-
公开(公告)号：CN109272332B
公开(公告)日：2021-06-08
申请号：CN201810870865.1
申请日：2018-08-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于递归神经网络的客户流失预测方法，包括：(1)获取客户数据并对数据进行预处理；(2)将同一个客户T个时间单位的一行特征，按时间倒序依次排列，组成一个T行特征构成的二维数据单元；(3)将所有用户的T行二维数据，构成模型的输入特征矩阵；(4)定义标签，构成被试数据；(5)构建混合递归神经网络，预测客户的流失；(6)将模型训练部分的客户数据经过步骤(1)‑(4)的处理后输入至所述混合递归神经网络中进行模型训练，得到混合递归神经网络模型；(7)采用混合递归神经网络模型对客户进行流失预测。本发明能够有效提高客户流失预测的准确率，同时减少客户历史数据特征工程的工作量。
-
Patent Agency Ranking
公开(公告)号：CN110189167A
公开(公告)日：2019-08-30
申请号：CN201910417284.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。
-
公开(公告)号：CN110189167B
公开(公告)日：2021-06-08
申请号：CN201910417284.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。
-
公开(公告)号：CN110223106A
公开(公告)日：2019-09-10
申请号：CN201910417277.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于深度学习的欺诈应用检测方法，包括步骤：1)获取移动广告数据，进行预处理；2)提取结构数据和样本数据；3)基于结构数据构建图并获取图嵌入特征，基于样本数据构建应用二维数据单元；4)所有应用的数据单元和图嵌入特征纵向拼接构建应用基本属性特征矩阵和图嵌入特征矩阵，构成输入特征；5)定义标签，构成被试数据；6)构建混合卷积神经网络，用于欺诈检测；7)被试数据输入至混合卷积神经网络中训练，得到混合卷积神经网络模型；8)采用混合卷积神经网络模型进行欺诈检测。本发明能够同时考虑应用的结构特征和基本属性特征，有效提高欺诈应用检测的准确率，同时减少移动广告历史数据特征工程的工作量。
-
公开(公告)号：CN109272332A
公开(公告)日：2019-01-25
申请号：CN201810870865.1
申请日：2018-08-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于递归神经网络的客户流失预测方法，包括：(1)获取客户数据并对数据进行预处理；(2)将同一个客户T个时间单位的一行特征，按时间倒序依次排列，组成一个T行特征构成的二维数据单元；(3)将所有用户的T行二维数据，构成模型的输入特征矩阵；(4)定义标签，构成被试数据；(5)构建混合递归神经网络，预测客户的流失；(6)将模型训练部分的客户数据经过步骤(1)-(4)的处理后输入至所述混合递归神经网络中进行模型训练，得到混合递归神经网络模型；(7)采用混合递归神经网络模型对客户进行流失预测。本发明能够有效提高客户流失预测的准确率，同时减少客户历史数据特征工程的工作量。
-
公开(公告)号：CN110223106B
公开(公告)日：2021-09-21
申请号：CN201910417277.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于深度学习的欺诈应用检测方法，包括步骤：1)获取移动广告数据，进行预处理；2)提取结构数据和样本数据；3)基于结构数据构建图并获取图嵌入特征，基于样本数据构建应用二维数据单元；4)所有应用的数据单元和图嵌入特征纵向拼接构建应用基本属性特征矩阵和图嵌入特征矩阵，构成输入特征；5)定义标签，构成被试数据；6)构建混合卷积神经网络，用于欺诈检测；7)被试数据输入至混合卷积神经网络中训练，得到混合卷积神经网络模型；8)采用混合卷积神经网络模型进行欺诈检测。本发明能够同时考虑应用的结构特征和基本属性特征，有效提高欺诈应用检测的准确率，同时减少移动广告历史数据特征工程的工作量。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
