1.本公开涉及通信技术领域，基于荐方特别涉及一种基于用户感知的用户弹性流量推荐方法，一种基于用户感知的感知弹性流量推荐系统，一种电子设备以及一种计算机可读存储介质。性流
背景技术：
2.一直以来流量资费是量推运营商的主要收入来源，也是法系用户最为关心的通信收费项目之一。随着4g网络的统流普及，现代通信方式主要利用移动互联网进行，基于荐方用户对于流量的用户需求逐渐扩大，各大运营商推出了众多的感知流量套餐供用户选择。目前，性流主流的量推流量套餐是各大运营商推出的“达量限速”套餐，即当用户使用超出限定范围流量后限制上网速度，法系这类套餐在当前用户流量使用不断增长，统流对速率的基于荐方要求更高的现状下已不能满足用户需求。另外，部分运营商针对部分客户提出赠送流量的活动来缓解用户流量焦虑的困境。然而这类方法并不能有效提升用户的感知，并且随着5g时代的到来，这类流量套餐也已无法适用于5g的应用场景，无法满足用户对于流量的需求。
技术实现要素：
3.为了至少解决现有技术中存在的不能有效的满足用户对于流量的需求的技术问题，本公开提供一种基于用户感知的弹性流量推荐方法、基于主动标识的产品预测性生产系统、电子设备及计算机可读存储介质，对于用户来说，可以基于用户原有流量使用习惯的基础上提升用户感知，培养和提升用户对于运营商的好感度。对于运营商来说，培养用户使用习惯，有利于后续流量和套餐的推销。
4.第一方面，本公开提供一种基于用户感知的弹性流量推荐方法，所述方法包括：
5.获取用户的基本数据和用户的历史数据；
6.从用户的历史数据中提取出训练数据集；
7.使用训练数据集训练预设的流量预测网络模型；
8.当用户的当月已使用流量满足预设条件时，从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量；
9.根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量。
10.进一步的，
11.所述用户的基本数据包括用户信息、用户网龄和用户会员等级数据；
12.所述用户的历史数据包括用户每个月的总使用流量。
13.进一步的，所述从用户的历史数据中提取出训练数据集包括：
14.将用户的历史数据中某个月的总使用流量数据作为待预测数据，并将该月的前预设月数的各月流量使用总数作为该月的预测数据集；
15.将得到的多个月份对应的待预测数据及预测数据集，作为训练数据集。
16.进一步的，所述预设的流量预测网络模型为bp神经网络算法模型。
17.进一步的，所述预设条件包括：
18.用户当月已用流量≥90％*用户的套餐流量总数；
19.所述从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量，包括：
20.从用户的历史数据中获取当月的前预设月数的各月流量使用总数，将其作为当月的预测数据集；
21.将当月的预测数据集输入到训练好的流量预测网络模型中得到预测的当月的流量使用总量。
22.进一步的，所述方法还包括：
23.在预测出当月的流量使用总量后判断预测的当月的流量使用总量是否大于用户的套餐流量总数；
24.若不是，则不进行赠送流量活动；
25.若是，则进行赠送流量活动。
26.进一步的，所述根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量包括：
27.通过以下公式确定本月赠送的流量：
28.本月赠送的流量＝|本月未来可能使用的流量-(套餐流量总数-当月已用流量总数)|*(a+b)，
29.其中，a为根据用户入网时间确定的第一赠送系数，b为根据用户等级确定的第二赠送系数。
30.第二方面，本公开提供一种基于用户感知的弹性流量推荐系统，所述系统包括：
31.获取模块，其设置为获取用户的基本数据和用户的历史数据；
32.提取模块，其设置为从用户的历史数据中提取出训练数据集；
33.训练模块，其设置为使用训练数据集训练预设的流量预测网络模型；
34.预测模块，其设置为当用户的当月已使用流量满足预设条件时，从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量；
35.赠送模块，其设置为根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量。
36.第三方面，本公开提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行如第一方面中任一所述的基于用户感知的弹性流量推荐方法。
37.第四方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一所述的基于用户感知的弹性流量推荐方法。
38.有益效果：
39.本公开提供的基于用户感知的弹性流量推荐方法、基于用户感知的弹性流量推荐系统、电子设备及存储介质，可以调用用户流量使用习惯分析算法，分析前几个月用户的流量使用习惯，预测本月用户可能使用的总流量数。并得出用户本月还可能使用的流量数。根据预测的本月后续用户使用流量数，结合用户的网龄和会员等级，动态调整免费赠送用户
流量。对于用户来说，基于用户原有流量使用习惯的基础上提升用户感知，培养和提升用户对于运营商的好感度。对于运营商来说，培养用户使用习惯，有利于后续流量和套餐的推荐。
附图说明
40.图1为本公开实施例一提供的一种基于用户感知的弹性流量推荐方法的流程示意图；
41.图2为本公开实施例二提供的一种基于用户感知的弹性流量推荐系统的架构图；
42.图3为本公开实施例三提供的一种电子设备的架构图。
具体实施方式
43.为使本领域技术人员更好地理解本公开的技术方案，下面结合附图和实施例对本公开作进一步详细描述。应当理解的是，此处描述的具体实施例和附图仅仅用于解释本发明，而非对本发明的限定。
44.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序；并且，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互任意组合。
45.其中，在本公开实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
46.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本公开的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
47.下面以具体地实施例对本公开的技术方案以及本公开的技术方案如何解决现有技术中存在的上述技术问题进行详细说明。可以理解的，本技术实施例中，执行主体可以执行本技术实施例中的部分或全部步骤，这些步骤或操作仅是示例，本技术实施例还可以执行其它操作或者各种操作的变形。此外，各个步骤可以按照本技术实施例呈现的不同的顺序来执行，并且有可能并非要执行本技术实施例中的全部操作。并且，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
48.图1为本公开实施例一提供的一种基于用户感知的弹性流量推荐方法的流程示意图，如图1所示，所述方法包括：
49.步骤s101：获取用户的基本数据和用户的历史数据；
50.当前运营商提出的流量套餐主要为月套餐。这类套餐是在规定时间范围内给予用户一定的流量额度，当用户消费超过额度的流量时，将产生其他资费或限制其上网速率。这类主流的流量计费方式并未以用户感知作为重要的考虑因素，极大地影响用户体验。一般的，用户选择的套餐是适合用户自身流量使用习惯，并且考虑自身消费水平的。然而，套餐内限定的流量往往还是无法彻底满足用户的实际上网需求。为了同时给予用户良好的上网感受，又能保证运营商的收益，本公开实施例通过观察用户近几个月流量使用习惯和流量使用量，动态调整本月赠送流量的时间和量级，同时向用户推荐适合用户使用习惯的新流
量套餐。既使用户能够有足够的流量能够使用，又能培养用户的流量使用习惯，方便后续为用户推荐合适的流量套餐。
51.首先，通过获取用户的基本数据和用户的历史数据；来确定用户的月流量使用习惯和流量使用量。
52.具体的，所述用户的基本数据包括用户信息、用户网龄和用户会员等级数据；
53.所述用户的历史数据包括用户每个月的总使用流量。
54.步骤s102：从用户的历史数据中提取出训练数据集；
55.提取准备的数据包括用户历史每个月的流量使用总数、用户网龄、用户会员等级数据。从历史数据中提取出训练数据集，训练数据集即数据挖掘过程中用于训练数据挖掘模型的数据；除了训练数据外还将用户的部分历史数据作为测试数据，测试数据用于检测模型构建，此数据只在模型检验时使用，用于评估模型的准确率。
56.进一步的，所述从用户的历史数据中提取出训练数据集包括：
57.将用户的历史数据中某个月的总使用流量数据作为待预测数据，并将该月的前预设月数的各月流量使用总数作为该月的预测数据集；
58.将得到的多个月份对应的待预测数据及预测数据集，作为训练数据集。
59.所述预设月数，可以根据实际情况设定，如3个月、6个月、10个月、12个月等，以10个月为例；获取训练数据集的过程为：提取用户的历史数据，将历史数据中某个月的流量数据作为待预测数据，其前十个月数据为该月的预测数据集；获取的某一个月的训练数据集如下表1所示：
60.表1：某一个月的预测数据集
[0061][0062][0063]
将多个月份对应的待预测数据及预测数据集，即可获得训练数据集；按同样方式即可获得测试数据集。
[0064]
步骤s103：使用训练数据集训练预设的流量预测网络模型；
[0065]
所述预设的流量预测网络模型为bp神经网络算法模型，bp神经网络算法可直接调用bpnn库；
[0066]
使用训练数据集，将某月历史流量数据作为网络输入，将某月流量使用数据作为输出，训练网络。通过训练数据集和测试集完成模型训练和检测后得到训练好的流量预测网络模型。
[0067]
步骤s104：当用户的当月已使用流量满足预设条件时，从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量；
[0068]
所述预设条件为可以为用户使用的流量已经超过了预先设置的流量数量，或者在某个时间段，如半个月，使用的流量超过了套餐流量总数的一定比例。基于训练数据集的获取方式，同样获取本月的预测数据集，输入到训练好的模型，输出预测的本月的流量使用总量。
[0069]
进一步的，所述预设条件包括：
[0070]
用户当月已用流量≥90％*用户的套餐流量总数；
[0071]
所述从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量，包括：
[0072]
从用户的历史数据中获取当月的前预设月数的各月流量使用总数，将其作为当月的预测数据集；
[0073]
将当月的预测数据集输入到训练好的流量预测网络模型中得到预测的当月的流量使用总量。
[0074]
提取当月用户流量已用情况数据，本月前十个月的流量使用数据得到当月的预测数据集如下表2所示；
[0075]
表2：当月的预测数据集
[0076][0077][0078]
利用预测数据集，对已经训练好的网络，输入当月前十个月的流量数据，最终可得预测的当月流量使用总数。预测的当月流量使用总数减去当月已用流量数据就是本月未来可能使用的流量数据。
[0079]
进一步的，所述方法还包括：
[0080]
在预测出当月的流量使用总量后判断预测的当月的流量使用总量是否大于用户的套餐流量总数；
[0081]
若不是，则不进行赠送流量活动；
[0082]
若是，则进行赠送流量活动。
[0083]
如果预测的当月流量使用总数大于套餐流量总数，则开始进行步骤s105。
[0084]
步骤s105：根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量。
[0085]
基于本月未来可能使用的流量数据、套餐流量总数、当月已用流量数据、用户入网时间、会员等级，确定本月赠送的流量数量。
[0086]
进一步的，所述根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量包括：
[0087]
通过以下公式确定本月赠送的流量：
[0088]
本月赠送的流量＝|本月未来可能使用的流量-(套餐流量总数-当月已用流量总数)|*(a+b)，
[0089]
其中，a为根据用户入网时间确定的第一赠送系数，b为根据用户等级确定的第二赠送系数。
[0090]
对于系数a和b，可通过以下方法确定，
[0091][0092][0093]
本公开实施例在用户使用流量的过程中，当使用超过自身套餐内流量额度的90％时，运营商即刻调用用户流量使用习惯分析算法，分析前几个月用户的流量使用习惯，预测本月用户可能使用的总流量数。基于预测出的本月流量总数，减去已用流量数，就是预测出的本月后续几天用户可能使用的流量数。根据预测的本月后续用户使用流量数，结合用户的网龄和会员等级，动态调整免费赠送用户流量；同时向用户推荐适合用户使用习惯的新流量套餐。
[0094]
本公开实施例二还提供一种基于用户感知的弹性流量推荐系统，如图2所示，所述系统包括：
[0095]
获取模块11，其设置为获取用户的基本数据和用户的历史数据；
[0096]
提取模块12，其设置为从用户的历史数据中提取出训练数据集；
[0097]
训练模块13，其设置为使用训练数据集训练预设的流量预测网络模型；
[0098]
预测模块14，其设置为当用户的当月已使用流量满足预设条件时，从用户的历史数据中获取当月的预测数据集，并通过训练好的流量预测网络模型和预测数据集预测当月的流量使用总量；
[0099]
赠送模块15，其设置为根据用户的基本数据和预测的当月流量使用总数确定本月赠送的流量。
[0100]
进一步的，
[0101]
所述用户的基本数据包括用户信息、用户网龄和用户会员等级数据；
[0102]
所述用户的历史数据包括用户每个月的总使用流量。
[0103]
进一步的，所述提取模块12具体设置为：
[0104]
将用户的历史数据中某个月的总使用流量数据作为待预测数据，并将该月的前预设月数的各月流量使用总数作为该月的预测数据集；
[0105]
将得到的多个月份对应的待预测数据及预测数据集，作为训练数据集。
[0106]
进一步的，所述预设的流量预测网络模型为bp神经网络算法模型。
[0107]
进一步的，所述预设条件包括：
[0108]
用户当月已用流量≥90％*用户的套餐流量总数；
[0109]
所述预测模块14具体设置为：
[0110]
从用户的历史数据中获取当月的前预设月数的各月流量使用总数，将其作为当月的预测数据集；
[0111]
将当月的预测数据集输入到训练好的流量预测网络模型中得到预测的当月的流量使用总量。
[0112]
进一步的，所述系统还包括判断模块16；
[0113]
所述判断模块16设置为在所述预测模块14预测出当月的流量使用总量后判断预测的当月的流量使用总量是否大于用户的套餐流量总数；
[0114]
若不是，则使所述赠送模块15不进行赠送流量活动；
[0115]
若是，则使所述赠送模块15进行赠送流量活动。
[0116]
进一步的，所述赠送模块15具体设置为：
[0117]
通过以下公式确定本月赠送的流量：
[0118]
本月赠送的流量＝|本月未来可能使用的流量-(套餐流量总数-当月已用流量总数)|*(a+b)，
[0119]
其中，a为根据用户入网时间确定的第一赠送系数，b为根据用户等级确定的第二赠送系数。
[0120]
本公开实施例的基于用户感知的弹性流量推荐系统用于实施方法实施例一中的基于用户感知的弹性流量推荐方法，所以描述的较为简单，具体可以参见前面方法实施例一中的相关描述，此处不再赘述。
[0121]
此外，如图3所示，本公开实施例三还提供一种电子设备，包括存储器100和处理器200，所述存储器100中存储有计算机程序，当所述处理器200运行所述存储器100存储的计算机程序时，所述处理器200执行上述各种可能的方法。
[0122]
其中，存储器100与处理器200连接，存储器100可采用闪存或只读存储器或其他存储器，处理器200可采用中央处理器或单片机。
[0123]
此外，本公开实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行上述各种可能的方法。
[0124]
该计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、计算机程序模块或其他数据)的任何方法或技术中实施的易失性或非易失性、可移除或不可移除的介质。计算机可读存储介质包括但不限于ram(random access memory，随机存取存储器)，rom(read-only memory，只读存储器)，eeprom(electrically erasable programmable read only memory，带电可擦可编程只读存储器)、闪存或其他存储器技术、cd-rom(compact disc read-only memory，光盘只读存储器)，数字多功能盘(dvd，digital video disc)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。
[0125]
可以理解的是，以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式，然而本公开并不局限于此。对于本领域内的普通技术人员而言，在不脱离本公开的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本公开的保护范围。