业务推荐方法、装置及存储介质

技术领域

本申请涉及通信技术领域，尤其涉及一种业务推荐方法、装置及存储介质。

背景技术

由于移动业务与宽带业务的融合发展能够有效推动千兆城市的建设，因此，在建设千兆城市的过程中，通过移动业务发展宽带业务为运营商的研究热点。目前，挖掘宽带业务用户的方法通常包括根据用户画像确定移动业务用户的特征，并根据特征向移动业务用户推荐宽带业务，使得运营商能够从移动业务用户中挖掘出宽带业务用户，进而能够通过移动业务促进宽带业务的发展，实现移动业务与宽带业务的融合发展。

但是，上述方法通常使用运营商的营帐系统中的用户信息(例如，开户信息、过户信息、以及收费信息等)确定用户画像，导致难以精准地确定移动业务用户的特征，这样难以评估该移动业务用户是否能够发展成为宽带业务用户，进而导致宽带业务难以得到发展。

发明内容

本申请提供一种业务推荐方法、装置及存储介质，能够精准识别异网宽带业务用户，进而促进宽带业务的发展。

为达到上述目的，本申请采用如下技术方案：

第一方面，本申请提供一种业务推荐方法，该方法包括：获取待预测用户的数据集和宽带业务所属运营商预测模型；待预测用户的数据集包括：待预测用户的信息和预设时间段内待预测用户的移动业务数据，待预测用户的移动业务为第一运营商的移动业务；基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商；在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

在一种可能的实现方式中，宽带业务所属运营商预测模型为基于二分类的宽带业务所属运营商预测模型；基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商，包括：将待预测用户的数据集输入基于二分类的宽带业务所属运营商预测模型，得到第一输出结果；第一输出结果用于表征待预测用户的宽带业务所属的运营商是否为第一运营商；基于第一输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，宽带业务所属运营商预测模型为基于多分类的宽带业务所属运营商预测模型；基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商，包括：将待预测用户的数据集输入基于多分类的宽带业务所属运营商预测模型，得到第二输出结果；第二输出结果用于表征待预测用户的宽带业务所属的运营商；基于第二输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，方法还包括：获取初始模型、历史时间段内预设用户的数据集、以及历史时间段内预设用户的宽带业务所属的运营商；预设用户为支持移动业务和宽带业务的用户；预设用户的数据集与待预测用户的数据集中的数据种类相同；基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，得到宽带业务所属运营商预测模型。

在一种可能的实现方式中，其特征在于，待预测用户的信息包括以下至少之一：待预测用户的移动业务所属的运营商、待预测用户的年龄、待预测用户的性别、待预测用户的入网时长、待预测用户所使用的移动业务套餐、待预测用户的每用户平均收入ARPU值、以及待预测用户的终端设备信息。

在一种可能的实现方式中，其特征在于，移动业务数据包括：移动网络数据和/或使用移动业务的行为数据。

在一种可能的实现方式中，其特征在于，移动网络数据包括以下至少之一：网页下载平均速率、视频播放缓冲时长、终端设备接收的电平强度、终端设备接收的电平质量、以及终端设备的往返时延RTT；使用移动业务的行为数据包括以下至少之一：终端设备的应用程序APP的名称、APP的开发厂家、APP的使用时长、APP的使用时间、以及APP的数量。

第二方面，本申请提供一种业务推荐装置，该装置包括：通信单元和处理单元；通信单元，用于获取待预测用户的数据集和宽带业务所属运营商预测模型；待预测用户的数据集包括：待预测用户的信息和预设时间段内待预测用户的移动业务数据，待预测用户的移动业务为第一运营商的移动业务；处理单元，用于基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商；处理单元，还用于在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

在一种可能的实现方式中，处理单元，还用于将待预测用户的数据集输入基于二分类的宽带业务所属运营商预测模型，得到第一输出结果；第一输出结果用于表征待预测用户的宽带业务所属的运营商是否为第一运营商；处理单元，还用于基于第一输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，处理单元，还用于将待预测用户的数据集输入基于多分类的宽带业务所属运营商预测模型，得到第二输出结果；第二输出结果用于表征待预测用户的宽带业务所属的运营商；处理单元，还用于基于第二输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，通信单元，还用于获取初始模型、历史时间段内预设用户的数据集、以及历史时间段内预设用户的宽带业务所属的运营商；预设用户为支持移动业务和宽带业务的用户；预设用户的数据集与待预测用户的数据集中的数据种类相同；处理单元，还用于基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，得到宽带业务所属运营商预测模型。

在一种可能的实现方式中，其特征在于，待预测用户的信息包括以下至少之一：待预测用户的移动业务所属的运营商、待预测用户的年龄、待预测用户的性别、待预测用户的入网时长、待预测用户所使用的移动业务套餐、待预测用户的每用户平均收入ARPU值、以及待预测用户的终端设备信息。

在一种可能的实现方式中，其特征在于，移动业务数据包括：移动网络数据和/或使用移动业务的行为数据。

在一种可能的实现方式中，其特征在于，移动网络数据包括以下至少之一：网页下载平均速率、视频播放缓冲时长、终端设备接收的电平强度、终端设备接收的电平质量、以及终端设备的往返时延RTT；使用移动业务的行为数据包括以下至少之一：终端设备的应用程序APP的名称、APP的开发厂家、APP的使用时长、APP的使用时间、以及APP的数量。

第三方面，本申请提供了一种业务推荐装置，该装置包括：处理器和通信接口；通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的业务推荐方法。

第四方面，本申请提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在终端上运行时，使得终端执行如第一方面和第一方面的任一种可能的实现方式中描述的业务推荐方法。

第五方面，本申请提供一种包含指令的计算机程序产品，当计算机程序产品在业务推荐装置上运行时，使得业务推荐装置执行如第一方面和第一方面的任一种可能的实现方式中所描述的业务推荐方法。

第六方面，本申请提供一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行计算机程序或指令，以实现如第一方面和第一方面的任一种可能的实现方式中所描述的业务推荐方法。

具体的，本申请中提供的芯片还包括存储器，用于存储计算机程序或指令。

上述技术方案至少带来以下有益效果：本申请提供的业务推荐方法通过宽带业务所属运营商预测模型建立了待预测用户的数据集与待预测用户的移动业务所属运营商之间较强的关联关系，因此，基于待预测用户的数据集和宽带业务所属运营商预测模型，判断待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息，这样能够快速准确的确定待预测用户的宽带业务所属的运营商是否为第一运营商，提高了挖掘的宽带业务用户的准确性，有效的促进了异网运营商(例如，除第一运营商之外的运营商)的宽带业务用户(即宽带业务所属的运营商不为第一运营商的用户)转入本网成为本网运营商(例如，第一运营商)的宽带业务用户，从而提高了用户使用本网宽带业务的成功率，有效促进了本网宽带业务的发展。

另外，待预测用户的数据集不仅包括待预测用户的信息，还包括预设时间段内待预测用户的移动业务数据，相较于待预测用户的单个特征数据(例如，流量使用数据，地理位置信息，用户画像)，待预测用户的数据集能够更加全面地体现待预测用户的特征，使得可以根据较为全面的用户特征确定是否向待预测用户推荐第一运营商的宽带业务，进一步的提高了挖掘宽带业务用户的准确性，进而进一步的提高了用户使用本网宽带业务的成功率，再次有效促进了本网宽带业务的发展。

附图说明

图1为本申请实施例提供的一种业务推荐系统的结构示意图；

图2为本申请实施例提供的一种业务推荐设备的结构示意图；

图3为本申请实施例提供的一种业务推荐装置的结构示意图；

图4为本申请实施例提供的一种业务推荐方法的流程图；

图5为本申请实施例提供的另一种业务推荐方法的流程图；

图6为本申请实施例提供的另一种业务推荐装置的结构示意图。

具体实施方式

下面结合附图对本申请实施例提供的业务推荐方法、装置及存储介质进行详细地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。

本申请的说明书以及附图中的术语“第一”和“第二”等是用于区别不同的对象，或者用于区别对同一对象的不同处理，而不是用于描述对象的特定顺序。

此外，本申请的描述中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

在本申请的描述中，除非另有说明，“多个”的含义是指两个或两个以上。在千兆城市建设中，“三千兆”指的是千兆第五代移动通信技术(5th generation mobilecommunication technology，5G)网络、千兆宽带光纤到房间(fiber to the remote，FTTR)网络、以及千兆移动热点(wireless fidelity，Wi-Fi)。由于宽带业务是运营商收入的主要来源，因此，在当今5G时代，宽带业务为运营商发展的热点。

目前发展宽带业务的方法通常包括以下方法1和方法2：

方法1、获取宽带业务对应的入网证件信息，并根据入网证件信息判断宽带业务的用户是否为个人用户。若宽带业务的用户是个人用户，则根据宽带业务的Wi-Fi使用信息，判断宽带业务是否为家庭宽带业务。若宽带业务是家庭宽带业务，则确定家庭宽带业务对应的家庭中的每个成员的入网信息，并根据家庭中的每个成员的入网信息，对家庭进行分类，得到每个家庭的成员携号离网的概率。也就是说，方法1根据用户信息，对用户及所属家庭进行分类，并根据分类情况预测用户的携号离网意愿，便于运营商对存在携号离网意愿的宽带业务用户进行挽留，进而实现宽带业务的持续发展。

除了上述方法1，还可以对存在携号离网意愿的宽带业务用户进行业务营销，以提高用户的粘性，进而达到发展宽带业务的目的。然而，移动业务与宽带业务具有强关联性，且移动业务与宽带业务的融合发展能够有效推动千兆城市的建设。鉴于此，在通用技术中，通常会从移动业务用户中挖掘宽带业务用户，并对挖掘到的宽带业务用户进行业务推荐。

目前，挖掘宽带业务用户的方法通常包括以下方法2、方法3、以及方法4：

方法2、获取运营商的移动业务用户和宽带业务用户，并将移动业务用户中未开通宽带业务的用户确定为目标用户。对目标用户的流量使用数据进行监测分析，并根据监测分析结果判断目标用户是否为宽带业务的潜在发展用户。对上述宽带业务的潜在发展用户推荐宽带业务。

方法3、基于移动业务用户的地理位置信息、以及上述地理位置信息关联的楼宇宽带信息，为上述移动业务用户推荐宽带业务。

方法4、根据用户画像确定移动业务用户的特征，并根据特征向移动业务用户推荐宽带业务。

基于上述方法2、方法3、以及方法4，运营商均能够从移动业务用户中挖掘出宽带业务用户，进而能够通过移动业务促进宽带业务的发展，实现移动业务与宽带业务的融合发展。

但是，上述方法2中用户的流量使用数据为用户使用移动业务的流量数据，且方法2处理上述流量使用数据的方法较为单一，导致难以确定用户的宽带业务需求，进而可能导致为用户推荐的宽带业务不符合用户的宽带业务需求，因此，基于方法2挖掘的宽带业务用户(即宽带业务的潜在发展用户)准确性较低，导致宽带业务难以得到发展。

上述方法3中仅参考了移动业务用户的地理位置信息，而多个移动业务用户的地理位置信息关联的楼宇宽带信息可能相同，导致一些移动业务用户可能不需要宽带业务，进而导致向移动业务用户推荐宽带业务的成功率较低，使得宽带业务难以得到发展。

上述方法4通常使用运营商的营帐系统中的用户信息(例如，开户信息、过户信息、以及收费信息等)确定用户画像，导致难以精准地确定移动业务用户的特征，导致难以评估移动业务用户的宽带业务需求，进而在为移动业务用户推荐宽带业务的过程中，可能出现宽带业务不符合用户需求的情况，这样难以评估移动业务用户是否能够发展成为宽带业务用户，进而导致宽带业务难以得到发展。

综上可知，由于方法2、方法3、以及方法4在挖掘出宽带业务用户的过程中，处理方法比较简单，且参考的用户信息均较为片面，进而难以准确确定用户的宽带业务需求，因此，上述方法2、方法3、以及方法4挖掘的宽带业务用户准确性较低，导致宽带业务难以得到发展。

鉴于此，本申请实施例提供了一种业务推荐方法，业务推荐设备通过宽带业务所属运营商预测模型建立了待预测用户的数据集与待预测用户的移动业务所属运营商之间较强的关联关系，因此，业务推荐设备基于待预测用户的数据集和宽带业务所属运营商预测模型，判断待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息，这样能够快速准确的确定待预测用户的宽带业务所属的运营商是否为第一运营商，提高了挖掘的宽带业务用户的准确性，有效的促进了异网运营商(例如，除第一运营商之外的运营商)的宽带业务用户(即宽带业务所属的运营商不为第一运营商的用户)转入本网成为本网运营商(例如，第一运营商)的宽带业务用户，从而提高了用户使用本网宽带业务的成功率，有效促进了本网宽带业务的发展。

另外，待预测用户的数据集不仅包括待预测用户的信息，还包括预设时间段内待预测用户的移动业务数据，相较于待预测用户的单个特征数据(例如，流量使用数据，地理位置信息，用户画像)，待预测用户的数据集能够更加全面地体现待预测用户的特征，使得业务推荐设备可以根据较为全面的用户特征确定是否向待预测用户推荐第一运营商的宽带业务，进一步的提高了挖掘宽带业务用户的准确性，进而进一步的提高了用户使用本网宽带业务的成功率，再次有效促进了本网宽带业务的发展。

本申请实施例提供的技术方案可以应用于各种通信系统，例如，采用5G的新空口(New Radio，NR)通信系统，未来演进系统或者多种通信融合系统等。

示例性地，如图1所示，图1示出了本申请实施例提供的一种业务推荐系统的结构示意图。该业务推荐系统包括：业务推荐设备101和终端设备102。图1以业务推荐系统包括一个业务推荐设备101和一个终端设备102为例进行说明。

业务推荐设备101，用于获取待预测用户的数据集和宽带业务所属运营商预测模型，基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

终端设备102，用于向业务推荐设备101发送待预测用户的数据集，并获取业务推荐设备101提供的第一运营商的宽带业务信息。

其中，待预测用户的数据集包括：待预测用户的信息和预设时间段内待预测用户的移动业务数据，待预测用户的移动业务为第一运营商的移动业务。

在一种示例中，业务推荐设备101可以为服务器。其中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。

在另一种示例中，业务推荐设备101还可以为终端设备。在该情况下，业务推荐设备101可以确定待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

其中，终端设备可以为终端(terminal equipment)或者用户设备(userequipment，UE)或者移动台(mobile station，MS)或者移动终端(mobile terminal，MT)等。具体的，终端设备可以是手机(mobile phone)、平板电脑或带无线收发功能的电脑，还可以是虚拟现实(virtual reality，VR)终端、增强现实(augmented reality，AR)终端、工业控制中的无线终端、无人驾驶中的无线终端、远程医疗中的无线终端、智能电网中的无线终端、智慧城市(smart city)中的无线终端、智能家居、车载终端等。

在另一种示例中，业务推荐设备101还可以为接入网设备。在该情况下，业务推荐设备101可以确定待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。其中，接入网设备可以为小型基站、无线接入点、收发点(transmissionreceive point，TRP)、传输点(transmission point，TP)、微型运营服务(microoperator)、以及某种其它接入节点中的任一节点。

本申请实施例中，用于实现业务推荐设备101的功能的装置可以是业务推荐设备101，也可以是能够支持业务推荐设备101实现该功能的装置，例如芯片或芯片系统。

在一种可选的实现方式中，如图2所示，图2示出了本申请实施例提供的一种业务推荐设备的结构示意图。业务推荐设备101可以包括采集模块和预测模块。

采集模块，可以用于获取待预测用户的数据集和宽带业务所属运营商预测模型。

预测模块，可以用于基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

可选的，业务推荐设备101还可以包括训练模块。训练模块，可以用于基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，得到宽带业务所属运营商预测模型。

此外，本申请实施例描述的通信系统是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着网络架构的演变和新通信系统的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

具体实现时，图1中的设备均可以采用图3所示的组成结构，或者包括图3所示的部件。图3为本申请实施例提供的一种业务推荐装置300的结构示意图，该业务推荐装置300可以为101或101中的芯片或者片上系统。或者，该业务推荐装置300可以为102或者102中的芯片或者片上系统。如图2所示，该业务推荐装置300可以包括处理器301和通信线路302。

进一步的，该业务推荐装置300还可以包括通信接口303和存储器304。其中，处理器301，存储器304以及通信接口303之间可以通过通信线路302连接。

其中，处理器301是CPU、通用处理器、网络处理器(network processor，NP)、数字信号处理器(digital signal processing，DSP)、微处理器、微控制器、可编程逻辑器件(programmable logic device，PLD)或它们的任意组合。处理器301还可以是其它具有处理功能的装置，例如电路、器件或软件模块，不予限制。

通信线路302，用于在业务推荐装置300所包括的各部件之间传送信息。

通信接口303，用于与其他设备或其它通信网络进行通信。该其它通信网络可以为以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口303可以是模块、电路、通信接口或者任何能够实现通信的装置。

存储器304，用于存储指令。其中，指令可以是计算机程序。

其中，存储器304可以是只读存储器(read-only memory，ROM)或可存储静态信息和/或指令的其他类型的静态存储设备，也可以是随机存取存储器(random accessmemory，RAM)或可存储信息和/或指令的其他类型的动态存储设备，还可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或其他磁存储设备等，不予限制。

需要指出的是，存储器304可以独立于处理器301存在，也可以和处理器301集成在一起。存储器304可以用于存储指令或者程序代码或者一些数据等。存储器304可以位于业务推荐装置300内，也可以位于业务推荐装置300外，不予限制。处理器301，用于执行存储器304中存储的指令，以实现本申请下述实施例提供的业务推荐方法。

在一种示例中，处理器301可以包括一个或多个CPU，例如，CPU0和CPU1。

作为一种可选的实现方式，业务推荐装置300包括多个处理器。

作为一种可选的实现方式，业务推荐装置300还包括输入设备和输出设备。示例性地，输入设备是键盘、鼠标、麦克风或操作杆等设备，输出设备是显示屏、扬声器(speaker)等设备。

需要指出的是，业务推荐装置300可以是台式机、便携式电脑、网络服务器、移动手机、平板电脑、无线终端、嵌入式设备、芯片系统或有图3中类似结构的设备。此外，图3中示出的组成结构并不构成对该图1以及图3中的各个设备的限定，除图3所示部件之外，图1以及图3中的各个设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本申请实施例中，芯片系统可以由芯片构成，也可以包括芯片和其他分立器件。

此外，本申请的各实施例之间涉及的动作、术语等均可以相互参考，不予限制。本申请的实施例中各个设备之间交互的消息名称或消息中的参数名称等只是一个示例，具体实现中也可以采用其他的名称，不予限制。

下面结合图1所示业务推荐系统，对本申请实施例提供的业务推荐方法进行描述。其中，本申请各实施例之间涉及的动作，术语等均可以相互参考，不予限制。本申请的实施例中各个设备之间交互的消息名称或消息中的参数名称等只是一个示例，具体实现中也可以采用其他的名称，不予限制。本申请各实施例涉及的动作只是一个示例，具体实现中也可以采用其他的名称，如：本申请实施例的“包括在”还可以替换为“承载于”或者“携带在”等。

为了解决上述现有技术中存在的问题，本申请实施例提出了一种业务推荐方法，能够精准识别异网宽带业务用户，进而促进宽带业务的发展。

如图4所示，该方法包括：

S401、业务推荐设备获取待预测用户的数据集和宽带业务所属运营商预测模型。

其中，待预测用户的数据集包括：待预测用户的信息和预设时间段内待预测用户的移动业务数据，待预测用户的移动业务为第一运营商的移动业务。

示例性的，上述预设时间段为1天。上述仅为预设时间段的一种示例性说明，上述预设时间段还可以为其他时间段(例如，8个小时)，本申请对此不做任何限制。

在一种可选的实施例中，待预测用户的信息包括以下至少之一：待预测用户的移动业务所属的运营商、待预测用户的年龄、待预测用户的性别、待预测用户的入网时长、待预测用户所使用的移动业务套餐、待预测用户的每用户平均收入(average revenue peruser，ARPU)值、以及待预测用户的终端设备信息(例如，终端设备的生产厂家和终端设备的型号)。上述仅为待预测用户的信息的一种示例性说明，本申请对此不做任何限制。

在一种可选的实施例中，移动业务数据包括：移动网络数据和/或使用移动业务的行为数据。

在一种可选的实施例中，移动网络数据包括以下至少之一：网页下载平均速率、视频播放缓冲时长、终端设备接收的电平强度、终端设备接收的电平质量、以及终端设备的往返时延(round trip time，RTT)。上述仅为移动网络数据的一种示例性说明，本申请对此不做任何限制。

使用移动业务的行为数据包括以下至少之一：终端设备中应用程序(application，APP)的名称、APP的开发厂家、APP的使用时长、APP的使用时间、以及APP的数量。上述仅为使用移动业务的行为数据的一种示例性说明，本申请对此不做任何限制。

可以理解的是，业务推荐设备获取的待预测用户的信息和预设时间段内待预测用户的移动业务数据，能够准确地体现待预测用户在使用移动业务过程中的使用体验和使用偏好，进而能够准确确定待预测用户的特征，以便于后续业务推荐设备可以根据准确的待预测用户的特征，得到较为准确的待预测用户的宽带业务所属的运营商。

S402、业务推荐设备基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可选的实施例中，在宽带业务所属运营商预测模型为基于二分类的宽带业务所属运营商预测模型的情况下，上述S402的实现过程可以为：业务推荐设备将待预测用户的数据集输入基于二分类的宽带业务所属运营商预测模型，得到第一输出结果，并基于第一输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

其中，第一输出结果用于表征待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种示例中，在待预测用户的宽带业务所属的运营商与待预测用户的移动业务所属的运营商不同的情况下，第一输出结果可以表示为0；在待预测用户的宽带业务所属的运营商与待预测用户的移动业务所属的运营商相同的情况下，第一输出结果可以表示为1。

结合上述示例，在第一输出结果为0的情况下，业务推荐设备确定待预测用户的宽带业务所属的运营商不为第一运营商。在第一输出结果为1的情况下，业务推荐设备确定待预测用户的宽带业务所属的运营商为第一运营商。

可以理解的是，业务推荐设备依据基于二分类的宽带业务所属运营商预测模型的输出结果，可以准确直接地确定待预测用户的宽带业务所属的运营商是否为第一运营商，进而快速确定异网运营商的宽带业务用户。

在另一种可选的实施例中，在宽带业务所属运营商预测模型为基于多分类的宽带业务所属运营商预测模型的情况下，上述S402的实现过程可以为：业务推荐设备将待预测用户的数据集输入基于多分类的宽带业务所属运营商预测模型，得到第二输出结果，并基于第二输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

其中，第二输出结果用于表征待预测用户的宽带业务所属的运营商。

在一种可能的实现方式中，在业务推荐设备得到第二输出结果之后，业务推荐设备可以确定待预测用户的宽带业务所属的运营商，并将上述预测的待预测用户的宽带业务所属的运营商与第一运营商进行比较，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种示例中，以第二输出结果可以为第一运营商、第二运营商、以及第三运营商中的任意一项为例：在第二输出结果为第一运营商的情况下，业务推荐设备确定该待预测用户的宽带业务所属的运营商与该待预测用户的移动业务所属的运营商相同。在第二输出结果为第二运营商或第三运营商的情况下，业务推荐设备确定该待预测用户的宽带业务所属的运营商与该待预测用户的移动业务所属的运营商不同。

可以理解的是，业务推荐设备依据基于多分类的宽带业务所属运营商预测模型的输出结果，可以确定各个待预测用户的宽带业务具体所属的运营商，以便于后续使用。例如，用户识别设备可以获取待预测用户的宽带业务具体所属的运营商的宽带业务套餐的特点，并基于上述特点适应性的为宽带业务用户推荐本网宽带业务套餐，进而提高本网宽带业务套餐的营销成功率，进而使得异网宽带业务用户能够成为本网宽带业务用户，进而促进了本网宽带业务的发展。

S403、在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，业务推荐设备为待预测用户提供第一运营商的宽带业务信息。

作为一种可能的实现方式，上述S403的实现过程可以为：在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，业务推荐设备可以确定待预测用户目前使用的宽带业务信息，并根据待预测用户的数据集确定待预测用户使用移动业务的特征。业务推荐设备可以根据待预测用户目前使用的宽带业务信息和待预测用户使用移动业务的特征，确定为该待预测用户推荐的第一运营商的宽带业务信息，并向待预测用户的终端设备发送上述第一运营商的宽带业务信息。待预测用户的终端设备显示上述第一运营商的宽带业务信息，以便于待预测用户进行选择。

可选的，在待预测用户的宽带业务所属的运营商为第一运营商的情况下，业务推荐设备可以重新确定待预测用户的特征，并根据上述重新确定的用户特征为待预测用户推荐宽带业务套餐，使得待预测用户能够使用更贴合自身需求的宽带业务套餐，进而提高用户满意度。

又可选的，在待预测用户的宽带业务所属的运营商为第一运营商的情况下，业务推荐设备可以为待预测用户发放用户回馈福利，以提高待预测用户的用户粘性，避免用户流失。

可以理解的是，由于待预测用户的宽带业务所属的运营商不为第一运营商，即待预测用户的宽带业务所属的运营商为异网运营商，因此，业务推荐设备可以向该待预测用户发送本网运营商的宽带业务信息，使得待预测用户可以选择将宽带业务所属的运营商转换成本网运营商，进而促进本网运营商宽带业务的发展。

上述技术方案至少带来以下有益效果：业务推荐设备通过宽带业务所属运营商预测模型建立了待预测用户的数据集与待预测用户的移动业务所属运营商之间较强的关联关系，因此，业务推荐设备基于待预测用户的数据集和宽带业务所属运营商预测模型，判断待预测用户的宽带业务所属的运营商是否为第一运营商，并在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息，这样能够快速准确的确定待预测用户的宽带业务所属的运营商是否为第一运营商，提高了挖掘的宽带业务用户的准确性，有效的促进了异网运营商(例如，除第一运营商之外的运营商)的宽带业务用户(即宽带业务所属的运营商不为第一运营商的用户)转入本网成为本网运营商(例如，第一运营商)的宽带业务用户，从而提高了用户使用本网宽带业务的成功率，有效促进了本网宽带业务的发展。

另外，待预测用户的数据集不仅包括待预测用户的信息，还包括预设时间段内待预测用户的移动业务数据，相较于待预测用户的单个特征数据(例如，流量使用数据，地理位置信息，用户画像)，待预测用户的数据集能够更加全面地体现待预测用户的特征，使得业务推荐设备可以根据较为全面的用户特征确定是否向待预测用户推荐第一运营商的宽带业务，进一步的提高了挖掘宽带业务用户的准确性，进而进一步的提高了用户使用本网宽带业务的成功率，再次有效促进了本网宽带业务的发展。

在一种可选的实施例中，在业务推荐设备确定宽带业务所属的运营商不为第一运营商的用户之前，业务推荐设备可以确定宽带业务所属运营商预测模型，使得业务推荐设备可以使用宽带业务所属运营商预测模型对待预测用户的宽带业务所属的运营商进行预测，在图4示出的方法实施例的基础上，本实施例提供一种可能的实现方式，结合图4，如图5所示，业务推荐设备确定宽带业务所属运营商预测模型的实现过程可以通过以下S501至S502确定。

S501、业务推荐设备获取初始模型、历史时间段内预设用户的数据集、以及历史时间段内预设用户的宽带业务所属的运营商。

其中，预设用户为支持移动业务和宽带业务的用户。预设用户的数据集与待预测用户的数据集中的数据种类相同。

在一种可选的实现方式中，初始模型可以包括初始二分类模型和/或初始多分类模型。上述仅为对初始模型的一种示例性说明，上述初始模型还可以包括其他初始模型(例如，初始贝叶斯分类模型)，本申请对此不做任何限制。

作为一种可选的实现方式，业务推荐设备可以对历史时间段内移动业务用户的数据集进行预处理，以避免数据冗余，进而提高数据质量，使得后续确定宽带业务所属运营商预测模型较为容易。例如，业务推荐设备可以对上述待预测用户的数据集进行数据清洗。业务推荐设备确定待预测用户的数据集中的错误数据(例如，乱码数据，重复数据)，并删除或修改上述错误数据，得到清洗后的数据，完成对待预测用户的数据集的清洗。

需要说明的是，上述仅为业务推荐设备对待预测用户的数据集进行预处理的一种示例，上述业务推荐设备对待预测用户的数据集进行预处理的方法还可以包括特征工程、数据集成、数据规约、数据变换等，本申请对此不做任何限制。

S502、业务推荐设备基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，得到宽带业务所属运营商预测模型。

示例性的，业务推荐设备可以将上述进行预处理后的移动业务用户的数据集，拆分成训练数据集和测试数据集。例如，业务推荐设备将上述预处理后的移动业务用户的数据集以随机拆分的方式拆分成训练数据集和测试数据集。上述拆分方式仅为一种示例性的描述，上述拆分方式还可以使用其他的拆分方式(例如，业务推荐设备设置权重规则进行拆分)，本申请对此不做任何限制。

结合上述示例，上述S502的实现过程可以包括以下步骤1至步骤6：

步骤1、业务推荐设备将上述训练数据集输入初始模型中，得到初始模型的训练输出结果，并根据上述训练输出结果和历史时间段内移动业务用户的宽带业务所属的运营商，确定初始模型的损失函数。

步骤2、在初始模型的损失函数的值大于或等于第一预设阈值的情况下，业务推荐设备将初始模型确定为中间模型。

步骤3、在初始模型的损失函数的值小于第一预设阈值的情况下，业务推荐设备对初始模型进行调整，并依次对调整后的初始模型执行上述步骤1至步骤3，直至确定中间模型。

步骤4、业务推荐设备将上述测试数据集输入中间模型进行测试，得到测试结果。测试结果用于表征中间模型的准确率。

步骤5、在测试结果大于或等于第二预设阈值的情况下，业务推荐设备将中间模型确定为宽带业务所属运营商预测模型。

步骤6、在测试结果小于第二预设阈值的情况下，业务推荐设备根据测试结果调整中间模型，并依次对调整后的中间模型执行上述步骤1至步骤6，直至确定宽带业务所属运营商预测模型。

可选的，上述仅为对初始模型进行训练，得到宽带业务所属运营商预测模型的训练过程的一种示例性说明，上述对初始模型进行训练，得到宽带业务所属运营商预测模型的训练过程还可以为其他训练过程，本申请对此不作限制。

示例性的，业务推荐设备可以根据经验设置第一预设阈值和第二预设阈值。例如，业务推荐设备将第一预设阈值设置为0.8，并将第二预设阈值设置为0.85。上述仅为第一预设阈值和第二预设阈值的一种示例性说明，上述第一预设阈值和第二预设阈值还可以为其他值(例如，第一预设阈值为0.9，且第二预设阈值为0.95)，本申请对此不做任何限制。

可选的，在业务推荐设备对初始模型进行训练，得到宽带业务所属运营商预测模型的过程中，业务推荐设备使用的机器学习算法可以包括以下至少之一：支持向量机算法、梯度提升树算法、以及随机森林算法。上述仅为机器学习算法的一种示例性说明，上述机器学习算法还可以为其他算法(例如，深度学习算法)，本申请对此不做任何限制。

上述技术方案至少带来以下有益效果：由于预设用户的数据集和待预测用户的数据集的数据种类相同，因此，业务推荐设备基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，能够确保得到的宽带业务所属运营商预测模型的准确性，进而能够准确判断待预测用户的宽带业务所属的运营商是否为异网运营商，进而能够精准挖掘异网宽带业务用户。

可以理解的是，上述业务推荐方法可以由业务推荐装置实现。业务推荐装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，本申请公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请公开实施例的范围。

本申请公开实施例可以根据上述方法示例生成的业务推荐装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请公开实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

图6为本发明实施例提供的一种业务推荐装置的结构示意图。如图6所示，业务推荐装置60可以用于执行图4-图5所示的业务推荐方法。该业务推荐装置60包括：通信单元601和处理单元602。

通信单元601，用于获取待预测用户的数据集和宽带业务所属运营商预测模型；待预测用户的数据集包括：待预测用户的信息和预设时间段内待预测用户的移动业务数据，待预测用户的移动业务为第一运营商的移动业务；处理单元602，用于基于待预测用户的数据集、以及宽带业务所属运营商预测模型，确定待预测用户的宽带业务所属的运营商是否为第一运营商；处理单元602，还用于在待预测用户的宽带业务所属的运营商不为第一运营商的情况下，为待预测用户提供第一运营商的宽带业务信息。

在一种可能的实现方式中，处理单元602，还用于将待预测用户的数据集输入基于二分类的宽带业务所属运营商预测模型，得到第一输出结果；第一输出结果用于表征待预测用户的宽带业务所属的运营商是否为第一运营商；处理单元602，还用于基于第一输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，处理单元602，还用于将待预测用户的数据集输入基于多分类的宽带业务所属运营商预测模型，得到第二输出结果；第二输出结果用于表征待预测用户的宽带业务所属的运营商；处理单元602，还用于基于第二输出结果，确定待预测用户的宽带业务所属的运营商是否为第一运营商。

在一种可能的实现方式中，通信单元601，还用于获取初始模型、历史时间段内预设用户的数据集、以及历史时间段内预设用户的宽带业务所属的运营商；预设用户为支持移动业务和宽带业务的用户；预设用户的数据集与待预测用户的数据集中的数据种类相同；处理单元602，还用于基于预设用户的数据集、以及预设用户的宽带业务所属的运营商，对初始模型进行训练，得到宽带业务所属运营商预测模型。

在一种可能的实现方式中，其特征在于，待预测用户的信息包括以下至少之一：待预测用户的移动业务所属的运营商、待预测用户的年龄、待预测用户的性别、待预测用户的入网时长、待预测用户所使用的移动业务套餐、待预测用户的每用户平均收入ARPU值、以及待预测用户的终端设备信息。

在一种可能的实现方式中，其特征在于，移动业务数据包括：移动网络数据和/或使用移动业务的行为数据。

在一种可能的实现方式中，其特征在于，移动网络数据包括以下至少之一：网页下载平均速率、视频播放缓冲时长、终端设备接收的电平强度、终端设备接收的电平质量、以及终端设备的往返时延RTT；使用移动业务的行为数据包括以下至少之一：终端设备中应用程序APP的名称、APP的开发厂家、APP的使用时长、APP的使用时间、以及APP的数量。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本公开还提供了一种计算机可读存储介质，计算机可读存储介质上存储有指令，当存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述本公开实施例提供的业务推荐方法。

本公开实施例还提供了一种包含指令的计算机程序产品，当其在电子设备上运行时，使得电子设备执行上述本公开实施例提供的业务推荐方法。

其中，计算机可读存储介质，例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、寄存器、硬盘、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合、或者本领域熟知的任何其它形式的计算机可读存储介质。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于特定用途集成电路(Application Specific Integrated Circuit，ASIC)中。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。