[发明专利]一种基于递归神经网络的客户流失预测方法有效
| 申请号： | 201810870865.1 | 申请日： | 2018-08-02 |
| 公开（公告）号： | CN109272332B | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 胡金龙;庄懿;朱闰超;董守斌 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06Q30/00 | 分类号： | G06Q30/00;G06Q30/02;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 刘巧霞 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 一种 基于 递归 神经网络 客户 流失 预测 方法 | ||
【主权项】：
1.一种基于递归神经网络的客户流失预测方法，其特征在于，具体步骤包括：(1)获取客户数据，对客户数据进行预处理；(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，组成一个由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![]()
依次纵向拼接起来，构成输入特征矩阵![]()
即客户数据矩阵；(4)根据数据提供者标注的客户是否为流失客户的信息来设置每个客户的标签取值；流失客户的标签设置为1，非流失客户的标签设置为0，得到标签数据![]()
与步骤(3)中的输入特征矩阵相结合构成被试数据；(5)构建混合递归神经网络，用于预测客户的流失；(6)将模型训练部分的客户数据，经过步骤(1)‑(4)的处理，将得到的被试数据输入至所构建的混合递归神经网络中进行模型训练，获得混合卷积神经网络的参数，得到用于客户流失预测的混合递归神经网络模型；(7)将获得的客户数据依次进行步骤(1)‑(3)的处理，将得到的客户数据矩阵输入到混合递归神经网络模型中进行客户流失预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810870865.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种用于食用农产品的质量溯源防伪系统
- 下一篇：一种晒园农业生态游综合平台
