公开(公告)号：CN115688048A

公开(公告)日：2023-02-03

申请号：CN202211347145.X

申请日：2022-10-31

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  魏铃林 ,  谢显中

IPC: G06F18/25 ,  G06F18/2411 ,  G06F18/2415 ,  G06F18/2431 ,  G06N3/045 ,  G06N3/09 ,  G06N3/094

Abstract: 本发明涉及一种基于条件WassersteinGAN的电信客户流失预测方法，属于网络技术领域。采用了基于带梯度惩罚的WassersteinGAN和条件GAN的综合GAN模型来对电信行业的不平衡数据进行处理。这也是首次将GAN用于处理电信行业的数据不平衡问题。同时，本发明还在CWGAN模型的基础上引入了混合注意力机制CBAM来进一步辅助生成器关注与分类任务相关的特征。之后，在四个常用的机器学习分类器上证明了所采用方法的有效性。

公开(公告)号：CN118735063A

公开(公告)日：2024-10-01

申请号：CN202410858823.1

申请日：2024-06-28

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  李洋 ,  谢显中 ,  魏铃林 ,  尤亚峰

IPC: G06Q10/04 ,  G06Q30/01 ,  G06F18/23213 ,  G06F18/214 ,  G06F17/10

Abstract: 本发明涉及一种基于数据场聚类的客户细分方法，属于数据处理技术领域。本发明利用可解释性机器学习作为中间过程，将客户流失预测和客户细分无缝衔接起来；在进行流失预测之后，采用可解释性机器学习对客户流失预测模型进行解释分析，评估每个特征的重要性；之后，利用基于数据场的聚类方法来对每个数据中的流失客户和非流失客户分别进行细分；通过分析不同客户群体的特征，理解客户流失和留下背后的真正原因。通过本发明CSP能够根据客户需求和消费特征进行个性化定制，为不同客户群体提供差异化的产品和服务，并实现精准营销。