基于深度学习的用户投诉预测模型研究
用户投诉预测模型能有效地降低电信用户投诉率，对企业提高用户满意度和竞争力有着至关重要的作用。在模型训练过程中，由于人工设计特征的缺陷和设计过程中存在难以预估的复杂性，使得模型预测的精度和设计特征的效率不能有很大的提升。针对上述问题，提出了一种基于深度学习的用户投诉预测模型。该模型通过深层网络特征学习单元能从电信用户原始数据中自动学习到适合分类器分类的高层非线性组合特征，并将这些高层特征输入到传统分类器中来提高模型的精度。通过实验结果分析，预测模型在AUC指标上比以往用户投诉模型提升了7.1%，证明了该模型自动学习特征的有效性和深度学习在电信大数据领域的可用性。
文件下载
评论信息
其他资源
- 勤哲EXCEL服务器2017.13.0.1无限用户.rar
- NPS_Browser_0.95_中文版.zip
- 把web项目打包成exe文件，一键安装
- CPK计算（含VB.NET源代码）
- 辛辛那提大学轴承数据集
- Vector Davinci官方帮助配置使用手册最新.rar
- advisor软件资源
- 《lcd1602仿真实例》
- 高通 atheros ART 校准
- CDH5.16.2和CM5.16.2安装包网盘地址.zip
- 7.2 浏览器界面设计
- 货物管理系统uml模型
- 算法刷题LeetCode中文版.pdf
- i8080：英特尔8080汇编器和调试器-源码
- meishengt800.zip
- 运用matlab编程实现蚁群算法的低压电力线设计
- 基于node+mongdb的后台管理系统
- 知识学习类APP
- MapGis2ArcGis（模块板）.zip
- 光纤光学 华中科大 刘德明
- CPCI驱动开发例程
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明