【技术实现步骤摘要】
本专利技术属于计算机信息计算，尤其涉及一种基于层次化关系的可解释商家流失预测方法。
技术介绍
1、网络技术的发展极大地促进了以在线业务为导向的服务平台的应用，这些平台提供了多种多样的服务，以满足不同类型客户的不同需求。客户在企业运营中起着至关重要的作用，企业必须获得并留住客户。最近的研究表明，获取新客户的成本是留住老客户的五倍，而老客户与新客户相比能带来更多的收入。因此，企业越来越重视客户保留战略。留住客户的一个重要方面是及早识别客户流失并分析流失原因，这涉及可解释的流失客户预测，可用于识别潜在流失客户并制定有针对性的挽留策略。
2、经对物流平台中客户行为的分析探究，得到服务平台中商业客户流失原因，对于商业客户来讲，其行为除受到个性化偏好影响，还受多种外部因素的影响，如分层的商业特性和服务类型等。例如，当某行业在商业领域整体经营不佳时，属于这一行业的商业客户出现流失不再使用服务平台的可能性大，或当该服务平台的某些服务出现问题，不能提供高质量服务时，同使用这些服务的商业客户也会出现流失。这些复杂的因素为面向商业客户的可解释流失...
【技术保护点】
1.一种基于层次化关系的可解释商家流失预测系统，其特征在于，该系统包括流失预测器模块、反事实解释器模块；
2.根据权利要求1所述的一种基于层次化关系的可解释商家流失预测系统，其特征在于，所述流失预测器模块中，通过注意力机制和时间卷积神经网络建模商家历史单量序列，使用注意力机制抽取序列特征计算商家序列如下：
3.根据权利要求2所述的一种基于层次化关系的可解释商家流失预测系统，其特征在于，所述流失预测器模块中，使用Hc作为超图节点特征，利用客户商业特性矩阵P构建分层特征超图其中，商业特性矩阵如果客户i属于某商业特性j，则P(i,j)＝1，NC为客户...
【技术特征摘要】
1.一种基于层次化关系的可解释商家流失预测系统，其特征在于，该系统包括流失预测器模块、反事实解释器模块；
2.根据权利要求1所述的一种基于层次化关系的可解释商家流失预测系统，其特征在于，所述流失预测器模块中，通过注意力机制和时间卷积神经网络建模商家历史单量序列，使用注意力机制抽取序列特征计算商家序列如下：
3.根据权利要求2所述的一种基于层次化关系的可解释商家流失预测系统，其特征在于，所述流失预测器模块中，使用hc作为超图节点特征，利用客户商业特性矩阵p构建分层特征超图其中，商业特性矩阵如果客户i属于某商业特性j，则p(i,j)＝1，nc为客户总数，l为客户商业特征数，构建分层特征超图时，使拥有同一个商业特征的客户节点位于一条超边上，得到分层特征超图邻接矩阵ah，各客户在分层特征上权重相等，使用单位矩阵表示分层特征超图权重矩阵wh，使用客户与平台的交互矩阵i构建交互关系超图其中，交互矩阵如果客户i使用某服务j，则ns为服务总数，oi,j为客户i使用服务j的订单数，oi为客户的总订单数，构建交互超图时，使用同一服务的节点位于一条超边，且节点到超边的权重为该节点使用该服务占所使用全部服务的比重，由此得到交互关系超图权重矩阵wi，交互关系超图邻接矩阵ai计算公式如下：
4.根据权利要求3所述的一种基于层次化关系的可解释商家流失预测系统，其特征在于，所述流失预测器模块中，对构建的三张超图进行超图卷积以获得...
【专利技术属性】
技术研发人员：王帅，张心睿，林丽，夏凯文，惠维，龚伟，
申请(专利权)人：东南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。