一种用于预测用户意图行为的混合深度学习方法
机器学习
2018-10-12 v1 人机交互
机器学习
摘要
用户意图行为广泛见于诸多领域。预测这些行为并采取主动措施以优化业务结果，是维持业务稳步增长的关键一步。本工作中，我们聚焦于预测流失这一典型的用户意图行为。传统的流失预测建模策略存在若干固有缺陷。为克服这些局限，我们提出一种新颖的端到端学习方案，以追踪流失模式的演化并进行预测建模。它基于多路径学习整合用户活动日志、动态与静态用户画像，通过构建衰减多快照技术利用历史用户记录，并最终借助前置用户意图引导后续学习过程。由此，它解决了传统方法的所有不足。我们在两个公共数据仓库和Adobe Creative Cloud提供的一个私有用户使用数据集上评估了该方法。大量实验表明，按多种常用指标评价，与几种现有方法相比它具有优异性能。此外，我们引入一种先进的解释与可视化策略，以有效刻画用户活动日志的周期性。它有助于 pinpoint（准确定位）对用户流失与留存至关重要的因素，从而为业务实践提出可操作的改进目标。我们的工作将为其他用户意图行为的预测与阐释提供有益见解。
引用
@article{arxiv.1810.04824,
title = {A Blended Deep Learning Approach for Predicting User Intended Actions},
author = {Fei Tan and Zhi Wei and Jun He and Xiang Wu and Bo Peng and Haoran Liu and Zhenyu Yan},
journal= {arXiv preprint arXiv:1810.04824},
year = {2018}
}
备注
10 pages, International Conference on Data Mining 2018