基于扩散模型生成数据重构的客户流失预测

来源：计算机研究与发展杂志2024年第2期北京时间：

作者：杨斌,王正阳,程梓航,赵慧英,王鑫,管宇,程新洲,

摘要：在数据挖掘领域普遍存在数据不平衡影响到模型预测精度的问题，同时还存在未考虑用户隐私保护的问题.生成伪造数据是一种重要的解决方法，但在以结构化数据为主的场景中，由于存在数据特征维度多且不相关等特点，生成高质量的数据存在挑战.考虑到扩散模型在图像生成等任务中被成功应用，以客户流失预测为典型应用场景，尝试将扩散模型应用到客户流失预测任务中.针对该场景数据中的数值型特征和类别型特征，通过高斯扩散模型和多项式扩散模型获得生成数据，并对模型预测效果和数据隐私保护能力进行研究和分析.在多个领域的客户流失数据上进行了大量实验，探索应用生成数据对真实数据融合重构的可能性.实验结果表明基于扩散模型可生成高质量数据，且对多种预测方法均有一定提升，可实现缓解数据不平衡问题.同时，基于扩散模型生成的数据分布更接近真实数据，具有应用于用户隐私保护的潜在价值.

关键词：客户流失, 扩散模型, 用户隐私, 数据生成, 类别特征,