基于深度神经网络的多因素感知终端换机预测模型

作者：陈纬奇; 王敬昌; 陈岭^*; 杨勇勤; 吴勇

来源：浙江大学学报(工学版), 2021, 55(01): 109-115.

• 终端换机预测
• 多因素感知
• 深度神经网络
• 长短时记忆网络
• 全连接网络

针对基于特征工程的传统终端换机预测模型依赖于领域知识且无法充分利用用户通话、流量使用等序列数据的问题,提出基于深度神经网络的多因素融合终端换机预测模型.该模型使用长短时记忆网络(LSTM)提取用户通话、流量使用行为序列特征,使用全连接网络融合用户自然属性、行为序列特征和历史换机信息,预测用户是否换机.实验表明,基于深度神经网络的多因素融合终端换机预测模型能够考虑影响用户换机的多种因素,充分挖掘用户通话、流量使用行为序列特征;当召回率为0.135时,相比于传统模型精确率提高了34.3%.

• 单位
  浙江大学