利用机器学习在匿名基于位置的社交网络中理解与预测用户生命周期

在这项工作中，我们预测了沙特阿拉伯境内匿名且基于位置的社交网络Jodel中的用户生命周期。Jodel基于位置的属性导致了全国范围内互不相交社区的建立，并首次使得针对大量互不相交社区的用户生命周期研究成为可能。用户生命周期是评估和引导客户群的一项重要度量，因为它可用于预测流失并可能应用合适的方法以避免潜在用户损失。我们使用5折交叉验证训练和测试现成的机器学习技术，将用户生命周期预测作为回归和分类问题；确定随机森林能提供非常强劲的结果。讨论模型复杂度和质量权衡时，我们还深入进行了与时间相关的特征子集分析，其表现并不理想；将分类问题简化为二分类决策（生命周期长于时间跨度$x$）实现了具有极佳性能的实用生命周期预测器。我们根据特征重要性的强相关性识别了跨社区模型的隐含相似性。一个单一全国模型泛化了该问题，并对任何被测社区同样有效；整体模型内部工作方式与其他模型类似，这也由其特征重要性所表明。