基于CNN-LSTM模型的不满意用户预警研究

作者：陈大龙; 王计斌

来源：江苏通信, 2023, 39(02): 83-86.

• 卷积神经网络
• 长短期记忆网络
• CNN-LSTM
• 满意度

为了从海量数据中挖掘有效信息，提高不满意用户预测精度，针对用户话单数据时序性和非线性的特点，提出了一种基于卷积神经网络（CNN）和长短期记忆（LSTM）的不满意用户预测模型。首先，将用户信息数据和历史话单数据按时间滑动窗口构造连续特征图作为输入，采用CNN提取特征向量；然后，将特征向量以时序序列方式构造，采用LSTM进行用户满意度预测。通过所提方法对江苏省某地区移动通信用户数据的预测实验表明，本文提出的预测方法比传统预测方法、机器学习方法和标准LSTM网络预测方法具有更高的预测精度。