[发明专利]电信用户满意度的预测方法、装置、设备及介质

权利要求书

1.一种电信用户满意度的预测方法，其特征在于，包括：

根据样本电信用户的聚类特征和样本电信用户的满意度，训练聚类模型；样本电信用户包括多个类别的样本电信用户；

根据每个类别的样本电信用户的回归模型特征和所述每个类别的样本电信用户的满意度，训练回归模型，得到所述每个类别对应的回归模型；

通过训练后的所述聚类模型，对目标电信用户进行聚类，以将目标电信用户聚类成多个类别；

对于每个类别的目标电信用户，通过目标电信用户的类别对应的回归模型，预测对应类别的目标电信用户的满意度。

2.根据权利要求1所述的方法，其特征在于，所述将目标电信用户聚类成多个类别之后，还包括：

针对不同类别的目标电信用户，执行对应的提升用户满意度的策略。

3.根据权利要求1所述的方法，其特征在于，所述根据每个类别的样本电信用户的回归模型特征和所述每个类别的样本电信用户的满意度，训练回归模型之前，还包括：

将对样本电信用户调研得到的满意度减去第一平均值得到的结果，作为用于训练聚类模型的样本电信用户的满意度和用于训练回归模型的样本电信用户的满意度；所述第一平均值是样本电信用户所在区县的满意度平均值；

所述通过目标电信用户的类别对应的回归模型，预测对应类别的目标电信用户的满意度，包括：

将目标电信用户的类别对应的回归模型输出的数值加上第二平均值得到的结果，作为预测出的对应类别的目标电信用户的满意度；所述第二平均值是目标电信用户所在区县的满意度平均值。

4.根据权利要求3所述的方法，其特征在于，所述通过目标电信用户的类别对应的回归模型，预测对应类别的目标电信用户的满意度之后，还包括：

根据市内各区县的满意度，计算所述市的满意度；区县的满意度是区县内目标用户的满意度平均值。

5.根据权利要求1所述的方法，其特征在于，所述根据样本电信用户的聚类特征和样本电信用户的满意度，训练聚类模型之前，还包括：

若样本电信用户的聚类特征对应的值为空，则根据值为空的聚类特征，为所述值为空的聚类特征设置值；

所述根据每个类别的样本电信用户的回归模型特征和所述每个类别的样本电信用户的满意度，训练回归模型之前，还包括：

若样本电信用户的回归模型特征对应的值为空，则根据值为空的回归模型特征，为所述值为空的回归模型特征设置值。

6.根据权利要求1所述的方法，其特征在于，样本电信用户的聚类特征包括类别类型的特征和数值类型的特征；所述根据样本电信用户的聚类特征和样本电信用户的满意度，训练聚类模型，包括：

基于K-Prototypes算法，对样本电信用户的聚类特征和样本电信用户的满意度进行处理，以训练所述聚类模型。

7.根据权利要求1所述的方法，其特征在于，所述每个类别对应的回归模型是线性回归模型、随机森林模型或者XGBoost模型。

8.一种电信用户满意度的预测装置，其特征在于，包括：

第一训练模块，用于根据样本电信用户的聚类特征和样本电信用户的满意度，训练聚类模型；样本电信用户包括多个类别的样本电信用户；

第二训练模块，用于根据每个类别的样本电信用户的回归模型特征和所述每个类别的样本电信用户的满意度，训练回归模型，得到所述每个类别对应的回归模型；

聚类模块，用于通过训练后的所述聚类模型，对目标电信用户进行聚类，以将目标电信用户聚类成多个类别；

预测模块，用于对于每个类别的目标电信用户，通过目标电信用户的类别对应的回归模型，预测对应类别的目标电信用户的满意度。

9.一种计算设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。