一种呼叫中心用户来电目的预测方法及装置

摘要

本发明公开了一种呼叫中心用户来电目的预测方法，所述方法包括：基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测。本发明还同时公开了一种呼叫中心用户来电目的预测装置。

说明书

技术领域

本发明涉及业务支撑技术领域，尤其涉及一种呼叫中心用户来电目的预测方法及装置。

背景技术

现有的呼叫中心系统对用户来电目的的预测，通常是通过所述用户前几次的来电目的频繁度来进行的，例如：用户前3次来电目的中，两次话费查询，一次流量查询，下一次来电目的会预测该用户可能查询话费；但是，这样的预测方法仅仅是纵向考虑了用户本身的来电数据，并未结合横向业务，例如：动感地带用户群对流量办理兴趣度较高等；因此，对于用户来电目的预测准确度较低，在呼叫中心热线繁忙时，仍会给呼叫中心造成较大的话务压力。

发明内容

有鉴于此，本发明实施例期望提供一种呼叫中心用户来电目的预测方法及装置，能够准确的预测用户来电目的，降低呼叫中心话务压力。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种呼叫中心用户来电目的预测方法，所述方法包括：

基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；

依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户在每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的 来电目的进行预测。

上述方案中，所述依据各类来电目的获取来电用户对每一类来电目的的兴趣度包括：

依据获取来电用户对每一类来电目的的兴趣度；其中，所述A_i,j为来电用户i对第j类来电目的的兴趣度；所述M_i,j为指定时间内来电用户i的第j类来电目的的来电数目；所述N_j为指定时间内第j类来电目的中包含的来电目的数目。

上述方案中，所述依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度，包括：

依据获取的兴趣度确定目标用户感兴趣的来电目的的类别，并依据如下公式获取在目标用户感兴趣的每一类来电目的的来电用户中，所述目标用户与兴趣用户的目的相似度，然后依据获取的目的相似度确定与目标用户的依据各类来电目的邻居用户及所述目标用户与所述邻居用户的目的相似度；

$W^j(u,i)=\frac{{\Sigma }_{k=K_1}^{K_y}(r_{u,k}-\overline{r_u})(r_{i,k}-\overline{r_i})}{\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{u,k}-\overline{r_u})}^2\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{i,k}-\overline{r_i})}^2}}};$其中，

所述W^j(u,i)为第j类来电目的中目标用户u与兴趣用户i的目的相似度；所述K_y为第j类来电目的中目标用户u的第y个来电目的；所述r_u,k为指定时间内第j类来电目的中目标用户u的来电目的k的来电次数；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_i,k为指定时间内第j类来电目的中兴趣用户i的来电目的k的来电次数；所述为指定时间内兴趣用户i在所有来电目的类别中的所有来电目的的平均值。

上述方案中，所述依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户在每一类来电目的中的来电目的的预测值包括：

依据获得所述目标用户对于每一类来电目的中的来电目的的预测值；其中，所述P^j(u,k)为目标用户u在第j类来电目的中的来电目的k的预测值；所述m为目标用户u在第j类来电目的中的邻居用户的数目；所述W^j(u,g)为第j类来电目的中目标用户u与邻居用户g的目的相似度；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_g,k为第j类来电目的中指定时间内邻居用户g的来电目的k的来电次数；所述为指定时间内邻居用户g在所有来电目的类别中的所有来电目的的平均值。

上述方案中，所述依据所述预测值对所述目标用户的来电目的进行预测包括：

对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，取所有类别中预测值最大的来电目的为所述目标用户的来电目的；

或者，对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，获得每一类来电目的中预测值的最大值，然后计算所述目标用户对每一类来访目的的兴趣度权重，并对所述每一类来电目的中预测值的最大值进行加权，取加权后的预测值最大的来电目的为所述目标用户的来电目的。

本发明实施例还提供了一种呼叫中心用户来电目的预测装置，所述装置包括：获取模块、确定模块及预测模块；其中，

所述获取模块，用于基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；

所述确定模块，用于依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

所述预测模块，用于依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户在每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测。

上述方案中，所述获取模块，具体用于依据获取来电用户对每一类来电目的的兴趣度；其中，所述A_i,j为来电用户i对第j类来电目的的兴趣度；所述M_i,j为指定时间内来电用户i的第j类来电目的的来电数目；所述N_j为指定时间内第j类来电目的中包含的来电目的数目。

上述方案中，所述确定模块，具体用于依据获取的兴趣度确定目标用户感兴趣的来电目的的类别，并依据如下公式获取在目标用户感兴趣的每一类来电目的的来电用户中，所述目标用户与兴趣用户的目的相似度，然后依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

$W^j(u,i)=\frac{{\Sigma }_{k=K_1}^{K_y}(r_{u,k}-\overline{r_u})(r_{i,k}-\overline{r_i})}{\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{u,k}-\overline{r_u})}^2\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{i,k}-\overline{r_i})}^2}}};$其中，

所述W^j(u,i)为第j类来电目的中目标用户u与兴趣用户i的目的相似度；所述K_y为第j类来电目的中目标用户u的第y个来电目的；所述r_u,k为指定时间内第j类来电目的中目标用户u的来电目的k的来电次数；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_i,k为指定时间内第j类来电目的中兴趣用户i的来电目的k的来电次数；所述为指定时间内兴趣用户i在所有来电目的类别中的所有来电目的的平均值。

上述方案中，所述预测模块，具体用于依据获得所述目标用户对于每一类来电目的中的来电目的的预测值；其中，所述P^j(u,k)为目标用户u在第j类来电目的中的来电目的k的预测值；所述m为目标用户u在第j类来电目的中的邻居用户的数目；所述W^j(u,g)为第j类来电目的中目标用户u与邻居用户g的目的相似度； 所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_g,k为第j类来电目的中指定时间内邻居用户g的来电目的k的来电次数；所述为指定时间内邻居用户g在所有来电目的类别中的所有来电目的的平均值。

上述方案中，所述预测模块，具体用于对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，取所有类别中预测值最大的来电目的为所述目标用户的来电目的；

或者，对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，获得每一类来电目的中预测值的最大值，然后计算所述目标用户对每一类来访目的的兴趣度权重，并对所述每一类来电目的中预测值的最大值进行加权，取加权后的预测值最大的来电目的为所述目标用户的来电目的。

本发明实施例所提供的呼叫中心用户来电目的预测方法及装置，基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测；如此，能够准确的预测用户来电目的，降低呼叫中心话务压力。

附图说明

图1为本发明实施例一呼叫中心用户来电目的预测方法流程示意图；

图2为本发明实施例二呼叫中心用户来电目的预测方法流程示意图；

图3为本发明实施例呼叫中心用户来电目的预测装置组成结构示意图。

具体实施方式

在本发明实施例中，基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度； 依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测。

图1为本发明实施例一呼叫中心用户来电目的预测方法流程示意图，如图1所示，本发明实施例呼叫中心用户来电目的预测方法包括：

步骤101：基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；

这里，所述基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类包括：基于用户的历史日志数据，依据预设的规则对呼叫中心中的所有来电目的进行分类；其中，所述预设的规则可以为依据实际需要设定的任何规则，每一类来电目的至少包含一个来电目的，每一个来电目的可以属于多个类别；例如：依据预设的规则将所述来电目的分为包括话费查询、流量套餐办理及流量叠加办理等的多类来电目的，所述流量套餐可以包括10元流量套餐和20元流量套餐，所述流量叠加可以包括5元叠加、10元叠加和15元叠加；需要说明的是，仅需首次应用本实施例方法时执行对呼叫中心中的所有来电目的进行分类的操作即可，后续可直接应用。

进一步的，所述依据各类来电目的获取来电用户对每一类来电目的的兴趣度包括：

依据获取来电用户对每一类来电目的的兴趣度；其中，所述A_i,j为来电用户i对第j类来电目的的兴趣度；所述M_i,j为指定时间内来电用户i的第j类来电目的的来电数目；所述N_j为指定时间内第j类来电目的中包含的来电数目；

这里，所述指定时间为依据实际需要进行设定的时间，在一实施例中，所述指定时间为近两个月内；所述兴趣度可以用于衡量用户对某一类来电目的的 兴趣程度，A_i,j为0表示用户i对第j类来电目的没有任何兴趣，即所述指定时间内的历史数据中没有用户i的第j类的来电目的；0＜A_i,j≤1表示用户i对第j类来电目的不太感兴趣；A_i,j＞1表示用户i对第j类来电目的感兴趣。

步骤102：依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

本步骤具体包括：依据获取的兴趣度确定目标用户感兴趣的来电目的的类别，并依据如下公式获取在目标用户感兴趣的每一类来电目的的来电用户中，所述目标用户与兴趣用户的目的相似度，然后依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

$W^j(u,i)=\frac{{\Sigma }_{k=K_1}^{K_y}(r_{u,k}-\overline{r_u})(r_{i,k}-\overline{r_i})}{\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{u,k}-\overline{r_u})}^2\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{i,k}-\overline{r_i})}^2}}};$其中，

所述W^j(u,i)为第j类来电目的中目标用户u与兴趣用户i的目的相似度；所述K_y为第j类来电目的中目标用户u的第y个来电目的；所述r_u,k为指定时间内第j类来电目的中目标用户u的来电目的k的来电次数；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_i,k为指定时间内第j类来电目的中兴趣用户i的来电目的k的来电次数；所述为指定时间内兴趣用户i在所有来电目的类别中的所有来电目的的平均值；

这里，依据获取的兴趣度确定目标用户感兴趣的来电目的的类别包括：依据获取的所述目标用户对每一类来电目的的兴趣度，确定所述兴趣度大于1的类别为所述目标用户感兴趣的来电目的的类别；

所述兴趣用户为对所述目标用户感兴趣的来电目的类别也感兴趣的用户，可以依据获取的兴趣度的值确定对每一类来电目的感兴趣的用户，所述兴趣用户i为对第j类来电目的感兴趣的用户，即除目标用户u外对第j类来电目的的兴趣度大于1的用户。

进一步的，依据获取的兴趣度确定目标用户感兴趣的来电目的的类别之后，所述方法还可包括：依据获取的兴趣度及目标用户感兴趣的来电目的类别，对该类别感兴趣的用户进行聚类，可形成用户兴趣模型；对于所述目标用户感兴趣的每一个来电目的类别，获取指定时间内该类别的来电用户对该类别的来电次数及指定时间内来电用户的所有来电目的的平均值；这里所述该类别的来电用户包括：目标用户及对该类别感兴趣的用户；

这里，所述对该类别感兴趣的用户进行聚类可以包括：获取兴趣矩阵P_x及类别矩阵Q_j；其中，P_i＝{R_x,j|j＝1,2,3,...,J}，Q_j＝{R_x,j|i＝1,2,3,...,I}；其中，R_x,j为用户x在类别j的来电次数。

进一步的，所述依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度，包括：

对于目标用户感兴趣的每一类来电目的，将获取的目标用户与兴趣用户的目的相似度的值由大到小进行排序，取前m个兴趣用户为所述目标用户的邻居用户，相应的值为所述目标用户与所述邻居用户的目的相似度；这里，所述m的值可根据实际需要进行设定。

步骤103：依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测；

这里，所述依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值包括：

依据获得所述目标用户对于每一类来电目的中的来电目的的预测值；其中，所述P^j(u,k)为目标用户u在第j类来电目的中的来电目的k的预测值；所述m为目标用户u在第j类来电目的中的邻居用户的数目；所述W^j(u,g)为第j类来电目的中目标用户u与邻居用户g的目的相似度；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的 的平均值；所述r_g,k为第j类来电目的中指定时间内邻居用户g的来电目的k的来电次数；所述为指定时间内邻居用户g在所有来电目的类别中的所有来电目的的平均值。

进一步的，依据所述预测值对所述目标用户的来电目的进行预测包括：

对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，取所有类别中预测值最大的来电目的为所述目标用户的来电目的；

或者，对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，获得每一类来电目的中预测值的最大值，然后计算所述目标用户对每一类来访目的的兴趣度权重，并对所述每一类来电目的中预测值的最大值进行加权，取加权后的预测值最大的来电目的为所述目标用户的来电目的；

其中，所述计算所述目标用户对每一类来访目的的兴趣度权重包括：

依据计算所述目标用户对每一类来访目的的兴趣度权重；其中，所述B_u,j为目标用户u对第j类来电目的的兴趣度权重；所述J为目标用户u感兴趣的来电目的类别数目；所述A_u,j为目标用户u对第j类来电目的的兴趣度；所述M_u,j为指定时间内目标用户i在第j类来电目的中的来电次数。

若第j类来电目的中目标用户来电目的预测值的最大值为则对第j类来电目的中预测值的最大值进行加权为：

在本发明实施例中，符号“·”为数学符号相乘。

进一步的，本步骤之后，所述方法还包括：确定所述目标用户的来电目的预测正确时，记录所述目标用户的来电目的日志信息；这里，所述确定所述目标用户的来电目的预测正确包括：收到所述目标用户回复的自助办理信息。

图2为本发明实施例二呼叫中心用户来电目的预测方法流程示意图；如图2所示，本发明实施例呼叫中心用户来电目的预测方法包括：

步骤201：依据预设的规则对呼叫中心中的所有来电目的进行分类；

这里，所述预设的规则可以为依据实际需要设定的任何规则，每一类来电目的至少包含一个来电目的，每一个来电目的可以属于多个类别；例如：依据预设的规则将所述来电目的分为包括话费查询、流量套餐办理及流量叠加办理等的多类来电目的，所述流量套餐可以包括10元流量套餐和20元流量套餐，所述流量叠加可以包括5元叠加、10元叠加和15元叠加；需要说明的是，仅需首次应用本实施例方法时执行对呼叫中心中的所有来电目的进行分类的操作即可，后续可直接应用。

步骤202：依据各类来电目的获取来电用户对每一类来电目的的兴趣度；

本步骤具体包括：依据获取来电用户对每一类来电目的的兴趣度；其中，所述A_i,j为来电用户i对第j类来电目的的兴趣度；所述M_i,j为指定时间内来电用户i的第j类来电目的的来电数目；所述N_j为指定时间内第j类来电目的中包含的来电数目；

这里，所述指定时间为依据实际需要进行设定的时间，在本实施例中，所述指定时间为近两个月内；所述兴趣度可以用于衡量用户对某一类来电目的的兴趣程度，A_i,j为0表示用户i对第j类来电目的没有任何兴趣，即所述指定时间内的历史数据中没有用户i的第j类的来电目的；0＜A_i,j≤1表示用户i对第j类来电目的不太感兴趣；A_i,j＞1表示用户i对第j类来电目的感兴趣。

步骤203：依据获取的兴趣度确定目标用户感兴趣的来电目的的类别，并对该类别感兴趣的用户进行聚类；

这里，依据获取的兴趣度确定目标用户感兴趣的来电目的的类别包括：依据获取的所述目标用户对每一类来电目的的兴趣度，确定所述兴趣度大于1的类别为所述目标用户感兴趣的来电目的的类别；

所述对该类别感兴趣的用户进行聚类包括：获取兴趣矩阵P_x及类别矩阵 Q_j；其中，P_i＝{R_x,j|j＝1,2,3,...,J}，Q_j＝{R_x,j|i＝1,2,3,...,I}；其中，R_x,j为用户x对类别j的来电次数。

步骤204：确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

本步骤具体包括：依据如下公式获取在目标用户感兴趣的每一类来电目的的来电用户中，所述目标用户与其他兴趣用户的目的相似度，然后依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

$W^j(u,i)=\frac{{\Sigma }_{k=K_1}^{K_y}(r_{u,k}-\overline{r_u})(r_{i,k}-\overline{r_i})}{\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{u,k}-\overline{r_u})}^2\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{i,k}-\overline{r_i})}^2}}};$其中，

所述W^j(u,i)为第j类来电目的中目标用户u与兴趣用户i的目的相似度；所述K_y为第j类来电目的中目标用户u的第y个来电目的；所述r_u,k为指定时间内第j类来电目的中目标用户u的来电目的k的来电次数；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_i,k为指定时间内第j类来电目的中兴趣用户i的来电目的k的来电次数；所述为指定时间内兴趣用户i在所有来电目的类别中的所有来电目的的平均值；

这里，所述兴趣用户为对所述目标用户感兴趣的来电目的类别也感兴趣的用户，可以依据获取的兴趣度的值确定对每一类来电目的感兴趣的用户，所述兴趣用户i为对第j类来电目的感兴趣的用户，即除目标用户u外对第j类来电目的的兴趣度大于1的用户；

所述依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度，包括：

对于目标用户感兴趣的每一类来电目的，将获取的目标用户与兴趣用户的目的相似度的值由大到小进行排序，取前m个兴趣用户为所述目标用户的邻居用户，相应的值为所述目标用户与所述邻居用户的目的相似度；这里，所述m 的值可根据实际需要进行设定。

步骤205：依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测；

这里，所述依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户对于每一类来电目的中的来电目的的预测值包括：

依据获得所述目标用户对于每一类来电目的中的来电目的的预测值；其中，所述P^j(u,k)为目标用户u在第j类来电目的中的来电目的k的预测值；所述m为目标用户u在第j类来电目的中的邻居用户的数目；所述W^j(u,g)为第j类来电目的中目标用户u与邻居用户g的目的相似度；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_g,k为第j类来电目的中指定时间内邻居用户g的来电目的k的来电次数；所述为指定时间内邻居用户g在所有来电目的类别中的所有来电目的的平均值。

进一步的，依据所述预测值对所述目标用户的来电目的进行预测包括：

对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，取所有类别中预测值最大的来电目的为所述目标用户的来电目的；

或者，对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，获得每一类来电目的中预测值的最大值，然后计算所述目标用户对每一类来访目的的兴趣度权重，并对所述每一类来电目的中预测值的最大值进行加权，取加权后的预测值最大的来电目的为所述目标用户的来电目的；

其中，所述计算所述目标用户对每一类来访目的的兴趣度权重包括：

依据计算所述目标用户对每一类来访目的的兴 趣度权重；其中，所述B_u,j为目标用户u对第j类来电目的的兴趣度权重；所述J为目标用户u感兴趣的来电目的类别数目；所述A_u,j为目标用户u对第j类来电目的的兴趣度；所述M_u,j为指定时间内目标用户i在第j类来电目的中的来电次数。

若第j类来电目的中目标用户来电目的预测值的最大值为则对第j类来电目的中预测值的最大值进行加权为：

在本发明实施例中，符号“·”为数学符号相乘。

进一步的，本步骤之后，所述方法还包括：确定所述目标用户的来电目的预测正确时，记录所述目标用户的来电目的日志信息；这里，所述确定所述目标用户的来电目的预测正确包括：收到所述目标用户回复的自助办理信息。

图3为本发明实施例呼叫中心用户来电目的预测装置组成结构示意图；如图3所示，本发明实施例呼叫中心用户来电目的预测装置组成包括：获取模块31、确定模块32及预测模块33；其中，

所述获取模块31，用于基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类，并依据各类来电目的获取来电用户对每一类来电目的的兴趣度；

所述确定模块32，用于依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度；

所述预测模块33，用于依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户在每一类来电目的中的来电目的的预测值，然后依据所述预测值对所述目标用户的来电目的进行预测。

进一步的，所述获取模块31基于用户的历史日志数据对呼叫中心中的所有来电目的进行分类包括：所述获取模块31基于用户的历史日志数据，依据预设的规则对呼叫中心的所有来电目的进行分类；

这里，所述预设的规则可以为依据实际需要设定的任何规则，每一类来电目的至少包含一个来电目的，每一个来电目的可以属于多个类别；例如：依据预设的规则将所述来电目的分为包括话费查询、流量套餐办理及流量叠加办理 等的多类来电目的，所述流量套餐可以包括10元流量套餐和20元流量套餐，所述流量叠加可以包括5元叠加、10元叠加和15元叠加；需要说明的是，仅需首次应用本实施例方法时执行对呼叫中心中的所有来电目的进行分类的操作即可，后续可直接应用。

进一步的，所述获取模块31来电目的相似的获取来电用户对每一类来电目的的兴趣度包括：

所述获取模块31依据获取来电用户对每一类来电目的的兴趣度；其中，所述A_i,j为来电用户i对第j类来电目的的兴趣度；所述M_i,j为指定时间内来电用户i的第j类来电目的的来电数目；所述N_j为指定时间内第j类来电目的中包含的来电目的数目；

这里，所述指定时间为依据实际需要进行设定的时间，在一实施例中，所述指定时间为近两个月内；所述兴趣度可以用于衡量用户对某一类来电目的的兴趣程度，A_i,j为0表示用户i对第j类来电目的没有任何兴趣，即所述指定时间内的历史数据中没有用户i的第j类的来电目的；0＜A_i,j≤1表示用户i对第j类来电目的不太感兴趣；A_i,j＞1表示用户i对第j类来电目的感兴趣。

进一步的，所述确定模块32依据获取的兴趣度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度，包括：

所述确定模块32依据获取的兴趣度确定目标用户感兴趣的来电目的的类别，并依据如下公式获取在目标用户感兴趣的每一类来电目的来电用户中，所述目标用户与兴趣用户的目的相似度，然后依据获取的目的相似度确定目标用户的邻居用户及所述目标用户与所述邻居用户的目的相似度；

$W^j(u,i)=\frac{{\Sigma }_{k=K_1}^{K_y}(r_{u,k}-\overline{r_u})(r_{i,k}-\overline{r_i})}{\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{u,k}-\overline{r_u})}^2\sqrt{{\Sigma }_{k=K_1}^{K_y}{(r_{i,k}-\overline{r_i})}^2}}};$其中，

所述W^j(u,i)为第j类来电目的中目标用户u与兴趣用户i的目的相似度； 所述K_y为第j类来电目的中目标用户u的第y个来电目的；所述r_u,k为指定时间内第j类来电目的中目标用户u的来电目的k的来电次数；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_i,k为指定时间内第j类来电目的中兴趣用户i的来电目的k的来电次数；所述为指定时间内兴趣用户i在所有来电目的类别中的所有来电目的的平均值；

这里，所述确定模块32依据获取的兴趣度确定目标用户感兴趣的来电目的的类别包括：

所述确定模块32依据获取的所述目标用户对每一类来电目的的兴趣度，确定所述兴趣度大于1的类别为所述目标用户感兴趣的来电目的的类别；

所述兴趣用户为对所述目标用户感兴趣的来电目的类别也感兴趣的用户，可以依据获取的兴趣度的值确定对每一类来电目的感兴趣的用户，所述兴趣用户i为对第j类来电目的感兴趣的用户，即除目标用户u外对第j类来电目的的兴趣度大于1的用户。

所述确定模块32依据获取的目的相似度确定与目标用户的来电目的相似的邻居用户及所述目标用户与所述邻居用户的目的相似度，包括：

所述确定模块32对于目标用户感兴趣的每一类来电目的，将获取的目标用户与兴趣用户的目的相似度的值由大到小进行排序，取前m个兴趣用户为所述目标用户的邻居用户，相应的值为所述目标用户与所述邻居用户的目的相似度；这里，所述m的值可根据实际需要进行设定。

进一步的，所述获取模块31，还用于依据获取的兴趣度及目标用户感兴趣的来电目的类别，对该类别感兴趣的用户进行聚类，可形成用户兴趣模型；对于所述目标用户感兴趣的每一个来电目的类别，获取指定时间内该类别的来电用户对该类别的来电次数及指定时间内来电用户的所有来电目的的平均值；这里所述该类别的来电用户包括：目标用户及对该类别感兴趣的用户；

这里，所述对该类别感兴趣的用户进行聚类可以包括：获取兴趣矩阵P_x及类别矩阵Q_j；其中，P_i＝{R_x,j|j＝1,2,3,...,J}，Q_j＝{R_x,j|i＝1,2,3,...,I}；其中，R_x,j为 用户x在类别j的来电次数。

进一步的，所述预测模块33依据所述目标用户与所述邻居用户的目的相似度，获得所述目标用户在每一类来电目的中的来电目的的预测值包括：

所述预测模块33依据获得所述目标用户对于每一类来电目的中的来电目的的预测值；其中，所述P^j(u,k)为目标用户u在第j类来电目的中的来电目的k的预测值；所述m为目标用户u在第j类来电目的中的邻居用户的数目；所述W^j(u,g)为第j类来电目的中目标用户u与邻居用户g的目的相似度；所述为指定时间内目标用户u在所有来电目的类别中所有来电目的的平均值；所述r_g,k为第j类来电目的中指定时间内邻居用户g的来电目的k的来电次数；所述为指定时间内邻居用户g在所有来电目的类别中的所有来电目的的平均值。

进一步的，所述预测模块33依据所述预测值对所述目标用户的来电目的进行预测包括：

对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，取所有类别中预测值最大的来电目的为所述目标用户的来电目的；

或者，对获得的所述目标用户在每一类来电目的中的来电目的的预测值进行排序，获得每一类来电目的中预测值的最大值，然后计算所述目标用户对每一类来访目的的兴趣度权重，并对所述每一类来电目的中预测值的最大值进行加权，取加权后的预测值最大的来电目的为所述目标用户的来电目的；

其中，所述计算所述目标用户对每一类来访目的的兴趣度权重包括：

依据计算所述目标用户对每一类来访目的的兴趣度权重；其中，所述B_u,j为目标用户u对第j类来电目的的兴趣度权重；所述J为目标用户u感兴趣的来电目的类别数目；所述A_u,j为目标用户u对第j类来 电目的的兴趣度；所述M_u,j为指定时间内目标用户i在第j类来电目的中的来电次数。

若第j类来电目的中目标用户来电目的预测值的最大值为则对第j类来电目的中预测值的最大值进行加权为：

在本发明实施例中，符号“·”为数学符号相乘。

进一步的，所述装置还包括日志记录模块34，用于确定所述目标用户的来电目的预测正确时，记录所述目标用户的来电目的日志信息；这里，所述确定所述目标用户的来电目的预测正确包括：收到所述目标用户回复的自助办理信息。

在本发明实施例中，所述获取模块31、确定模块32、预测模块33及日志记录模块34均可由服务器中的中央处理器(CPU，Central Processing Unit)或数字信号处理器(DSP，Digital Signal Processor)、或现场可编程门阵列(FPGA，Field Programmable Gate Array)实现。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。