[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

说明书

本发明公开了一种融合滑窗相似图的运营商用户流失预测方法，属于用户流失分类预测领域，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；本发明可在付出极小参数代价的条件下，加快模型收敛速度，提高模型的可拓展性，并提高模型的准确率。同时，模型的时间复杂度较低，特征抽取能力更强大，保证了模型在用户流失预测场景下具有可执行性。

技术领域

本发明涉及用户流失分类预测领域，尤其涉及一种融合滑窗相似图的运营商用户流失预测方法。

背景技术

伴随着运营商市场的成熟及人口红利的消失，运营商的新用户增长速度放缓，市场由增量转变为增量存量共同发展的模式，在此背景下维护好现有的客户，降低用户流失率凸显的尤为重要。

传统的用户流失预测方法特征单一且缺乏多视角的表征特征，缺少对用户行为、行为语义等信息抽取能力；另一方面，从模型角度分析，传统算法训练的流失预测模型缺乏深层特征表征能力，且多数特征依赖人工构造等，特征表达不够深层、全面。

本次具体涉及一种融合滑窗相似图的运营商用户流失预测方法，通过所训练的算法模型为用户行为数据赋能，以便运营人员针对不同的流失原因采取对应的挽回策略。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种融合滑窗相似图的运营商用户流失预测方法。

为了实现上述目的，本发明采用了如下技术方案：

一种融合滑窗相似图的运营商用户流失预测方法，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。

作为本发明的进一步方案，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。

作为本发明的进一步方案，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。

作为本发明的进一步方案，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。

作为本发明的进一步方案，步骤(4)中所述多视角融合特征具体构建步骤如下：