质差阈值。3.根据权利要求1所述的用户满意度影响因素获取方法，其特征在于，所述基于所述特征不满风险抬升值，确定影响用户满意度的因素之后，还包括：根据所述用户满意度数据，构建随机森林模型；获取所述随机森林模型中每一所述用户画像质量特征的贡献值；所述贡献值通过基尼系数确定；根据所述贡献值，获取特征重要性数值。4.根据权利要求3所述的用户满意度影响因素获取方法，其特征在于，所述基于所述特征不满风险抬升值，确定影响用户满意度的因素之后，还包括：将所述用户画像质量特征进行分箱操作，并获取所述用户画像质量特征的每一箱体的证据权重；对所述证据权重进行加权求和，获取所述用户画像质量特征的特征信息值。5.根据权利要求4所述的用户满意度影响因素获取方法，其特征在于，所述将所述用户画像质量特征进行分箱操作，并获取所述用户画像质量特征的每一箱体的证据权重，包括：根据类别指标和连续指标，对所述用户画像质量特征进行分箱操作，获取分箱操作后的用户画像质量特征箱数；采用...

【专利技术属性】
技术研发人员：张郭，卢永军，谢泽锋，孙剑骏，吴宝庭，林文锋，徐木生，李维，陈金方，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：