科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对客户流失预测任务中，离散特征进行one-hot编码后特征空间过大，特征表示向量过于稀疏，引发维度灾难的问题，提出一种流失预测模型。基于特征嵌入和Transformer将高维离散数据转换为基于上下文的嵌入，降低编码后的数据维度，增强特征值间的联系。结合基于自适应邻接矩阵定义的图卷积操作，自动学习特征间潜在的关联关系，提高对正类样本的识别精度。使用交叉验证的方式在两份公开数据集上进行对比实验和消融实验，实验结果表明，改进模型能够有效增强多层感知机对于样本的拟合能力，提高分类预测准确率。
- 单位
