基于深度学习的用户投诉预测模型研究

• 作者: 严建峰 周文杰 杨璐
• 来源期刊: 计算机应用研究
• 关键词: 电信投诉预测 深度学习 深度置信网络 非线性组合特征
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 系统应用开发
• 页码范围: 1428-1432
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.05.034

摘要

用户投诉预测模型能有效地降低电信用户投诉率,对企业提高用户满意度和竞争力有着至关重要的作用.在模型训练过程中,由于人工设计特征的缺陷和设计过程中存在难以预估的复杂性,使得模型预测的精度和设计特征的效率不能有很大的提升.针对上述问题,提出了一种基于深度学习的用户投诉预测模型.该模型通过深层网络特征学习单元能从电信用户原始数据中自动学习到适合分类器分类的高层非线性组合特征,并将这些高层特征输入到传统分类器中来提高模型的精度.通过实验结果分析,预测模型在AUC指标上比以往用户投诉模型提升了7.1％,证明了该模型自动学习特征的有效性和深度学习在电信大数据领域的可用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周文杰	苏州大学计算机科学与技术学院	11	65	5.0	7.0
2	严建峰	苏州大学计算机科学与技术学院	33	149	8.0	10.0
4	杨璐	苏州大学计算机科学与技术学院	19	74	5.0	7.0