[发明专利]一种基于互联网电视使用行为的用户流失预测方法及终端

权利要求书

1.一种基于互联网电视使用行为的用户流失预测方法，其特征在于，所述基于互联网电视使用行为的用户流失预测方法包括：

获取用户的基本属性特征和预设周期内的开机信息，构建用户矩阵；

获取节目信息数据，对节目简介进行分词向量化处理，构造节目矩阵，将所述节目矩阵进行降维处理后得到节目简介矩阵；

获取用户的观影行为数据，构建节目偏好矩阵；

将所述用户矩阵、所述节目简介矩阵和所述节目偏好矩阵合并成计算矩阵，将所述计算矩阵输入到预测模型中预测用户流失概率；

所述获取节目信息数据，对节目简介进行分词向量化处理，构造节目矩阵，将所述节目矩阵进行降维处理后得到节目简介矩阵，具体包括：

基于用户观看节目获取节目信息数据，对节目简介进行分词向量化处理，得到节目矩阵a2_m×j；

其中，m为用户数，j为节目简介特征个数；

通过聚类算法将所述节目矩阵a2_m×j进行降维处理，将所述节目矩阵a2_m×j优化得到节目简介矩阵a3_m×k；

其中，m为用户数，k为用户维度提取的特征个数；

所述通过聚类算法将所述节目矩阵a2_m×j进行降维处理，具体包括：

随机从所述节目矩阵a2_m×j选取k列特征作为初始聚类中心c₁、c₂、...、c_k；

计算所述节目矩阵a2_m×j中一个特征与当前聚类中心的最短距离，将该特征归入最短距离所在的类别中，将每个类别中心更新为隶属于该类别的所有特征的均值；

计算所述节目矩阵a2_m×j中剩余特征与当前聚类中心的最短距离，直到类别中心的变化小于某个阈值，最后得到节目简介矩阵a3_m×k，其中，k＜j。

2.根据权利要求1所述的基于互联网电视使用行为的用户流失预测方法，其特征在于，所述获取用户的基本属性特征和预设周期内的开机信息，构建用户矩阵，具体包括：

获取用户的基本属性特征，按预设周期统计用户在周期内的各时段是否处于开机的开机信息；

根据所述基本属性特征和所述开机信息构建用户矩阵a1_m×i；

其中，m为用户数，i为用户维度提取的特征个数。

3.根据权利要求2所述的基于互联网电视使用行为的用户流失预测方法，其特征在于，所述基本属性特征包括：用户地域、年龄和性别。

4.根据权利要求2所述的基于互联网电视使用行为的用户流失预测方法，其特征在于，所述获取用户的观影行为数据，构建节目偏好矩阵，具体包括：

统计预设周期内用户所有节目观看的日均时长和日均次数，提取用户的日均时长和日均次数；

根据所述日均时长和所述日均次数构建节目偏好矩阵a3_m×l；

其中，m为用户数，l为用户节目偏好维度提取的特征个数。

5.根据权利要求4所述的基于互联网电视使用行为的用户流失预测方法，其特征在于，所述将所述用户矩阵、所述节目简介矩阵和所述节目偏好矩阵合并成计算矩阵，将所述计算矩阵输入到预测模型中预测用户流失概率，具体包括：

将所述用户矩阵a1_m×i、所述节目简介矩阵a3_m×k和所述节目偏好矩阵a3_m×l合并成计算矩阵a_m×n；

其中，m为用户数，n为总特征个数，n＝i+k+l；

根据所述计算矩阵，通过预测模型预测各个用户在未来一段时间的流失概率。

6.根据权利要求1-5任一项所述的基于互联网电视使用行为的用户流失预测方法，其特征在于，所述预设周期为24小时。