面向电信客户流失预测的社会网络分析：模型构建、评估与网络架构
社会与信息网络
2020-03-20 v1 计算机与社会
摘要
社会网络分析方法正被电信行业用于预测客户流失，并取得了巨大成功。特别是已有研究表明，针对这一特定问题调整后的关系学习器能够提升预测模型的性能。在本研究中，我们通过将不同的关系学习器构建策略应用于来自全球电信机构的共八个不同的通话详单记录数据集来进行基准测试。我们统计评估了关系分类器和集体推断方法对关系学习器预测能力的影响，以及将关系学习器与电信行业传统的客户流失预测方法相结合的模型性能。最后，我们研究了网络构建对模型性能的影响；我们的发现表明，网络中边和权重的定义确实会对预测模型的结果产生影响。作为本研究的结果，最佳配置是不使用集体推断、采用二元权重和无向网络、由网络变量增强的非关系学习器。此外，我们提供了关于如何以最优方式应用社会网络分析进行电信行业客户流失预测的指南，涵盖从网络架构到模型构建与评估。
引用
@article{arxiv.2001.06701,
title = {Social Network Analytics for Churn Prediction in Telco: Model Building, Evaluation and Network Architecture},
author = {María Óskarsdóttir and Cristián Bravo and Wouter Verbeke and Carlos Sarraute and Bart Baesens and Jan Vanthienen},
journal= {arXiv preprint arXiv:2001.06701},
year = {2020}
}