[发明专利]用户资源的推送方法及装置

权利要求书

1.一种用户资源的推送方法，其特征在于，包括：

获取用户的若干个特征数据和在不同时段的流速类别；所述若干个特征数据包括对用户流量使用行为产生影响的特征数据；

根据特征数据和在不同时段的流速类别，通过网络模型预测所述用户在未来预设时段的流速类别；

根据所述用户在所述预设时段的流速类别在预设时段为所述用户推送与预测的流速类别对应的资源片。

2.根据权利要求1所述的方法，其特征在于，所述获取用户的若干个特征数据，包括：

对获取的用户宽表数据进行预处理，得到预处理后的用户宽表数据；所述宽表数据包含流量使用数据；

对预处理后的用户宽表数据进行相关性分析，得到多个与所述流量使用数据具有相关性的特征数据；

通过随机森林算法对所述多个与所述流量使用数据具有相关性的特征数据进行筛选，获取所述若干个特征数据。

3.根据权利要求2所述的方法，其特征在于，所述通过随机森林算法对所述多个与所述流量使用数据具有相关性的特征数据进行筛选，获取所述若干个特征数据，包括：

针对每一特征数据，确定所述特征数据的基尼指数；

根据所述基尼指数确定每个特征数据对应的重要性评分；

对所有特征数据的重要性评分排序，获取若干个排序靠前的重要性评分对应的特征数据。

4.根据权利要求1所述的方法，其特征在于，获取用户在不同时段的流速类别，包括：

对获取的流量详单数据进行预处理，得到预处理后的流量详单数据；

根据所述预处理后的流量详单数据确定所述用户在预设时段消费的流量数据；

对所述用户在预设时段消费的流量数据进行聚类分析，确定所述用户在预设时段的流速类别。

5.根据权利要求4所述的方法，其特征在于，对所述用户在预设时段消费的流量数据进行聚类分析，确定所述用户在预设时段的流速类别，包括：

通过预设的每个流速类别数量对应的误差平方和确定流速类别数量；

通过K-means方法根据所述流速类别数量和所述用户在预设时段消费的流量数据确定所述用户在预设时段的流速类别。

6.根据权利要求5所述的方法，其特征在于，所述通过预设的每个流速类别数量对应的误差平方和确定流速类别的数量，包括：

确定预设的每个流速类别数量对应的误差平方和，根据每个流速类别数量对应的误差平方和确定误差平方和曲线；

选取所述误差平方和曲线中的拐点对应的流速类别数量。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述网络模型的确定方法为：

根据获取的历史特征数据、在不同时段的历史流速类别以及在对应的未来预设时段的流速类别确定网络模型。

8.一种用户资源的推送装置，其特征在于，包括：

获取模块，用于获取用户的若干个特征数据和在不同时段的流速类别；所述若干个特征数据为对用户流量使用行为产生影响的特征数据；

预测模块，用于根据特征数据和在不同时段的流速类别，通过网络模型预测所述用户在未来预设时段的流速类别；

推送模块，用于根据所述用户在所述预设时段的流速类别在预设时段为所述用户推送与预测的流速类别对应的资源片。

9.一种用户资源的推送设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的用户资源的推送方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的用户资源的推送方法。