基于KNN与改进图注意力网络的电信客户流失预测算法

徐 方杭
浙江万里学院

摘要


客户流失是电信行业、金融行业重要的运营痛点，精准预判流失客户可以为企业发展节省费用、创造更多
业绩。目前有研究利用图神经网络进行客户流失预测，忽视了客户行为相似的关联性，没有区分客户高维特征的贡
献度。为此，本文提出考虑KNN与改进GAT的客户流失预测算法：利用KNN根据客户特征的相似度来构造客户
关联图，将客户结构化数据转换为图数据挖掘客户流失的关联性规律；GAT中考虑了特征自适应加权模块，增加了
重要特征权重、降低了背景干扰性特征权重；利用多层堆叠注意机制及残差结构，融合个人行为与邻居行为的关联
特征，来进行客户流失的区分判断。本文基于电信业务公开基准数据集进行十次交叉验证的结果发现所提算法F1值
0.731、准确率83.6%、召回率72.5%优于基本的图神经网络和主流深度模型，支持电信客户流失预测工作。

关键词


客户流失预测；图注意力网络；K近邻；特征自适应加权；电信运营

全文:

PDF


参考


[1]王圣节，张庆红.基于可解释机器学习模型的电

信行业客户流失预测研究[J].电信科学，2024，40（7）：

121-133.

[2]刘梅，郑立君，段永良，等.PCA+GWO集成特

征选择和模型堆叠的客户流失预测[J].计算机工程与应

用，2025，61（15）：329-342.

[3]吕宁，罗倩.融合XGBoost和逻辑回归算法的电

信客户流失预测模型[J].现代电子技术，2025，48（11）：

136-143.

[4]卢燕群，赵奕奕.基于层次图神经网络和差异化

特征学习的客户流失预测模型[J].计算机应用，2025，45

（9）：3057-3066.

[5]高洁.基于机器学习的客户流失预测及生存分析

[D].开封：河南大学，2024.

[6]汪昱霖.基于集成学习的广电客户流失预测模型

研究[J].电视技术，2024，48（07）：59-66.

[7]李龙戈，郑铿城.基于集成森林元学习网络的客

户流失预测[J].电信科学，2024，40（10）：163-172.


Refbacks

  • 当前没有refback。