[发明专利]数据处理方法、装置、设备及存储介质

说明书

本申请实施例提供一种数据处理方法、装置、设备及存储介质，该方法包括：获取目标用户的特征向量；根据所述目标用户的特征向量，通过目标预测模型，得到所述目标用户对应的满意度预测结果，所述目标预测模型是由多个历史用户的个性特征对应的权重、所述多个历史用户中各个历史用户的特征向量、满意度分值对协同过滤模型训练得到的；根据所述满意度预测结果，向所述目标用户使用的终端推送个性化需求信息。本申请实施例提供的方法能够解决现有技术中无法精准地实现用户体验满意度地评估，进而导致对用户个性化推荐地准确率较低的问题。

技术领域

本申请实施例涉及数据处理技术领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

背景技术

随着用户规模的增加、产生数据量的快速增长，为应对激烈的市场竞争，运营商越来越依赖精确化的数据统计分析以实现科学管理和决策。其中，为了能够较为准确地向用户推送业务等服务，可以通过数据统计分析对用户体验满意度进行评估。

目前，针对满意度的评估，现有方案是通过建立一种四层的用户感知指标体系：KPI-KQI-QoE-满意度(其中，关键绩效指标即Key Performance Indicators，简称KPI；关键质量指标即Key Quality Indicators，简称KQI；体验质量即Quality of Experience，简称QoE)，在用户感知指标体系的基础上，使用神经网络算法建立了满意度评价模型，通过用户感知指标与业务质量指标以及网络质量指标之间的三层映射关系，获取影响用户感知的指标权重，最终形成用户体验满意度评估系统。

但是，现有方案利用神经网络算法对用户体验建立模型，从而获得对用户体验的评价(即满意度评估)。由于神经网络要求训练数据充分，而可收集到的用户体验数据大部分为稀疏的，无法达成神经网络的训练要求从而使最终训练并不精确；若想通过神经网络算法获得较为可靠的结果则需要大量的成本且实现难度大。因此，现有技术无法精准地实现用户体验满意度地评估，进而导致对用户个性化推荐地准确率较低。

发明内容

本申请实施例提供一种数据处理方法、装置、设备及存储介质，以解决现有技术中无法精准地实现用户体验满意度地评估，进而导致对用户个性化推荐地准确率较低的问题。

第一方面，本申请实施例提供一种数据处理方法，包括：

获取目标用户的特征向量；

根据所述目标用户的特征向量，通过目标预测模型，得到所述目标用户对应的满意度预测结果，所述目标预测模型是由多个历史用户的个性特征对应的权重、所述多个历史用户中各个历史用户的特征向量、满意度分值对协同过滤模型训练得到的；

根据所述满意度预测结果，向所述目标用户使用的终端推送个性化需求信息。

在一种可能的设计中，所述特征向量包括个性特征数据和网络质量数据；

在所述通过目标预测模型，得到所述目标用户对应的满意度评估预测结果之前，所述方法还包括：

获取所述多个历史用户中各个所述历史用户的特征向量和满意度分值；

将所述多个历史用户进行划分，生成训练集和验证集，所述训练集和验证集中均包含多个样本，每个样本中包括所述个性特征数据、所述网络质量数据和对应的所述满意度分值；

根据所述训练集中每个样本的所述个性特征数据和所述满意度分值，通过层次分析法，确定所述个性特征对应的权重；

根据所述训练集和所述权重，对所述协同过滤模型进行训练，得到初始预测模型；

根据所述验证集对所述初始预测模型进行验证，得到所述目标预测模型。

在一种可能的设计中，所述获取所述多个历史用户中各个所述历史用户的特征向量和满意度分值，包括：