一种多行为时序特征的来电咨询意图的预测方法与流程

技术特征：
1.一种多行为时序特征的来电咨询意图的预测方法，其特征在于，其步骤为：(1)提取历史用户行为的时间特征信息，并对该特征信息进行清洗与预处理，保证数据的有效性；(2)针对步骤(1)提取到相应特征信息，通过schedule定时计算不同业务类别下所有行为特征项影响因子占比r(x)；(3)针对时间序列内用户多行为多类别信息，得出对应用户咨询问题类别的特征权重计算方法；(4)通过步骤(3)计算出历史时间段内多类别行为特征，并将相同业务类别下不同行为累加求和，得出不同业务类别下多行为特征表示矩阵；(5)动态更新用户咨询预测模型方法：将历史多种行为特征表示矩阵使用xgboost算法实现对历史特征业务类别的划分，通过动态触发schedule实现预测模型权重定期训练，实现用户历史行为信息预测来电询问的业务类别。2.根据权利要求1所述的一种多行为时序特征的来电咨询意图的预测方法，其特征在于，所述的步骤(2)统计历史时间内用户行为类别与咨询问题类别相同的数据个数k，所有用户历史行为特征个数s，历史不同业务类别下行为特征影响因子r(x)，其中r(x)＝k/s，通过schedule定时计算影响因子。3.根据权利要求1所述的一种多行为时序特征的来电咨询意图的预测方法，其特征在于，所述的步骤(3)的具体步骤为：
①
通过步骤(1)提取到的时间序列特征数据，将其对应的行为业务类别进行标注；
②
对历史时间段内的多行为特征进行统计分析，提取多行为时间序列特征拟合正态分布曲线的特征数据；
③
基于正态分布计算的多行为时间序列特征计算方法：a.正态分布方差项计算方法：以每天为行为的时间周期划分，挑选历史连续时间段内每天业务行为预测准确率p(x，t)，多行为时间序列的正态方差项计算公式具体如下：式(1)中n为历史时间段的天数，x表示某业务类别的历史行为，t表示某时间点，p(x，t)为历史某一行为某天预测正确的概率，是历史时间段内某一行为预测正确概率的均值；b.正态分布期望差项计算方法：根据提取到的时间序列特征数据，通过时间序列权重计算函数，得出特征对应业务类别的权重信息；其中基于时间序列行为正态分布期望差计算公式如下：式(2)中t(n)为当前时间的时间戳，t(x，t)表示x业务类别的历史时间节点，t(x，t)公式是计算x业务类别的历史行为时间节点距离当前时间有z个周期；c.基于正态分布计算多行为时间序列特征加权计算公式如下：
式(3)中v(x,t)是基于正态分布计算公式得出，其中k为缩放因子调节，用于调整计算结果范围，δ(x，t)为正态分布方差项，t2(x,t)为正态分布期望差项。

技术总结
本发明公开了一种多行为时序特征的来电咨询意图的预测方法，它涉及通讯支付技术领域。提取历史用户行为的时间特征信息，通过schedule定时计算不同业务类别下行为特征项影响因子占比；针对时间序列内用户多行为多类别信息，得出对应用户咨询问题类别的特征权重计算方法；计算历史时间段内多类别行为特征，将相同业务类别下不同行为累加求和，得出不同业务类别下多行为特征表示矩阵，并使用xgboost算法对历史特征业务类别划分，动态触发schedule实现预测模型权重定期训练，实现用户历史行为信息预测来电询问的业务类别。本发明提升对用户诉求预测的准确率，提高客服人员的工作效率并维护用户感知，便于精准服务用户。户。户。


技术研发人员：王世雄 王宣皓 唐文华 朱鹏程
受保护的技术使用者：天翼电子商务有限公司
技术研发日：2021.12.30
技术公布日：2022/5/25