基于深度学习的电信客户流失预测方法研究

• 作者: 李延冰
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 视频内容理解 低耦合 消息队列 微服务
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 网络与融合
• 页码范围: 1-5
• 页数: 5页
• 分类号: TN915.08
• 字数: 3281字
• 语种: 中文
• DOI: 10.16280/j.videoe.2020.04.001

摘要

在当今数据爆炸式增长的信息时代,移动通信行业的竞争愈演愈烈.如何正确分析客户相关数据并有效预测流失的客户群,成为各大运营商亟待解决的问题.针对目前已有多种解决方案无法做到客户流失的可靠预测,提出使用图神经网络动态学习的方法,结合电信数据的特性,深度挖掘历史数据的潜在相关性,实现提升客户流失预测精度的目的.所提方法使用公共数据集作为图神经网络的输入数据,并将实验结果与几种经典的基线模型进行了对比.实验结果表明,使用图神经网络能够提升客户流失预测精度,有助于各大运营商提前采取有效措施.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李延冰	新疆大学软件学院	1	0	0.0	0.0