基于GAN数据重构的电信用户流失预测方法

作者：阿克弘; 胡晓东

来源：电信科学, 2023, 39(03): 135-142.

• XGBoost算法
• 生成对抗网络
• 用户流失
• 数据重构
• SMOTE

用户是运营商利益的核心。随着携号转网政策的出台，运营商之间的竞争越发激烈。为了提前精准有效地预测用户流失倾向，提出了一种基于生成对抗网络（generative adversarial network,GAN）数据重构的电信用户流失预测方法。首先，利用有效的数据预处理方法电信用户流失数据中的脏数据；其次，利用GAN重构电信用户流失数据，解决电信用户流失数据不平衡问题；最后，利用极度梯度提升树（extremegradient boosting,XGBoost）算法分别训练基于GAN重构的电信用户流失预测模型和基于合成少数类过采样技术（synthetic minority oversampling technique,SMOTE）采样的电信用户流失预测模型，对比两种模型的预测精度。实验结果表明，GAN重构后的电信用户流失预测模型预测精度比未重构的预测模型的准确率提升了6.75%，查准率提升了25.91%，召回率提升了30.91%,F1值提升了28.73%。该方法能够有效提升电信用户流失预测的准确度。

• 单位
  中国电信股份有限公司