买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:清华大学
摘要:本发明提供一种用户流失预测方法及装置。该方法包括:获取待预测用户的关联关系数据、历史交互数据及个人目标数据;将关联关系数据、历史交互数据及个人目标数据输入到用户流失预测模型中,得到用户流失预测模型输出的未来目标时间段对应的用户流失预测结果;用户流失预测模型是基于样本用户数据、样本用户数据对应的用户流失预测结果及标签用户流失数据训练得到的;用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。采用本发明方法,基于反事实推理建模架构引入用户间相互关系因素,提高了用户流失预测的准确度。
主权项:1.一种用户流失预测方法,其特征在于,包括:获取待预测用户的关联关系数据、历史交互数据及个人目标数据;将所述关联关系数据、所述历史交互数据及所述个人目标数据输入到用户流失预测模型中,得到所述用户流失预测模型输出的未来目标时间段对应的用户流失预测结果;其中,所述用户流失预测模型是基于样本用户数据、所述样本用户数据对应的用户流失预测结果以及标签用户流失数据训练得到的;所述用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型;所述图神经网络子模型包括基于社交驱动的图卷积组件和边学习组件;其中,所述边学习组件,用于将输入的节点特征、边特征以及节点间交互特征进行拼接,并利用预设线性网络模型学习得到针对关联关系网络中每一条边的蒙版向量;所述节点特征、所述边特征以及所述节点间交互特征是分别基于对所述个人目标数据、所述关联关系数据以及所述历史交互数据进行建模及特征提取得到的;所述图卷积组件,用于针对所述关联关系网络中的目标节点,基于所述边学习组件得到的对应蒙板向量以及相邻节点的状态向量,通过注意力机制更新所述目标节点的状态向量;将所述目标节点的状态向量作为所述用户社交影响表征向量。
全文数据:
权利要求:
百度查询: 清华大学 一种用户流失预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。