[发明专利]一种融合滑窗相似图的运营商用户流失预测方法

权利要求书

1.一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，该流失预测方法具体步骤如下：

(1)预处理待输入的运营商用户数据以构成初始特征矩阵；

(2)定义或引入相关参数并构造不同行为特征的相似图矩阵；

(3)引入模拟退火法进行定义域内超参数的寻优；

(4)输入待训练特征矩阵并构建多视角融合特征；

(5)构建流失预测模型以预测运营商用户流失。

2.根据权利要求1所述的一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，步骤(1)中所述运营商用户数据预处理具体步骤如下：

步骤一：定义用户行为特征及类别特征，并根据特征合理性对行为特征及类别型特征的零值、缺失值、未知值、异常值进行处理；

步骤二：对类别特征进行实体嵌入，再将类别特征映射到欧几里得空间，并优化实体嵌入过程的超参数以构成初始特征矩阵。

3.根据权利要求2所述的一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，步骤(2)中所述相关参数具体包括滑动窗口步长F、top-k算法的k值、窗口初始大小W及(F，W)相关定义域以及引入的初始随机因子。

4.根据权利要求3所述的一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，步骤(2)中所述相似图矩阵具体构建步骤如下：

步骤Ⅰ：计算定义的用户行为特征的欧氏距离，并通过计算出的欧式距离寻找其top-k的最近邻节点构建行为相似图以表征用户相似行为信息，并抽取相似用户的共性行为，最后将图信息作为特征直接引入；

步骤Ⅱ：利用滑窗来构造不同行为特征的相似图矩阵，之后窗口向初始特征矩阵的特征维度方向移动，特征维度跟随滑窗移动而降低，以保证生成的F张相似图所使用特征的多样性，每次移动均生成用户行为相似图，移动N次构造N维滑窗下的相似图特征矩阵，横向堆叠至原始特征矩阵。

5.根据权利要求4所述的一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，步骤(4)中所述多视角融合特征具体构建步骤如下：

步骤①：将初始行为特征输入多尺度堆叠池化层，映射成隐式多尺度的特征并堆叠，再将行为相似图进行横向堆叠，之后融合M阶高低阶显示特征；

步骤②：将构造的所有特征映射到一维向量，输入到全连接层进行特征融合，最后输出融合后的融合特征。

6.根据权利要求5所述的一种融合滑窗相似图的运营商用户流失预测方法，其特征在于，步骤(5)中所述融合网络具体预测步骤如下：

第一步：将类别特征的embending部分进行向量拼接以获得初始特征的输入向量，并输入到特征构造模块，该模块通过MSSP、DCN两个模块构建特征，之后使用logloss作为模型的损失函数计算输出值与目标值之间的误差，并使用Adam算法作为模型的优化器进行权重更新；

第二步：当评价指标logloss值不在发生剧烈变化时或训练次数达到最大迭代次数上限N时，输出训练好的模型文件，调用训练好的流失预测模型，将MSSP、DCN两个模块所输出的特征通过特征映射层融合到同一维度，输入测试数据至模型，计算得到运营商用户流失预测的结果，根据预测结果评估模型性能。