买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中南大学申请的专利基于用户画像的互联网卡用户流失预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113962160B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111298139.5，技术领域涉及：G06F30/27；该发明授权基于用户画像的互联网卡用户流失预测方法及系统是由吕丰;钱凯;吴帆;任炬;张尧学设计研发完成，并于2021-11-04向国家知识产权局提交的专利申请。

本基于用户画像的互联网卡用户流失预测方法及系统在说明书摘要公布了：本发明公开了基于用户画像的互联网卡用户流失预测方法及系统，通过分析互联网卡用户与流失相关的身份特性以及行为特性，确定互联网卡用户的关键画像数据维度以及关键时序行为数据维度；关键画像数据维度包括表征互联网卡用户行为的不确定性和活跃度的活跃熵，关键时序行为数据维度包括表征互联网卡用户的异常行为的行为异常天数；从历史数据中获取不同用户对应维度的关键画像数据以及不同时期的关键时序行为数据构建训练数据集，并使用训练数据集训练构建的深度学习模型，再使用训练好的深度学习模型预测用户流失。本发明在选取训练数据的特征维度时，新增用户的活跃熵和行为异常天数来反映不同用户的流失行为规律，使得训练得到深度学习模型预测精度更高。

本发明授权基于用户画像的互联网卡用户流失预测方法及系统在权利要求书中公布了：1.一种基于用户画像的互联网卡用户流失预测方法，其特征在于，包括以下步骤：分析互联网卡用户与流失相关的身份特性以及行为特性，确定互联网卡用户的关键画像数据维度以及关键时序行为数据维度；其中，所述关键画像数据维度包括表征互联网卡用户行为的不确定性和活跃度的活跃熵，所述关键时序行为数据维度包括表征互联网卡用户的异常行为的行为异常天数；从历史数据中获取不同用户对应维度的关键画像数据以及不同时期的关键时序行为数据构建训练数据集，并对所述训练数据集中的训练数据对应的用户流失类别进行标注；构建深度学习模型，并使用训练数据集中标注好的训练数据训练所述深度学习模型，得到训练好的深度学习模型；获取待预测用户对应维度的关键画像数据以及关键时序行为数据，将待预测用户对应维度的关键画像数据以及关键时序行为数据输入至训练好的深度学习模型中，得到待预测用户的流失类别；所述关键画像数据维度包括：性别、年龄、移动终端机型、移动终端价格、移动终端使用时长、余额、套餐ID、套餐档次、第二卡槽归属运营商、在网月份、近3个月单停次数、近3个月双停次数、基于月上行流量的活跃熵、基于月下行流量的活跃熵、基于月上网时间的活跃熵以及基于月上网记录条数的活跃熵；所述关键时序行为数据维度包括：日下行流量和、日上行流量和、日上网时间和、日上网记录条数和、每日是否流量异常、日主叫通话次数、日主叫通话时长、日主叫号码个数、日被叫通话次数、日被叫通话时长、日被叫号码个数以及日通话所连基站数；所述深度学习模型为基于多头自注意力机制的深度学习模型，包括特征提取层、嵌入层、注意力层、预分类层以及分类器，所述嵌入层、注意力层、预分类层以及分类器依次连接，所述分类器还与特征提取层连接；所述特征提取层用于从输入的关键画像数据中提取降维的用户画像关键特征矩阵，并将所述关键特征矩阵输出给分类器；所述嵌入层用于将输入的关键时序行为数据及其对应的类别标记转化包含块嵌入向量、类别嵌入向量以及位置嵌入向量的嵌入特征块，并将所述嵌入特征块输出给注意力层；所述类别嵌入向量用于学习并标记各个块嵌入向量的目标类别；所述位置嵌入向量用于标记各个块嵌入向量之间的位置关系；所述注意力层用于提取所述嵌入特征块的各个块嵌入向量的目标类别，并加上所述位置嵌入向量所标记的各个块嵌入向量之间的位置关系对提取的各个块嵌入向量进行自相似性计算，得到所述嵌入特征块的类别嵌入向量；并将所述嵌入特征块的类别嵌入向量输出给预分类层；所述预分类层用于对所述嵌入特征块的类别嵌入向量进行预分类，输出用户流失概率值给分类层；所述分类层用于根据用户画像的关键特征矩阵以及所述用户流失概率值确定所述用户的流失类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410083 湖南省长沙市麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。