基于多分类器集成和特征融合的用户出境预测

来源：电讯技术杂志2021年第5期北京时间：

作者：张轩,许国良,魏安,王超,雒江涛

单位：(重庆邮电大学 a.通信与信息工程学院;b.电子信息与网络工程研究院，重庆 400065;重庆邮电大学 电子信息与网络工程研究院，重庆 400065)

摘要：准确地识别有出境意向的用户具有重要的意义，可为出境服务企业的精准营销实施、出境运营的高效管理和政策制定提供决策支持。针对此需求，提出了一种基于多分类器集成和特征融合的用户出境预测方法。首先利用用户的移动终端信息交互数据，挖掘用户的出境相关行为特征和静态特征作为样本特征；其次，通过最小冗余最大相关算法筛选最优特征，并利用贝叶斯优化算法寻找多个分类器最优超参数；最后，基于集成学习思想构建三层架构的用户出境预测模型，模型通过融合前两层分类器的输出特征生成新特征，并将其输入第三层分类器进行学习和预测。实验表明，所提方法的F1值和AUC(Area under the Curve)值分别达到了97.16%和97.21%，对于用户出境具有较高的预测精度。

关键词：数据挖掘；移动大数据；用户出境预测；三层融合模型；特征融合；

基金资助：教育部-中国移动科研基金项目(MCM20170203)；重庆市技术创新与应用示范(产业类重点研发)项目(cstc2018jszx-cyzdX0124)；重庆邮电大学人才引进项目(A2017-10)