-
Patent Agency Ranking
公开(公告)号：CN114513791A
公开(公告)日：2022-05-17
申请号：CN202210034458.3
申请日：2022-01-13
Applicant: 浙江鸿程计算机系统有限公司
IPC: H04W12/128 , G06N20/00
Abstract: 本发明涉及一种基于机器学习的电信反欺诈方法，本发明旨在解决及时拦截电信诈骗的问题，目标是提前预警提前防范电信诈骗的情况，本发明利用机器学习中的LightGBM算法对正负样本进行训练和预测，并将常见的诈骗场景分为四大类，根据不同的大类分别进行建模训练，提高预测的准确性。
-
公开(公告)号：CN112153636A
公开(公告)日：2020-12-29
申请号：CN202011178646.0
申请日：2020-10-29
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及电信技术领域，尤其涉及一种基于机器学习预测电信业用户携号转出的方法，包括以下步骤：1)采集特征变量数据并进行数据预处理保存到数据库中，在数据库中进行样本采样，将正样本和负样本的比例控制在1：10；2)样本随机分为训练集和测试集；3)选择XGBoost算法为基础构建预测模型，输入训练集训练预测模型，获得预测概率值和特征的重要程度；4)利用训练完成的模型对测试集进行数据预测，并根据预测结果对预测模型进行评估，若评估结果低于阈值，对预测模型进行优化迭代。本发明的有益效果在于：提高预测效率，做到提前预警及时维系，预测模型能够动态进行优化迭代。
-
公开(公告)号：CN114513791B
公开(公告)日：2024-11-29
申请号：CN202210034458.3
申请日：2022-01-13
Applicant: 浙江鸿程计算机系统有限公司
IPC: H04W12/128 , G06N20/00
Abstract: 本发明涉及一种基于机器学习的电信反欺诈方法，本发明旨在解决及时拦截电信诈骗的问题，目标是提前预警提前防范电信诈骗的情况，本发明利用机器学习中的LightGBM算法对正负样本进行训练和预测，并将常见的诈骗场景分为四大类，根据不同的大类分别进行建模训练，提高预测的准确性。
-
公开(公告)号：CN117522480A
公开(公告)日：2024-02-06
申请号：CN202311483623.4
申请日：2023-11-09
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06Q30/0251 , G06Q50/50
Abstract: 本说明书实施例公开了一种套餐推荐方法、系统、电子设备、存储介质。其中，本说明书实施例套餐推荐方法中包括获取目标用户的属性数据、行为数据以及用户套餐交互数据；对目标用户的属性数据进行编码，得到属性特征编码；获取训练好的深度因子分解机模型对属性特征编码、行为数据以及用户套餐交互数据的模型输出；根据模型输出对目标用户进行套餐推荐。本说明书实施例提高了套餐推荐准确度。
-
公开(公告)号：CN115471250A
公开(公告)日：2022-12-13
申请号：CN202210929865.0
申请日：2022-08-03
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了基于机器学习的高质量用户离网预警模型构建方法，包括如下步骤：S1、划定电信高质量客户群体范围，划分流失群体和未流失群体；S2、对历史数据中的流失群体进行数据探索；S3、收集与流失群体存在关联性的特征，制作数据宽表；S4、对数据宽表中的数据进行预处理后得到数值型特征数据；S5、通过对宽表内数据进行特征工程进而衍生多维度特征数据；S6、通过多维度特征数据对机器学习模型进行训练得到最优模型；S7、采用最优模型对获取对应客户的流失概率，筛选流失概率大于P0的高质量客户群体，进行离网预警和处置。构建了可以准确有效识别具有高流失倾向的用户群体的预警模型，为及时发现和干预用户离网行为提供数据模型支持。
-
-
-
-
Search Results
5
records
(took 0.036 seconds)
