王虎

摘 要：在內(nèi)憂外患的市場(chǎng)環(huán)境下，電信運(yùn)營(yíng)商推出大量的電信套餐用以滿足用戶的各類電信服務(wù)需求，但是過量套餐加大了用戶選擇合適套餐的難度，對(duì)用戶造成了困擾。針對(duì)電信套餐的個(gè)性化推薦問題，通過數(shù)據(jù)挖掘技術(shù)構(gòu)建了基于用戶消費(fèi)行為的電信套餐個(gè)性化推薦模型。

關(guān)鍵詞：電信套餐；數(shù)據(jù)挖掘；協(xié)同推薦

引言：近幾年，隨著國(guó)內(nèi)電信市場(chǎng)逐漸飽和，運(yùn)營(yíng)商基礎(chǔ)通信服務(wù)慢慢呈現(xiàn)供大于求的局面，新用戶凈增數(shù)逐年呈下降趨勢(shì)，三大運(yùn)營(yíng)商之間的競(jìng)爭(zhēng)也日趨白熱化，運(yùn)營(yíng)商在價(jià)格競(jìng)爭(zhēng)的同時(shí)，設(shè)計(jì)推出大量的電信套餐來(lái)滿足日新月異的用戶需求。然而大量電信套餐的上市行為并沒有緩解各大運(yùn)營(yíng)商的競(jìng)爭(zhēng)壓力，反而引發(fā)一系列的問題[1]：（1）對(duì)于用戶來(lái)說(shuō)，電信套餐數(shù)量龐大，多種套餐的捆綁內(nèi)容和額度近似，月租費(fèi)卻又相差很多，很難從大量的套餐中快速選擇出符合用戶需求的套餐，同時(shí)用戶和套餐的不適配會(huì)對(duì)用戶造成不必要的經(jīng)濟(jì)損失，容易引發(fā)用戶對(duì)電信企業(yè)形象的負(fù)面評(píng)價(jià)，最終造成用戶流失。（2）從企業(yè)角度來(lái)看，電信企業(yè)難以把握用戶的需求和市場(chǎng)熱點(diǎn)，對(duì)于新套餐的推廣仍然采用粗放式的廣告投放方式，造成用戶審美疲勞，高成本，低回報(bào)，實(shí)際推廣效果不理想，造成企業(yè)大量資源浪費(fèi)。因此，電信系統(tǒng)主動(dòng)向用戶推薦合適套餐的研究十分必要。本文對(duì)協(xié)同過濾算法及其關(guān)鍵技術(shù)做了詳細(xì)分析，并針對(duì)電信行業(yè)特點(diǎn)設(shè)計(jì)了電信套餐的個(gè)性化推薦模型，并對(duì)模型的主要模塊進(jìn)行了詳細(xì)介紹。

一、協(xié)同推薦算法及其關(guān)鍵技術(shù)

（一）協(xié)同過濾推薦的概念。協(xié)同過濾推薦[2]也被稱為社會(huì)過濾推薦，在社會(huì)群體中以興趣相似度為度量尋找用戶間的相關(guān)性，或發(fā)現(xiàn)項(xiàng)目間的相關(guān)性，基于這些關(guān)聯(lián)性進(jìn)行推薦活動(dòng)。實(shí)現(xiàn)協(xié)同推薦主要有三個(gè)步驟：步驟1：收集用戶偏好數(shù)據(jù)。步驟2：計(jì)算相似度，找到相似用戶群或者物品。步驟3：依據(jù)推薦策略，進(jìn)行推薦計(jì)算。協(xié)同過濾推薦算法根據(jù)相似度比較對(duì)象的不同，可分為基于用戶的協(xié)同推薦和基于物品的協(xié)同推薦。

（1）基于用戶的協(xié)同推薦算法。根據(jù)歷史數(shù)據(jù)，計(jì)算所有用戶對(duì)產(chǎn)品的喜好程度，并由此找到目標(biāo)推薦用戶的相似鄰居集，依據(jù)算法原則“鄰居用戶喜歡的產(chǎn)品，目標(biāo)推薦用戶也可能喜歡”將鄰居用戶喜歡的產(chǎn)品匯總并排序形成推薦集推薦給目標(biāo)用戶。（2）基于物品的協(xié)同推薦算法。根據(jù)歷史數(shù)據(jù)，計(jì)算所有用戶對(duì)產(chǎn)品的喜好程度，并由此找到相似物品集，依據(jù)算法原則“正在使用物品的相似物品，用戶也可能喜歡”將相似物品匯總并排序形成推薦集推薦給目標(biāo)用戶。

（二）相似度計(jì)算。在推薦的場(chǎng)景中，需要進(jìn)行用戶間的相似度計(jì)算，或者進(jìn)行物品間的相似度計(jì)算，以下為幾種常用的相似度計(jì)算方法：

（1）歐幾里德距離。歐氏距離是最容易理解的一種距離計(jì)算方法，源自歐氏空間中兩點(diǎn)間的距離公式。兩個(gè)n維向量a

（x11，x12，…，x1n）與b（x21，x22，…，x2n）間的歐氏距離。

d（x，y）=■ 公式（1）

（2）Cosine相似度。Cosine 相似度被廣泛應(yīng)用于計(jì)算文檔數(shù)據(jù)的相似度。T（x，y）=■=■ 公式（2）

（3）皮爾遜相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)一般用于計(jì)算兩個(gè)定距變量間聯(lián)系的緊密程度，它的取值在 [-1，+1] 之間。

p（x，y）= ■=■ 公式（3）

注：Sx， Sy是 x 和 y 的樣品標(biāo)準(zhǔn)偏差。

（三）相似鄰居的計(jì)算。根據(jù)相似度計(jì)算確定鄰居主要有兩種方式：（1）固定數(shù)量鄰居法。不管有多少數(shù)量的鄰居，我們只用距離來(lái)確認(rèn)最近的K個(gè)，作為其鄰居。該方法容易受K值影響，近似鄰居數(shù)小于K值時(shí)，會(huì)選擇遠(yuǎn)距離不太相似的點(diǎn)作為鄰居，對(duì)推薦集造成影響，降低推薦準(zhǔn)確率。（2）基于相似度門檻的鄰居。以當(dāng)前目標(biāo)點(diǎn)為中心，K值為半徑的圓范圍，范圍內(nèi)的所有點(diǎn)都是其鄰居，該方法不能確認(rèn)鄰居的數(shù)量，但是能夠保證鄰居用戶間的相似度不會(huì)產(chǎn)生太大差異，確保推薦結(jié)果的準(zhǔn)確性。

（四）協(xié)同過濾算法的優(yōu)勢(shì)和不足。（1）協(xié)同過濾算法的優(yōu)勢(shì)。1）內(nèi)容難以解析的商品也能夠很好的進(jìn)行推薦，如電影、音樂。2）能夠挖掘用戶潛在需求，推薦內(nèi)容新穎。（2）協(xié)同過濾算法的不足。1）稀疏性問題：如果用戶歷史評(píng)價(jià)信息缺失或者稀少，利用評(píng)價(jià)信息尋找相似用戶的準(zhǔn)確性就會(huì)大大降低。2）性能問題：隨著推薦用戶數(shù)和推薦商品種類數(shù)的增加，系統(tǒng)的性能會(huì)越加低效。3）冷啟動(dòng)問題：沒有用戶使用或者評(píng)價(jià)的新產(chǎn)品，無(wú)法運(yùn)用協(xié)同推薦。

二、基于用戶消費(fèi)行為的電信套餐個(gè)性化推薦模型

本文根據(jù)電信行業(yè)的特點(diǎn)，從用戶消費(fèi)行為數(shù)據(jù)出發(fā)，結(jié)合數(shù)據(jù)挖掘技術(shù)和推薦方法構(gòu)建了如圖1所示的電信套餐個(gè)性化推薦模型。

圖1 電信套餐個(gè)性化推薦模型

電信套餐個(gè)性化推薦模型共分為7個(gè)主要模塊：

（1）信息收集模塊。信息收集，包括用戶基本信息、消費(fèi)清單賬單數(shù)據(jù)、用戶業(yè)務(wù)訂購(gòu)數(shù)據(jù)、用戶終端使用信息、套餐產(chǎn)品構(gòu)成信息、套餐資費(fèi)等信息的收集。（2）用戶建模。先根據(jù)電信業(yè)務(wù)領(lǐng)域相關(guān)知識(shí)構(gòu)建電信業(yè)務(wù)領(lǐng)域本體模型，每一個(gè)用戶模型/套餐模型都是電信業(yè)務(wù)領(lǐng)域本體的一個(gè)實(shí)例，業(yè)務(wù)本體依據(jù)用戶消費(fèi)偏好數(shù)據(jù)自動(dòng)生成個(gè)性化的用戶模型，每一個(gè)電信套餐也依據(jù)套餐設(shè)計(jì)信息由本體生成個(gè)性化的套餐模型。（3）聚類分析模塊。電信用戶數(shù)據(jù)具有基數(shù)大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜的特點(diǎn)，造成推薦算法計(jì)算量巨大，推薦系統(tǒng)負(fù)荷過重，影響推薦效率，針對(duì)此問題采取K-means聚類對(duì)用戶數(shù)據(jù)進(jìn)行預(yù)處理操作，大大減少用戶或者物品的最近鄰居搜索范圍，提高計(jì)算速度，從而提高推薦效率。為了達(dá)到細(xì)分用戶的目的，需要進(jìn)行兩次用戶聚類。一次聚類是根據(jù)用戶消費(fèi)占比數(shù)據(jù)將用戶群劃分成數(shù)個(gè)消費(fèi)偏好存在差異的類簇；二次聚類是在一次聚類結(jié)果集的基礎(chǔ)上，選擇目標(biāo)用戶所在的類簇為第二次聚類的數(shù)據(jù)源，根據(jù)用戶在各業(yè)務(wù)的消費(fèi)量值為依據(jù)來(lái)進(jìn)行用戶的聚類劃分。（4）尋找鄰居用戶集模塊。在聚類結(jié)果集的基礎(chǔ)上，選擇合適的相似度計(jì)算方法進(jìn)行用戶相似度計(jì)算，并以目標(biāo)推薦用戶為中心，以用戶間的相似度為距離值，選取最近的K個(gè)用戶作為目標(biāo)推薦用戶的最近鄰居用戶集。（5）個(gè)性化推薦集生成模塊。由鄰居用戶集確定套餐預(yù)測(cè)集和增值業(yè)務(wù)預(yù)測(cè)集，同時(shí)進(jìn)行TOP-N篩選、電信業(yè)務(wù)規(guī)則過濾和用戶-套餐的適配比對(duì)過程，最后形成一個(gè)滿足用戶電信需求的套餐或者增值業(yè)務(wù)推薦集。（6）套餐推薦模塊。以分區(qū)推薦的方式，將個(gè)性化推薦集混合推薦給目標(biāo)用戶，并給系統(tǒng)反饋推薦結(jié)果和相關(guān)推薦反饋信息。（7）推薦系統(tǒng)更新模塊。根據(jù)反饋信息評(píng)估整個(gè)推薦模型和過程，確認(rèn)模型存在缺陷就將更新信息反饋回電信業(yè)務(wù)領(lǐng)域本體，更新本體結(jié)構(gòu)和概念等信息，生成新本體，同時(shí)重新生成用戶模型和套餐模型。

結(jié)論：本文主要介紹了協(xié)同過濾算法的主要思想、關(guān)鍵技術(shù)以及算法存在的問題，同時(shí)根據(jù)電信行業(yè)特點(diǎn)和數(shù)據(jù)特征，研究者提出了基于用戶消費(fèi)行為的電信套餐個(gè)性化推薦模型用以有效解決電信套餐的個(gè)性化推薦問題，智能推薦符合用戶需求的電信套餐，從而推進(jìn)電信服務(wù)產(chǎn)品智能化的研究進(jìn)程。

參考文獻(xiàn)：

[1] 陶如軍. 中國(guó)電信：擁抱互聯(lián)網(wǎng)思維[J]. 國(guó)企， 2014， 09：58-61.

[2] 黃仁， 孟婷婷. 個(gè)性化推薦算法綜述[J]. 中小企業(yè)管理與科技（中刊）， 2015， 03：271-273.