一種用戶業務特徵的生成方法及裝置的製作方法

2023-10-11 22:52:34

專利名稱：一種用戶業務特徵的生成方法及裝置的製作方法
技術領域：
本發明涉及通信領域，特別是指一種用戶業務特徵的生成方法及裝置。
背景技術：
眾所周知，用戶在實際生活中的很多習慣、特徵都是與時間有關的，通常是根據一定的周期進行反覆。在用戶的通信過程中，這樣的行為規律也隨處可見，例如，用戶每個月的通話量在正常情況下通常是比較穩定的，用戶在網絡上的業務表現也很可能是有規可循的。
目前，基於用戶通信行為的分析系統在網際網路的一些業務上已有所應用，並獲得良好的效益，如搜索業務、電子商務、網絡營銷等業務。典型的網際網路用戶行為分析主要是通過用戶資料調查、軟體跟蹤等方式完成的。雖然電信領域運營商或服務提供商(SP)已使用了專門進行業務分析和客戶管理的系統，如客戶關係管理系統、SP的客戶管理系統，但是現有技術對用戶通信行為分析都是針對群體用戶進行的，難以針對用戶個體進行個別分析，尤其是難以對用戶個體的行為習慣、業務特徵進行量化記錄。

發明內容
有鑑於此，本發明的一個目的在於提供一種用戶業務特徵的生成方法，本發明的另一目的在於提供一種用戶業務特徵的生成裝置，根據用戶的業務特徵來分析用戶使用業務的行為，並可進一步對用戶未來使用業務的情況做出預測。
為了達到上述目的，本發明提供了一種用戶業務特徵的生成方法，該包含以下步驟A、對用戶的業務記錄數據進行採集，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據；B、將業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對原有業務特徵進行校正後，根據業務屬性數據對原有業務特徵進行校正操作，然後對生成的業務特徵進行存儲。
所述A之前進一步包括在一個以上設定周期的時間長度內的每個設定周期，採集對應於業務屬性的用戶的業務記錄數據，根據所述業務記錄數據生成用戶的初始業務特徵。
所述根據業務記錄數據生成用戶的初始業務特徵，為將業務記錄數據經過曲線擬合分析得到具有分布曲線的業務特徵。
步驟A中所述對用戶的業務記錄數據進行採集，與根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，之間進一步包括對業務記錄數據的有效性進行驗證，如果有效，則根據配置的業務屬性將業務記錄數據劃分成業務屬性數據。
所述對業務記錄數據的有效性進行驗證，為確定業務記錄數據的單位是否正確；或為確定業務記錄數據的含義是否準確；或為確定業務記錄數據是否來自於需要進行分析的用戶。
一個設置周期的開始或結束執行所述步驟A；或觸發事件發生時，執行所述步驟A。
所述觸發事件為收到控制命令；或為確定業務屬性數據與存儲的業務屬性函數中對應於業務屬性數據含義的數據不相符。
步驟A中所述業務記錄數據是體現用戶業務使用情況的數據，為歷史話單，或費用記錄，或當前業務使用記錄，或用戶業務使用過程中生成的數據，或以上任意的組合。
步驟B中所述根據比較策略確定需要對原有業務特徵進行校正，為確定業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據的偏差未在允許誤差範圍內。
所述根據比較策略確定需要對原有業務特徵進行校正，為確定業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據的偏差未在允許誤差範圍內，且滿足第二設定條件。
所述第二設定條件為偏差未在允許誤差範圍內的累計次數達到設定次數；或為偏差未在允許誤差範圍內的連續次數達到設定次數；或為偏差在允許誤差範圍的正數倍之外。
所述偏差未在允許誤差範圍內，與滿足第二設定條件，之間進一步包括對業務屬性數據進行存儲。
步驟B中所述根據業務屬性數據對原有業務特徵進行校正操作，為根據業務屬性數據對業務特徵中對應於業務屬性數據含義的數據進行校正操作。
所述校正操作為函數逼近或數值逼近。
所述業務屬性數據為固定周期內各時間點的業務屬性數據；或為固定周期內相同時間點的業務屬性數據。
所述一個或一個以上的用戶的業務特徵的集合組成用於描述用戶業務使用情況的業務指紋。
該方法進一步包括重複執行步驟A和步驟B，分別生成各業務特徵，生成的各業務特徵的集合組成業務指紋。
所述業務特徵通過具有分布曲線的函數、或集合、或矩陣來表示。
本發明還提供了一種用戶業務特徵的生成裝置，該裝置包括預處理單元，用於接收用戶的業務記錄數據，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，並向比較單元發送業務屬性數據；比較單元，用於將接收的來自預處理單元的業務屬性數據與來自數據存儲單元的業務特徵中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對業務特徵進行校正後，向分析單元發送業務屬性數據；分析單元，用於根據來自比較單元的業務屬性數據，對接收的原有業務特徵進行校正操作，然後向數據存儲單元發送生成的新的業務特徵；數據存儲單元，用於存儲業務特徵。
該裝置進一步包括業務節點，用於向預處理單元提供用戶的業務記錄數據。
所述業務節點與預處理單元通過數據採集接口相連。
所述業務節點為服務提供伺服器，或為業務網關，或為電信業務運營支撐系統伺服器，或為客戶關係管理系統伺服器。
所述分析單元進一步用於根據在一個以上設定周期的時間長度內的每個設定周期採集的對應於業務屬性的用戶的業務記錄數據，生成用戶的初始業務特徵，並向數據存儲單元發送業務記錄數據和該初始業務特徵；所述數據存儲單元進一步用於存儲業務記錄數據。
所述分析單元接收的原有業務特徵來自比較單元，或來自數據存儲單元。
所述預處理單元進一步用於對業務記錄數據的有效性進行驗證。
所述預處理單元進一步用於根據業務屬性數據生成表達式，並向比較單元發送該表達式。
所述比較單元進一步用於根據收到的來自預處理單元的表達式提取業務屬性數據。
所述比較策略配置於比較單元，或存儲於數據存儲單元，由數據存儲單元向比較單元提供。
業務屬性數據與業務特徵中對應於業務屬性數據含義的數據不相符，且不需要對業務特徵進行校正時，所述比較單元進一步用於向數據存儲單元發送業務屬性數據；所述數據存儲單元進一步用於對收到的業務屬性數據進行存儲。
本發明中，對用戶的業務記錄數據進行採集，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，將業務屬性數據與存儲的業務特徵、即業務屬性函數中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對原有業務特徵進行校正後，根據業務屬性數據對原有業務特徵進行校正操作，生成新的業務特徵。根據本發明提出的方案，對於用戶而言，通過對用戶業務特徵的分析，方便服務提供商對用戶提供更體貼的服務，從而提升用戶體驗，增強用戶對業務的滿意度，通過對用戶的業務使用異常情況進行分析，在必要時對用戶的行為做出幹預或其他處理，最大限度地維護了用戶的利益；對於服務提供商而言，通過分析用戶個體的業務特徵或業務指紋，利用用戶的業務特徵或業務指紋預測用戶的業務使用行為，區分出有共同業務表現特徵的業務群體，對用戶群體進行更細緻的劃分，能夠進一步對同類用戶群提供更具有針對性的服務，提升業務價值，通過用戶的業務特徵或業務指紋預測用戶的業務使用行為後，能夠進一步挖掘用戶的業務使用需求，提供更強的個性化服務，並可更好的開展有針對性的營銷活動，對用戶的消費進行引導。


圖1A示出了寬帶業務中上網時間的業務屬性函數曲線示意圖；圖1B示出了寬帶業務中時間長度的業務屬性函數曲線示意圖；圖1C示出了寬帶業務中費用的業務屬性函數曲線示意圖；圖2示出了業務特徵分析裝置結構示意圖；圖3示出了業務特徵分析流程圖；圖4示出了業務屬性函數校正分析示意圖。
具體實施例方式
在對本發明的技術方案進行描述之前，首先介紹一下本發明中提出的業務指紋的含義。用戶在實際生活中總會表現出一定的特徵，如興趣愛好、行為習慣等，這些特徵在用戶使用通信業務的過程中也會相應地表現出來，例如，某用戶習慣於晚上七點後回家上網，或某用戶經常瀏覽與影視相關的網頁。通過對用戶一段時間內的歷史數據的分析，能夠抽象出一條曲線，該曲線可形象地成為用戶使用某一業務的一個業務特徵，這些業務特徵的組合就成為用戶在該業務上的業務指紋。所述通信業務包括語音業務和數據業務。
為使本發明的目的、技術方案和優點更加清楚，下面結合附圖對本發明作進一步的詳細描述。
一個業務通常包含很多業務屬性，以寬帶業務為例，其業務屬性可包括上網時間、時間長度、流量、費用等。業務屬性是對用戶業務使用情況的一個方面的描述，例如，使用業務的時間、使用業務的次數等。可通過多個業務屬性來描述用戶使用某一業務的整體情況，如每天使用業務的時間、每次使用業務的時間長度、每次使用業務時的具體流量等，這些業務屬性的集合就是對相應業務一個用戶使用業務的行為實例的量化。對用戶業務使用情況的分析最終會落實到對業務屬性的分析，一個業務屬性與用戶使用業務的一個業務特徵相對應。如果對業務特徵進行量化，則業務特徵具體可表現為在業務屬性的基礎上抽象出來的函數特徵，即業務屬性函數，例如，對某一業務屬性在一段時間內所有的表現數據進行分析後得到的有規律或無規律的曲線。業務特徵的表現是與時間周期相關的，例如，以一周為周期長度，通過業務特徵、即業務屬性函數來體現預計的用戶在每周的業務使用情況。因此，對用戶在某個業務上的行為的分析，實際上是對用戶在該業務一個或多個業務屬性上的行為表現進行分析，將用戶在這些業務屬性上的所有特徵表現抽象出來，就形成了用戶在這個業務的業務指紋，也就是說，用戶在一個業務上的所有業務特徵的集合形成了用戶在這個業務上的業務指紋。如果只有一個業務特徵、即通過一個業務屬性得到的相應業務屬性函數，則該業務特徵或業務屬性函數即為用戶的業務指紋。
用戶的業務特徵是用戶使用業務過程中表現出的一些習慣、行為等表現的抽象形式，業務特徵一定是有時間周期的，如按周、月、年或者次數進行統計。對於能夠在坐標系用分布曲線描述的業務屬性，每個業務屬性可能都對應於一個業務特徵，業務特徵的表現形式可為函數曲線；對於難以用數字表達的業務屬性，如內容、訪問網站等，業務特徵的表現形式可為集合；對於能夠用行表示業務屬性、列表示屬性內容的情況，業務特徵的表現形式可為矩陣，等等。
與傳統數值等表示方式相比，業務屬性函數及其分布曲線能夠形象描述出用戶的業務歷史使用情況，如變化趨勢、周期、關鍵點等，並能夠對用戶未來使用業務的行為做出預測，業務屬性函數的最理想狀態是周期性函數，能夠對固定周期內任何一個時間的業務使用行為做出預測；如果業務屬性函數不是周期性函數，至少也能夠根據最近一段曲線的變化趨勢，對用戶未來一段時間的業務使用行為做出預測。由於現實生活中人們的生活習慣受到很多時間周期的影響，如朝九晚五、一周雙休、按月結算、一年四季等，人們的通信方式也或多或少地受到這些時間周期的影響，天然具有一定的時間分布規律，因此，可根據一段時間的統計分析發現用戶在某些業務及其業務屬性上的規律。
結合具體通信業務，絕大部分的業務屬性的分布都是離散的，如次數、點數等，如每天打了幾個電話，發了多少簡訊，或上了幾個小時的網，對應於這些業務屬性的業務記錄數據基本是離散的點，但是這些離散的點的集合，如收集一周、一個月，就可能會出現一定的分布規律。電信的例子是上網，用戶平時可能由於上班時間限制，在家裡上網的時間可能較為固定，如在下班回到家後的19:00左右，也可能會晚一些，但是總在一個時間區間內，如19:00至21:00，上網的時間長度也是較為固定的，由於第二天的工作，通常在2個小時左右，費用可能就是按照時長計算，也可能會涉及其他額外費用、如下載費，或者按流量收費、如無線上網。
通常一個業務包含很多業務屬性，在對用戶使用業務的情況進行統計分析時，不可能也沒有必要對該業務的所有業務屬性都進行分析，因此，實際分析過程中可根據實際情況和需要選擇業務屬性的一個子集，並在一段時間內的固定周期內對用戶在選定的業務屬性上的業務使用行為表現進行分析，該子集可通過集合的形式來描述。如果將一個業務看作一個集合，則該集合中的元素就是業務屬性，該集合的每個實例就是用戶使用業務時的業務記錄。例如，為某寬帶業務選擇的業務屬性包括上網時間、時間長度和費用，分別用x1、x2和x3表示，這樣，用戶寬帶業務的業務屬性可通過集合S=(x1,x2,x3)T]]>來表示，其中， 和 分別對應用戶每次的上網時間、時間長度和費用，各單位可根據精確度要求而定，如 的單位可為小時分鐘、 的單位可為分鐘， 的單位可為元； 的一個實例可表示為S1=19:00302.0,]]>其描述的是用戶某次上網的記錄，如描述用戶在星期一的上網記錄，即用戶當天第一次上網的時間為19:00，本次上網的時間長度為30分鐘，本次上網的費用為2.0元，其中，19:00為業務屬性第一次上網的時間的業務屬性數據，30分鐘為業務屬性本次上網的時間長度的業務屬性數據，2.0元為業務屬性本次上網的費用的業務屬性數據，S1=19:00302.0]]>為業務屬性數據的表達式。
用戶的業務屬性數據的表達式可根據實現的不同需求而不同，最終目的都是從業務節點中提取用戶的業務記錄數據，並按照業務屬性進行分類，即採集對應於業務屬性的用戶的業務記錄數據，以方便對用戶的業務使用情況進行深入分析。
在初始階段，需要在一段時間內的每個固定周期定量採樣用戶在某個業務屬性的記錄數據，經過曲線擬合分析得到初始的分步曲線，該初始分布曲線基本能夠描述出用戶在某個業務屬性上的業務特徵表現情況，該初始分布曲線可較為平穩，可為起伏比較大的曲線，可為有規律的曲線，也可為無規律的曲線，但是無論何種表現形式的曲線都能夠通過函數逼近或數值逼近等數學方法通過一個函數形式來表示，該函數就是用戶的一個業務特徵、即一個業務屬性函數。所述函數逼近或數值逼近等數學方法，具體可為均差與牛頓插值多項式、三角函數等。例如，某業務屬性函數表示為fi＝fi(xi，T，δ)，其中，xi為某個業務的業務屬性，T為統計時間周期，δ為允許誤差或精度。
由於本發明是為了通過對用戶一段時間內業務使用情況的統計，來得到能夠對用戶未來業務使用情況的預測，因此，周期性是對業務特徵、即業務屬性函數進行分析和對用戶業務使用情況進行預測的基礎，所有的分析都應該是基於固定周期的，得到的業務屬性函數的理想形式應該是周期性函數。這樣，這裡所說的一段時間內的每個固定周期是一段時間的周期重複，例如，將一個月作為採樣的一段時間，將每天作為固定周期，或以每周作為固定周期。
通過用戶在多個業務屬性的採樣分析，同樣可得到不同的業務屬性函數，每個業務屬性函數與用戶在該業務的一個業務特徵表現相對應，這些業務屬性函數的組合就能夠體現用戶在該業務上的業務特徵表現的集合，也就是所謂的用戶業務指紋。例如，用戶業務指紋可通過函數的形式表示為F＝(f1，f2，…，fn)T，其中，n為針對某業務進行分析的業務屬性的數量；fi為針對某個具體業務屬性的某個用戶的業務屬性函數；F為n個業務屬性函數的組合，即用戶業務指紋的具體表現形式。
通過曲線函數表示的用戶業務特徵、即業務屬性函數或業務指紋比傳統的數值表現方式具有更強的優勢，可通過曲線直觀地看到用戶的業務使用情況，並能夠根據曲線對用戶的未來業務使用趨勢做出預測，從而為用戶制定服務策略提供了有力指導，而且也便於存儲和運算。
以寬帶業務為例，經過一段時間的固定周期統計，如對用戶兩個月時間內的每個星期的寬度業務使用情況進行統計，可發現用戶使用寬帶業務的三個業務屬性函數基本符合一定規律，每周的星期一至星期五基本在當天19:00左右第一次上網，每次上網的時間大致在一個小時左右，所產生的費用基本在2.0元上下，每周的星期六和星期日基本在當天8:00左右第一次上網，每次上網的時間大致在五個小時左右，所產生的費用基本在10.0元以上。經過數值擬合和函數逼真，可得到如圖1所示的曲線分布，並得出用戶在一個星期內每天第一次上網時間的業務屬性函數f1(x1,day,1=5)=19:00,day=1,2,,5;9:00,day=6,7,]]>其中，x1表示用戶每天第一次上網時間的業務屬性，單位為小時分鐘；day表示一周中的星期幾；δ1表示上網時間所允許的誤差為5分鐘。本例中為了更形象地進行說明，可能在某些描述上沒有嚴格遵循數學方式來表達，如f1(t)作為y軸時的單位為小時分鐘，實際應用中可能需要經過映射等其他處理才能實現；相應地，可通過同樣的方法得到用戶在一個星期內每天上網的時間長度的業務屬性函數f2(x2,day,2=10)=1,day=1,2,,5;5,day=6,7,]]>其中，x2表示用戶每天上網的時間長度的業務屬性，單位為小時，day表示一周中的星期幾，δ2表示上網的時間長度所允許的誤差為10分鐘；用戶在一個星期內每天上網的費用的業務屬性函數f3(x3,day,3=1)=2,day=1,2,,5;2day,day=6,7,]]>其中，x3表示用戶每天上網的費用的業務屬性，單位為元，day表示一周中的星期幾，δ3表示上網的費用所允許的誤差為1元。
類似地，通過上述步驟針對某個業務的每個業務屬性進行單獨分析後，能夠得到一組與時間相關的業務屬性函數，這些業務屬性函數的集合就是用戶在相應業務上的業務指紋原型。仍以上述寬帶業務為例，得到每個業務屬性函數後，用戶在寬度業務上的業務指紋可通過F＝(f1，f2，f3)T來表示。如果選定的對業務指紋進行分析的業務屬性只有一個，則針對於相應用戶的業務屬性函數即為該用戶的業務指紋。
通過以上分析可見，針對某個業務的不同業務屬性從用戶的該業務使用記錄中提取出相應的業務屬性函數，該業務屬性函數基本能夠表現出用戶使用業務過程中的某個特徵，能夠準確表達用戶過去的業務使用情況，並可進一步成為對用戶未來的業務使用情況做出預測的基礎。最後，得到一系列業務屬性函數的集合，這個集合能夠簡單而形象地描述出用戶使用該業務的習慣，這就是用戶業務指紋的量化過程。
下面對本發明的具體實現進行描述。
圖2示出了業務特徵生成裝置結構示意圖，如圖2所示，業務特徵生成裝置20包括預處理單元201、比較單元202、分析單元203和數據存儲單元204。
其中，預處理單元201用於接收來自業務節點10的用戶的業務記錄數據，根據配置的業務屬性對用戶的業務記錄數據進行分類，生成用戶的業務屬性數據，可進一步將用戶的業務屬性數據轉換成統一表達式，如矩陣、集合等，然後向比較單元202發送業務屬性數據和/或業務屬性數據的表達式。用戶的業務記錄數據可存儲於用戶業務記錄存儲單元101中，該用戶業務記錄存儲單元101可位於業務節點10中。另外，預處理單元201可進一步用於對業務記錄數據的有效性的驗證，以避免對錯誤數據的處理，例如，確定業務記錄數據的單位是否正確，如業務記錄數據的單位應為分鐘，如果採集到的業務記錄數據的單位為小時，則確定該業務記錄數據無效；確定業務記錄數據的含義是否準確，如採集到的業務記錄數據應為一天內的時間，如果採集到的數據為30，則確定該業務記錄數據無效；確定業務記錄數據是否來自於需要進行分析的用戶，如採集用戶標識為123的用戶的業務記錄數據，如果業務記錄數據來自於非123的用戶標識的業務記錄數據，則確定該業務記錄數據無效，等等。
所述業務節點10是能夠提供用戶業務記錄數據的所有功能實體，可為SP側收集用戶業務記錄數據的功能實體，如應用伺服器(AS)；也可為其他能夠提供用戶業務記錄數據的功能實體，例如，業務網關，電信業務運營支撐系統(BOSS)、客戶關係管理系統的用戶數據伺服器等功能節點。
比較單元202用於接收來自預處理單元201的業務屬性數據，將業務屬性數據與來自數據存儲單元204的業務屬性函數、即業務特徵中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對原有業務屬性函數、即業務特徵進行校正後，向分析單元203發送業務屬性數據。所述比較策略可配置於比較單元202中，也可存儲於數據存儲單元204中，由比較單元202與數據存儲單元204進行交互來獲取，比較策略可根據不同用戶來設置，可根據不同業務來設置，可根據一個業務中的不同業務屬性來設置，針對同一業務中的同一業務屬性，也可根據使用業務的不同用戶來設置，或針對同一業務中的各業務屬性，根據使用業務的不同用戶來設置。
由於預處理單元201可進一步用於將用戶的業務屬性數據轉換成統一表達式，預處理單元201向比較單元202發送的可能是業務屬性數據的表達式，此時，比較單元202進一步用於從收到的業務屬性數據表達式中提取相應業務屬性數據。
分析單元203用於根據來自比較單元202的業務屬性數據，對接收的原有業務屬性函數、即業務特徵進行校正操作，為用戶生成新的業務屬性函數、即新的業務特徵，然後向數據存儲單元204發送新的業務屬性函數，由數據存儲單元204進行存儲。分析單元203實現了對用戶原有的業務屬性函數的不斷修正，使得新的業務屬性函數能夠體現用戶最近使用業務的情況，對用戶未來的業務使用情況的預測起到指導作用。所述分析單元203接收的原有業務屬性函數可來自比較單元202，即比較單元202確定需要對業務屬性函數進行校正，向分析單元203發送業務屬性數據時，進一步向分析單元203發送來自數據存儲單元204的業務屬性函數；也可來自數據存儲單元204，即分析單元203收到比較單元發送的業務屬性數據後，通過與數據存儲單元204的交互獲取業務屬性函數。
對於未生成過業務屬性函數的用戶，分析單元203可進一步用於生成用戶的初始業務屬性函數，然後向數據存儲單元204發送初始業務屬性函數，由數據存儲單元204進行存儲。分析單元203可針對某一業務的各業務屬性分別生成相應的初始業務屬性函數，這些初始業務屬性函數的組合就形成了用戶業務指紋。未生成過業務屬性函數可指未生成過用戶業務指紋，由於未針對用戶生成業務指紋，必然未針對相應用戶生成任何業務屬性函數；也可指需要針對某一業務的業務指紋新增的業務屬性函數，如原來某一業務的業務屬性有三個，現在需要再針對該業務增加一個新的業務屬性，此時，從未針對用戶生成對應於該新增的業務屬性的業務屬性函數。
可通過用戶標識來識別是否已針對相應用戶生成業務屬性函數，例如，如果已針對用戶生成了業務屬性函數，則存儲相應用戶的用戶標識，這樣，對於未存儲的用戶標識、即新的用戶標識，表明未針對相應用戶生成過業務屬性函數。例如，分析單元203得到用戶的業務屬性數據後，可判斷自身是否存儲有相應用戶標識，如果存儲了，則表明已針對該用戶生成了業務屬性函數，分析單元203對接收的原有業務屬性函數進行校正操作；如果未存儲，則表明還未針對該用戶生成業務屬性函數，分析單元203向數據存儲單元204發送用戶的業務屬性數據，由數據存儲單元204進行存儲，在符合初始業務屬性函數生成條件時，如數據的採集時間長度已達到設定的採集時間長度，提取數據存儲單元204中存儲的業務屬性數據，為用戶生成初始業務屬性函數。又如，分析單元203得到用戶的業務記錄數據後，向數據存儲單元204查詢是否存儲有相應用戶標識，如果數據存儲單元204查找到相應用戶標識，則可向分析單元203返回成功響應，表明已針對該用戶生成了業務屬性函數，分析單元203對接收的原有業務屬性函數進行校正操作；如果數據存儲單元204未查找到相應用戶標識，則可向分析單元203返回失敗響應，表明還未針對該用戶生成業務屬性函數，分析單元203為該用戶生成初始業務屬性函數。未針對該用戶生成業務屬性函數時，由於比較單元202收到來自預處理單元201的業務屬性數據或其表達式後，無法從數據存儲單元204中獲取業務屬性函數，因此，比較單元202可確定異常發生，將分析單元203發送用戶的業務屬性數據。所述用戶標識為用戶使用相應業務時、區分於其他用戶的標識。具體分析單元203為用戶生成初始業務屬性函數的過程，可參照前面初始階段生成初始業務屬性函數的描述，在此不再贅述。
數據存儲單元204用於存儲用戶的一個或多個業務屬性函數，如果數據存儲單元204需要向比較單元202提供比較策略，則數據存儲單元204進一步用於存儲比較策略。用戶使用的一個業務的各業務屬性函數的集合就組成了用戶在該業務的業務指紋。數據存儲單元204中存儲的業務屬性函數可能是用戶的初始業務屬性函數、即業務屬性函數原型，該用戶的初始業務屬性函數可來自於預處理單元201，也可為配置在數據存儲單元204中的，也可能是經過校正操作後的業務屬性函數，該業務屬性函數可來自於分析單元203。業務屬性函數能夠體現用戶最近的業務使用情況的一個特徵，這樣，由各業務屬性函數的集合組成的業務指紋就能夠體現用戶最近使用業務綜合情況。
分析單元203用於生成用戶的初始業務屬性函數時，分析單元203進一步用於將一段時間內的每個固定周期內採集到的用戶業務記錄數據發送給數據存儲單元204，並在符合初始業務屬性函數生成條件時，如數據的採集時間長度已達到設定的採集時間長度後，提取數據存儲單元204中存儲的用戶業務記錄數據，為用戶生成初始業務屬性函數；數據存儲單元204進一步用於對來自預處理單元201的用戶業務記錄數據進行存儲。
根據比較策略，並不是每次發現業務屬性數據不符合原有業務屬性函數中對應於業務屬性數據含義的數據，都需要馬上對原有業務屬性函數進行校正，而是可能只是將不符合原有業務屬性函數的業務屬性數據或其表達式暫時存儲起來，當不符合的異常累計到設定次數時才開始對原有業務屬性函數進行校正。由此可見，當業務屬性數據不符合業務屬性函數中對應於業務屬性數據含義的數據、且根據比較策略又不需要對原有業務屬性函數進行校正時，比較單元202向數據存儲單元204發送業務屬性數據或其表達式，由數據存儲單元204進行存儲。
對業務屬性函數、即業務特徵或業務指紋進行分析的重點在於對用戶個體的某個業務的使用情況進行分析，並通過一系列函數曲線來表示用戶使用業務的變化趨勢，從中得到一些與具體業務屬性相關的規律性特徵並進行量化。這些函數曲線能夠根據用戶的業務使用情況通過自適應等方式不斷進行調整，從而準確地反映用戶使用業務過程中的一個或一些特徵表現，對用戶未來的業務使用情況的預測起到指導作用。
圖3示出了業務特徵分析流程圖，如圖3所示，對業務特徵進行分析的實現過程包括以下步驟
步驟301對用戶的業務記錄數據進行預處理，該預處理過程可包括採集用戶的業務記錄數據，根據配置的業務屬性對用戶的業務記錄數據進行分類，生成用戶的業務屬性數據。
用戶的業務記錄數據是從業務節點中提取到的體現用戶業務使用情況的原始數據，如歷史話單、費用記錄、當前業務使用記錄(時間、費用等基本信息)、用戶業務使用過程中產生的數據(主要是用戶業務相關內容信息，如簡訊內容、網絡查詢的內容等)。
用戶的業務記錄數據經過預處理，如識別、提取、過濾和量化等，最後得到的業務屬性數據能夠正確反映用戶原始的業務記錄數據，並能夠直接對其進行比較分析。
步驟302根據用戶的業務屬性數據，生成統一的業務屬性數據的表達式，如矩陣、集合等，生成業務屬性數據的表達式，步驟302可省略。
例如，用戶使用寬帶業務的記錄信息可量化為以下形式 該形式即為業務屬性數據的表達式，其描述的是用戶當天上網的業務屬性數據，當天第一次上網時間為19:00，時間長度為10分鐘，上網費用2.0元，當天第二次上網時間為20:00，時間長度為30分鐘，費用6.0元。
所述步驟301～步驟302可由圖2所示的業務特徵生成裝置20來處理，具體可主要由業務特徵生成裝置20中的預處理單元201來處理。
步驟301～步驟302之前已預先選定了對業務指紋進行分析的業務屬性，即需要對用戶在業務使用過程中的行為表現進行分析的業務屬性，所述配置的業務屬性即為選定的業務屬性。採集了用戶的業務記錄數據之後，可進一步對業務記錄數據的有效性進行驗證，以避免對錯誤數據的處理。
步驟301～步驟302是數據採樣的過程，採集用戶的業務記錄數據，並根據業務屬性轉換為業務屬性數據。可周期性執行步驟301～步驟302，如每個月的第二個星期，對用戶的業務記錄數據進行採集，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，進一步可生成業務屬性數據的表達式。也可根據觸發事件執行步驟301～步驟302，如收到控制命令時，對用戶的業務記錄數據進行預處理；又如，通過後續步驟確定業務屬性數據與存儲的業務屬性函數中對應於業務屬性數據含義的數據不相符時，也可觸發執行步驟301～步驟302，通過對一段時間業務屬性數據的採集來對業務屬性函數進行修正。
步驟303～步驟304將業務屬性數據與存儲的業務屬性函數中對應於業務屬性數據含義的數據進行比較，根據比較策略判斷是否需要對原有業務屬性函數進行校正，如果是，則執行步驟305；否則，結束當前流程。所述步驟303～步驟304可由圖2所示的業務特徵生成裝置20來處理，具體可主要由業務特徵生成裝置20中的比較單元202來處理。
如果步驟302中預處理單元201將用戶的業務屬性數據轉換成統一表達式，則步驟303中比較單元202收到該表達式後，將提取相應業務屬性數據。
如果已針對用戶在某個業務上的業務屬性生成了業務屬性函數，即已存儲了用戶的業務屬性函數，則將最新採樣到的業務屬性數據與這些已有的業務屬性函數中對應於業務屬性數據含義的數據進行比較分析，如果新採樣到的業務屬性數據與業務屬性函數中對應於業務屬性數據含義的數據的差值在允許的誤差範圍內，則不需要對原有業務屬性函數進行校正操作，否則，就需要對原有業務屬性函數進行校正操作。單次業務屬性數據與原有業務屬性函數中對應於業務屬性數據含義的數據不相吻合，由於業務屬性函數能夠準確表達用戶過去的業務使用情況，並可進一步成為對用戶未來的業務使用情況做出預測的基礎，因此，數據不相吻合可視為業務屬性函數預測的失敗，但是單次的數據不符可能還不足以確定出是否需要對原有業務屬性函數進行調整，這樣就需要綜合考慮業務屬性函數中對應於業務屬性數據含義的數據與實際採樣到的業務屬性數據的相差幅度和預測失敗次數，因此，需要一個比較策略來對是否需要對原有業務屬性函數進行校正分析進行判斷。
仍以寬帶業務為例，只考慮對上網時間的業務屬性進行分析，對該業務屬性的比較策略是給定一個允許誤差範圍，將新採樣到的業務屬性數據與原有業務屬性函數中對應於業務屬性數據含義的數據進行差值比較，如果差值在允許誤差範圍內，則不需要對原有業務屬性函數進行校正操作，也無需對此次採集到的業務屬性數據進行存儲，如用戶上網時間的統計誤差為10分鐘，上網時間的判斷原則是最新上網時間是否在預測時間的前後10分鐘範圍內；如果差值在允許誤差範圍之外，但是偏差不大，如小於允許誤差範圍的兩倍，此時，也不需要立即對原有業務屬性函數進行校正操作，但可開始對這樣的情況進行監控，並在滿足設定條件時，如累計業務屬性函數預測失敗的次數，對每次異常情況的業務屬性數據進行統計和存儲，以便在業務屬性函數預測失敗的次數累計到設定值、如三次或連續兩次時，對業務屬性函數進行校正操作，又如在後續發生偏差大於允許誤差範圍的兩倍時，對業務屬性函數進行校正操作；如果差值在允許誤差範圍之外，並且偏差很大，如大於允許誤差範圍的兩倍或三點五倍，此時，可立即結合業務屬性數據對原有業務屬性函數進行校正操作，也可仍然對異常的次數進行統計，當業務屬性函數預測失敗的次數累計到設定值時，對業務屬性函數進行校正操作。
另外，可對一周、一個月或一年等固定採集周期的用戶業務記錄數據進行採集，根據由這些業務記錄數據生成的業務屬性數據與業務屬性函數進行比較，此處所說的業務屬性數據是體現採集周期內用戶使用業務情況的業務屬性數據，也可為函數或曲線的形式。例如，對表示上網時間的業務屬性x1進行，其允許的誤差為δ，經過一段時間內每個固定周期的統計，發現用戶上網基本集中在兩個時間段(8:00，19:00)內，這樣，可設定這樣一個業務屬性函數1(x1,day,=10)=x1,(day=1,2,3,4,5;|x1-19:00|>)19:00,(day=1,2,3,4,5;|x1-19:00|)8:00,(day=6,7;|x1-8:00|>2)x1,(day=6,7;|x1-8:00|2),]]>每周的星期一至星期五，如果用戶每次上網時間在19:00前後10分鐘，即18:50至19:10，則可將此次上網的時間記錄為19:00，如果誤差太大，如大於10分鐘，則取用戶的實際上網時間；每周的周末，用戶每次上網時間如果在早上8:00前後20分鐘，則將此次上網的時間記錄為8:00，否則，取用戶的實際上網時間。在用戶的實際上網時間與業務屬性函數中所描述的相應時間基本吻合時，即在允許誤差範圍時，這個用戶的實際上網時間也可忽略不計，因為，其數值對業務屬性函數基本沒有什麼影響。累計一段時間，如果用戶在某天的上網時間超過一定規律，如用戶在周末的上網時間在8:00的概率超過80％，則用一個函數表達，如f1(x1,day,1=5)=19:00,day=1,2,,5;9:00,day=6,7.]]>步驟305根據業務屬性數據，對原有業務屬性函數進行校正操作，生成新的業務屬性函數、即新的用戶業務特徵，實現了對原有業務屬性函數的不斷修正，使得新的業務屬性函數能夠體現用戶最近使用業務的情況，對用戶未來的業務使用情況的預測起到指導作用。該步驟可由圖2所示的業務特徵生成裝置20來處理，具體可主要由業務特徵生成裝置20中的分析單元203來處理。
對原有業務屬性函數進行校正操作可為對業務屬性函數中對應於業務屬性數據含義的數據進行校正。例如，用戶在某個星期二15:00開始上網，用戶本次上網的業務記錄數據被採集，將該上網時間與業務屬性函數中星期二的上網時間相比較發現，在業務屬性函數中描述的用戶在每星期二的上網時間應為19:00，出現了業務屬性函數預測失敗的異常情況，此時，可記錄本次採集到的數據，在後續的幾個星期二再對用戶的上網時間進行採集，在滿足比較策略時、如異常達到三次，根據採集到的用戶在星期二的上網時間，對業務屬性函數中用戶在星期二的上網時間進行校正；或記錄本次採集到的數據，可是對後續幾個星期的用戶上網時間進行採集，確定一周中的其他時間是否符合業務屬性函數的預測，在滿足比較策略時，根據採集到的用戶在各周的上網時間，對業務屬性函數中用戶的上網時間進行校正，如果用戶只在星期二的上網時間與業務屬性函數中用戶在星期二的上網時間有較大偏差，也可只對用戶在星期二的上網時間進行校正。因此，業務屬性數據可為固定周期內各時間點的業務屬性數據，也可為固定周期內相同時間點的業務屬性數據。
初次分析後得到的業務屬性函數的集合就是用戶在該業務上的業務指紋的原型，需要通過不斷的採樣分析對其進行校正，才能夠更準確地描述出用戶在該業務上的特徵表現。以用戶的單個業務屬性函數為例，與在固定周期內新採樣的屬性數據比較後發現兩者的吻合度已不能滿足要求，根據比較策略需要進行自適應分析。如圖4所示，具體自適應分析、即校正分析操作過程如下首先，將業務屬性數據或其表達式與原有業務屬性函數的分布曲線上對應於業務屬性數據含義的點進行曲線擬合，從而獲得新的業務屬性函數的分布曲線；其次，通過函數逼真方式用一個新的函數來描述新的曲線分布，該新的函數即為新的業務屬性函數。分布曲線到函數表示的過程與初步階段生成初始業務屬性函數的處理相同，即通過離散逼近等數學手段，得到新的業務屬性函數。所述業務屬性數據可為進行如一周、一個月或一年等固定採集周期的用戶業務記錄數據的採集、並根據配置的業務屬性對用戶的業務記錄數據進行分類、生成的業務屬性數據，該業務屬性數據可為體現採集周期內用戶使用業務情況的業務屬性數據，也可為函數或曲線的形式；也可為已滿足比較策略需要對原有業務屬性函數進行校正，將與業務屬性函數中對應於業務屬性數據含義的數據不符合的業務屬性數據。
步驟306對新的業務屬性函數進行存儲。該步驟可由圖2所示的業務特徵生成裝置20來處理，具體可主要由業務特徵生成裝置20中的存儲單元204來處理。
根據以上描述可見，步驟303～步驟304中所述的存儲的業務屬性函數可為用戶的初始業務屬性函數，也可為經過校正分析操作後存儲的業務屬性函數。
當選定的對業務指紋進行分析的業務屬性有多個時，對每一個需要進行校正分析操作的業務屬性函數重複上述步驟303～步驟306，可以獲得一組新的業務屬性函數，每個業務屬性函數都能夠反映出用戶在最近一段時間內的業務使用習慣，這些業務屬性函數的集合就組成了用戶新的業務指紋。用戶的業務屬性函數或業務指紋實際是不斷修正、自適應的，通過對用戶原有的業務屬性函數或業務指紋的不斷校正和更新，來得到能夠準確描述在過去的最近一段時間內用戶業務使用行為特徵的最新的業務屬性函數或業務指紋。
針對於某一具體業務，參與對用戶業務使用情況進行分析的業務屬性的數量可根據實際需要而進行增加或去除，例如，最初選取三個業務屬性對用戶的業務使用情況進行分析，經過一段時間的業務屬性函數或業務指紋校正分析後，發現其中一個業務屬性函數的變化很小，則可將相應業務屬性去除；又如，經過一段時間的業務屬性函數或業務指紋校正分析後，發現為了更準確地體現用戶對業務的使用情況，還需要增加一個業務屬性，則對該業務屬性的相關數據進行採集分析，生成相應的業務屬性函數。
用戶的業務屬性函數或業務指紋的實時分析對於整個用戶業務使用行為的分析是十分必要的。例如，對於用戶在業務使用過程中的「異常」，如分布曲線上的跳變，必須引起警惕，典型的實例可為用戶在某個業務的單次消費額大幅度增加、通話時間非常長，這樣的情況不排除用戶的業務被盜用或用戶對業務的需求存在轉折傾向。為此，對於某些業務屬性必須進行實時分析或觸發分析的機制。
用戶的業務屬性函數的實時分析過程可如以下描述步驟1用戶對相應業務開始使用或用戶單次業務使用結束時，採集用戶的業務記錄數據，根據配置的業務屬性對用戶的業務記錄數據進行分類，生成用戶的業務屬性數據，並可進一步將用戶的業務屬性數據轉換成統一表達式。例如，用戶一上網，立即記錄用戶的上網時間並進行記錄和量化，然後量化後的上網時間進入下一步處理。
步驟2將單次用戶的業務屬性數據與原有業務屬性函數計算值進行比較分析，根據比較策略確定是否對業務屬性函數進行校正，如果確定當前業務屬性數據與業務屬性函數的計算值相符，則不進行下一步處理，結束當前流程；否則，按照預先設定的原則進行處理，如累計異常次數或立即觸發。仍以寬帶業務為例，用戶每次上網都會對上網時間的業務屬性進行分析，如果用戶上網時間符合其上網時間屬性函數f1，則不進行下一步處理；否則，按照預先設定的原則進行處理。
步驟3當用戶在某個業務屬性上的表現異常發生時或異常次數累計至設定值時，必須結合用戶的業務屬性數據對業務屬性函數進行重新分析，得到並存儲新的業務屬性函數。如果一次異常就觸發業務屬性函數的校正分析，則此處所說的業務屬性數據可為通過本次業務記錄數據轉換得到的業務屬性數據；如果累計多次後觸發業務屬性函數的校正分析，則此處所說的業務屬性數據可為由各次存儲的業務屬性數據綜合分析後生成的，所述綜合分析過程可為一些數學處理過程，如數值擬合、函數逼真等。
步驟4根據用戶的業務屬性的「異常」表現以及分析結果，進行進一步處理，如進行實時監控、善意提醒用戶或觸發其他事件。例如，在個人用戶的寬帶業務使用過程中，發現其單位時間內的費用在費用屬性函數中發生很大跳變，有可能是帳戶被盜用或發生其他意外，此時可及時向用戶發出提醒。該步驟為可選步驟。
根據本發明提出的方法和裝置實現了對用戶個體數據的實時、深度分析，尤其是解決了對用戶個體的業務屬性函數或業務指紋的量化、分析和提取，其優點如下1、實時地對用戶個體使用某具體業務的行為進行分析，並對用戶的行為給出預測、即業務屬性函數，根據預測結果和實際值、即業務屬性數據的差別來對用戶進行有差異化的處理，對用戶的業務屬性函數或業務指紋進行分析的最理想的結果是能夠發現用戶在某個業務屬性的周期規律，這樣可以對用戶的下一個周期進行預測，退一步，即使用戶的某個業務屬性沒有周期性規律，也能夠根據業務屬性函數的分布曲線的趨勢預測用戶未來一段時間的業務使用行為；
2、可以根據用戶的業務屬性函數或業務指紋來對用戶進行歸類，從而進行有針對性的營銷，例如，如果以某個業務屬性函數的分布曲線為搜索條件，根據設定的比較策略、如平均值接近，可以區分出有共同業務表現特徵的業務群體，然後可針對這些群體展開相應業務，使業務具有更強的針對性和適用性，實現業務的個性化；3、甚至能夠通過某個特定的用戶的業務屬性函數或業務指紋，從業務群體中識別出用戶個體本身。
本發明提供的業務特徵生成裝置可應用在語音業務、數據增值業務、寬帶業務等業務的用戶的業務屬性函數或業務指紋分析中，由於每種業務的特點決定了其分析過程的某些細節可能不同，如某些業務是在時間上連續的，某些業務在時間上是離散的，但是分析步驟和所需要的功能單元是類似的。
用戶的業務屬性函數或業務指紋可進一步與運營商現有的用戶個人資料和其他記錄相配合，能夠全面地反映出用戶業務使用情況的真實表現，從而衍生出更多的應用。例如，通過分析不同性別的用戶的業務屬性函數或業務指紋，就能夠確定由性別因素而產生的不同業務需求、行為差異，根據這種差異提供有針對性的服務，無疑能給業務帶來更好的效益，並能夠大大提高用戶對業務的滿意程度。
以上所述的業務屬性函數為業務特徵的表現方式；以上所述用戶既可以指單個用戶，即一個具體的用戶個人，也可能是企業用戶，還可以是使用同一帳號的群體用戶，因此以上描述的用戶個體可指用戶個人，也可以指一個用戶群體。
總之，以上所述僅為本發明的較佳實施例而已，並非用於限定本發明的保護範圍。
權利要求
1.一種用戶業務特徵的生成方法，其特徵在於，該方法包含以下步驟A、對用戶的業務記錄數據進行採集，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據；B、將業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對原有業務特徵進行校正後，根據業務屬性數據對原有業務特徵進行校正操作，然後對生成的業務特徵進行存儲。
2.根據權利要求1所述的方法，其特徵在於，所述A之前進一步包括在一個以上設定周期的時間長度內的每個設定周期，採集對應於業務屬性的用戶的業務記錄數據，根據所述業務記錄數據生成用戶的初始業務特徵。
3.根據權利要求2所述的方法，其特徵在於，所述根據業務記錄數據生成用戶的初始業務特徵，為將業務記錄數據經過曲線擬合分析得到具有分布曲線的業務特徵。
4.根據權利要求1所述的方法，其特徵在於，步驟A中所述對用戶的業務記錄數據進行採集，與根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，之間進一步包括對業務記錄數據的有效性進行驗證，如果有效，則根據配置的業務屬性將業務記錄數據劃分成業務屬性數據。
5.根據權利要求4所述的方法，其特徵在於，所述對業務記錄數據的有效性進行驗證，為確定業務記錄數據的單位是否正確；或為確定業務記錄數據的含義是否準確；或為確定業務記錄數據是否來自於需要進行分析的用戶。
6.根據權利要求1所述的方法，其特徵在於，一個設置周期的開始或結束執行所述步驟A；或觸發事件發生時，執行所述步驟A。
7.根據權利要求5所述的方法，其特徵在於，所述觸發事件為收到控制命令；或為確定業務屬性數據與存儲的業務屬性函數中對應於業務屬性數據含義的數據不相符。
8.根據權利要求1所述的方法，其特徵在於，步驟A中所述業務記錄數據是體現用戶業務使用情況的數據，為歷史話單，或費用記錄，或當前業務使用記錄，或用戶業務使用過程中生成的數據，或以上任意的組合。
9.根據權利要求1所述的方法，其特徵在於，步驟B中所述根據比較策略確定需要對原有業務特徵進行校正，為確定業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據的偏差未在允許誤差範圍內。
10.根據權利要求1所述的方法，其特徵在於，所述根據比較策略確定需要對原有業務特徵進行校正，為確定業務屬性數據與存儲的業務特徵中對應於業務屬性數據含義的數據的偏差未在允許誤差範圍內，且滿足第二設定條件。
11.根據權利10所述的方法，其特徵在於，所述第二設定條件為偏差未在允許誤差範圍內的累計次數達到設定次數；或為偏差未在允許誤差範圍內的連續次數達到設定次數；或為偏差在允許誤差範圍的正數倍之外。
12.根據權利要求10所述的方法，其特徵在於，所述偏差未在允許誤差範圍內，與滿足第二設定條件，之間進一步包括對業務屬性數據進行存儲。
13.根據權利要求1所述的方法，其特徵在於，步驟B中所述根據業務屬性數據對原有業務特徵進行校正操作，為根據業務屬性數據對業務特徵中對應於業務屬性數據含義的數據進行校正操作。
14.根據權利要求1或13所述的方法，其特徵在於，所述校正操作為函數逼近或數值逼近。
15.根據權利要求1所述的方法，其特徵在於，所述業務屬性數據為固定周期內各時間點的業務屬性數據；或為固定周期內相同時間點的業務屬性數據。
16.根據權利要求1所述的方法，其特徵在於，所述一個或一個以上的用戶的業務特徵的集合組成用於描述用戶業務使用情況的業務指紋。
17.根據權利要求16所述的方法，其特徵在於，該方法進一步包括重複執行步驟A和步驟B，分別生成各業務特徵，生成的各業務特徵的集合組成業務指紋。
18.根據權利要求1、2或16所述的方法，其特徵在於，所述業務特徵通過具有分布曲線的函數、或集合、或矩陣來表示。
19.一種用戶業務特徵的生成裝置，其特徵在於，該裝置包括預處理單元，用於接收用戶的業務記錄數據，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，並向比較單元發送業務屬性數據；比較單元，用於將接收的來自預處理單元的業務屬性數據與來自數據存儲單元的業務特徵中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對業務特徵進行校正後，向分析單元發送業務屬性數據；分析單元，用於根據來自比較單元的業務屬性數據，對接收的原有業務特徵進行校正操作，然後向數據存儲單元發送生成的新的業務特徵；數據存儲單元，用於存儲業務特徵。
20.根據權利要求19所述的裝置，其特徵在於，該裝置進一步包括業務節點，用於向預處理單元提供用戶的業務記錄數據。
21.根據權利要求20所述的裝置，其特徵在於，所述業務節點與預處理單元通過數據採集接口相連。
22.根據權利要求20所述的裝置，其特徵在於，所述業務節點為服務提供伺服器，或為業務網關，或為電信業務運營支撐系統伺服器，或為客戶關係管理系統伺服器。
23.根據權利要求19所述的裝置，其特徵在於，所述分析單元進一步用於根據在一個以上設定周期的時間長度內的每個設定周期採集的對應於業務屬性的用戶的業務記錄數據，生成用戶的初始業務特徵，並向數據存儲單元發送業務記錄數據和該初始業務特徵；所述數據存儲單元進一步用於存儲業務記錄數據。
24.根據權利要求19所述的裝置，其特徵在於，所述分析單元接收的原有業務特徵來自比較單元，或來自數據存儲單元。
25.根據權利要求19所述的裝置，其特徵在於，所述預處理單元進一步用於對業務記錄數據的有效性進行驗證。
26.根據權利要求19所述的裝置，其特徵在於，所述預處理單元進一步用於根據業務屬性數據生成表達式，並向比較單元發送該表達式。
27.根據權利要求26所述裝置，其特徵在於，所述比較單元進一步用於根據收到的來自預處理單元的表達式提取業務屬性數據。
28.根據權利要求19所述的裝置，其特徵在於，所述比較策略配置於比較單元，或存儲於數據存儲單元，由數據存儲單元向比較單元提供。
29.根據權利要求19所述的裝置，其特徵在於，業務屬性數據與業務特徵中對應於業務屬性數據含義的數據不相符，且不需要對業務特徵進行校正時，所述比較單元進一步用於向數據存儲單元發送業務屬性數據；所述數據存儲單元進一步用於對收到的業務屬性數據進行存儲。
全文摘要
本發明公開了一種用戶業務特徵的生成方法及裝置，對用戶的業務記錄數據進行採集，根據配置的業務屬性將業務記錄數據劃分成業務屬性數據，將業務屬性數據與存儲的業務特徵、即業務屬性函數中對應於業務屬性數據含義的數據進行比較，根據比較策略確定需要對原有業務特徵進行校正後，根據業務屬性數據對原有業務特徵進行校正，生成新的業務特徵，通過對用戶業務特徵的分析，方便服務提供商對用戶提供服務，從而提升用戶體驗，增強用戶對業務的滿意度；通過分析用戶個體的業務特徵或業務指紋，利用用戶的業務特徵或業務指紋預測用戶的業務使用行為，區分出有共同業務表現特徵的業務群體，能夠對同類用戶群提供更具有針對性的服務，提升業務價值。
文檔編號G06Q50/00GK1870025SQ20051011312
公開日2006年11月29日 申請日期2005年10月14日 優先權日2005年10月14日
發明者閔國兵, 莫彩文, 張慶傑, 邵剛 申請人:華為技術有限公司