公开(公告)号：CN109474755A

公开(公告)日：2019-03-15

申请号：CN201811279810.X

申请日：2018-10-30

Applicant: 济南大学

Inventor： 纪科 ,  刘健 ,  孙润元 ,  陈贞翔 ,  马坤 ,  王琳 ,  袁雅涵

IPC: H04M3/22 ,  G06K9/62

CPC classification number: H04M3/2272 ,  G06K9/6256 ,  G06K9/6267 ,  H04M3/2281

Abstract: 本公开公开了基基于排序学习和集成学习的异常电话主动预测方法及系统，包括：采集电话样本，基于分析和组合对电话样本的特征进行选择；将采集到的样本分为训练集和测试集；对于训练集样本，采用排序学习处理数据，得出的结果作为新的测试集，然后组建n组新的训练集继续通过学习模型，得出n组结果，再将这n组结果通过集成学习，输出最后的测试结果。本公开有益效果：使用排序学习和集成学习预测异常电话准确率高于单一使用排序学习，和常规方法比我们的方法更能主动预测异常电话，可以进行解决大规模数据问题。

公开(公告)号：CN109359193A

公开(公告)日：2019-02-19

申请号：CN201811119184.8

申请日：2018-09-25

Applicant: 济南大学

Inventor： 纪科 ,  袁雅涵 ,  孙润元 ,  刘健 ,  马坤 ,  林杰 ,  张尧臣

IPC: G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种基于PCA降维的堆积两层框架的异常电话识别方法及系统，包括：采集电话样本，基于PCA对电话样本的特征进行降维；将采集到的样本分为选择训练集样本和测试集样本；对于训练集样本，采用5折交叉验证方法分别训练第一层的五个基学习器；根据第一层的训练结果得到第二层学习器的训练集样本和测试集样本，对第二层学习器进行训练，输出最后的测试结果。本发明有益效果：使用两层的Stacking框架预测异常电话准确率高于单层集成算法，采用五折交叉验证可以增加训练数据的个数，解决样本少的问题。

公开(公告)号：CN110263249A

公开(公告)日：2019-09-20

申请号：CN201910465057.1

申请日：2019-05-30

Applicant: 济南大学

Inventor： 孙润元 ,  刘健 ,  王琳 ,  纪科 ,  杨波

IPC: G06F16/9535 ,  G06K9/62 ,  G06Q30/02 ,  G06Q50/32

Abstract: 本公开公开了一种基于多目标优化算法和用户上网信息的电信精准营销方法及系统，该方法包括：接收合作商家的目标用户需求；根据目标用户需求采集电话样本，并提取数据特征；将电话样本中的历史数据和近期数据分别作为训练集和测试集；根据训练集训练采用多目标优化算法构建的目标用户筛选模型，通过测试集测试目标用户筛选模型，得到电话号码名单；接收所述电话号码名单近期上网信息；根据目标用户需求爬取所述近期上网信息中的网页信息；将得到的网页信息计数排序，反馈结果的前n位目标用户进行精准营销。

公开(公告)号：CN109474755B

公开(公告)日：2020-10-30

申请号：CN201811279810.X

申请日：2018-10-30

Applicant: 济南大学

Inventor： 纪科 ,  刘健 ,  孙润元 ,  陈贞翔 ,  马坤 ,  王琳 ,  袁雅涵

IPC: H04M3/22 ,  G06K9/62

Abstract: 本公开公开了基基于排序学习和集成学习的异常电话主动预测方法及系统，包括：采集电话样本，基于分析和组合对电话样本的特征进行选择；将采集到的样本分为训练集和测试集；对于训练集样本，采用排序学习处理数据，得出的结果作为新的测试集，然后组建n组新的训练集继续通过学习模型，得出n组结果，再将这n组结果通过集成学习，输出最后的测试结果。本公开有益效果：使用排序学习和集成学习预测异常电话准确率高于单一使用排序学习，和常规方法比我们的方法更能主动预测异常电话，可以进行解决大规模数据问题。