电信行业流失预测中社交网络分类器的比较研究
社会与信息网络
2020-03-20 v1 计算机与社会
摘要
网络数据中的关系学习已在多项研究中被证明是有效的。由关系分类器与集体推断方法组成的关系学习器，能够在给定与其他节点连接的存在的强度时推断网络中的节点。这些方法已被改编用于预测电信公司的客户流失，表明引入它们可能给出更准确的预测。在本研究中，通过将多种关系学习器应用于源自电信行业的若干 CDR 数据集来比较其性能，旨在对它们整体排序并分别考察关系分类器与集体推断方法的影响。我们的结果表明，集体推断方法并未改善关系分类器的性能，且表现最佳的关系分类器为仅基于网络的链接分类器，其利用网络中节点的基于链接的度量构建逻辑斯蒂模型。
引用
@article{arxiv.2001.06700,
title = {A Comparative Study of Social Network Classifiers for Predicting Churn in the Telecommunication Industry},
author = {Maria Óskarsdóttir and Cristián Bravo and Wouter Verbeke and Carlos Sarraute and Bart Baesens and Jan Vanthienen},
journal= {arXiv preprint arXiv:2001.06700},
year = {2020}
}
备注
2016 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM)