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

来源：计算机应用杂志2025年第9期北京时间：

作者：卢燕群, 赵奕奕

单位：1.成都行政学院，成都 610110；2.西南财经大学 大数据研究院，成都 611130

摘要：针对普惠金融领域客户流失问题的严峻性及现有客户挽留模型在预测精度与可解释性上的不足，提出一种基于层次图神经网络（HGNN）和差异化特征学习（SFL）的客户流失预测模型HGNN-SFLN （HGNN-SFL Network），以提升模型的预测能力和对特征交互的理解。首先，为了应对数据不平衡问题，提出一种混合采样策略，并在特征层面对不同类别的特征进行加权调整，以确保各类数据的有效利用；其次，利用层次图强化不同特征之间的关联性，并构建一种基于自注意力机制的SFL模块，以增强模型对分类特征的处理能力及特征交互关系的解析能力。通过该模块，模型能够精准识别关键特征，并有效捕捉它们之间的复杂交互关系，从而优化预测决策过程。实验结果表明，所提模型在多个真实金融数据集上相较于主流模型，如Light GBM（Light Gradient Boosting Machine）和深度神经网络（DNN），在曲线下面积（AUC）等关键指标上都取得了最优结果，并且在精确识别关键流失特征以及有效捕捉特征间的复杂交互关系方面，相较于对比模型展现出显著的优势。

关键词：客户流失预测,数据不平衡,特征交互建模,差异化特征,层次图神经网络

基金资助：教育部人文社会科学规划基金资助项目(21YJA630122)