一种基于XGBoost算法的用户投诉预测方法

宗宇雷; 梁童; 吴伟嘉; 阙鋆淑

doi:10.13992/j.cnki.tetas.2023.11.016

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于XGBoost算法的用户投诉预测方法

新技术应用 | 更新时间：2026-04-21

- 一种基于XGBoost算法的用户投诉预测方法
- 一种基于XGBoost算法的用户投诉预测方法
- 电信工程技术与标准化 2023年36卷第11期页码：7-12
- 作者机构：
  
  1. 中国移动通信集团设计院有限公司
  2. 中国移动通信集团云南有限公司
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2023.11.016
  中图分类号： F274;TP181;TN929.5
- 纸质出版：2023
- 稿件说明：
移动端阅览
宗宇雷, 梁童, 吴伟嘉, 等. 一种基于XGBoost算法的用户投诉预测方法[J]. 电信工程技术与标准化, 2023,36(11):7-12.

宗宇雷, 梁童, 吴伟嘉, et al. 一种基于XGBoost算法的用户投诉预测方法[J]. 2023, 36(11): 7-12.
宗宇雷, 梁童, 吴伟嘉, 等. 一种基于XGBoost算法的用户投诉预测方法[J]. 电信工程技术与标准化, 2023,36(11):7-12. DOI： 10.13992/j.cnki.tetas.2023.11.016.

宗宇雷, 梁童, 吴伟嘉, et al. 一种基于XGBoost算法的用户投诉预测方法[J]. 2023, 36(11): 7-12. DOI： 10.13992/j.cnki.tetas.2023.11.016.

摘要

用户的投诉行为既受到客观网络环境作用，又具有强烈的主观行为意识。通过收集投诉用户的主客观数据特征，引入机器学习算法预测潜在的投诉用户，提早介入进行网络优化和用户关怀，能够有效降低网络投诉的发生。本文介绍了一种基于XGBoost算法的投诉用户特征识别和预测方法，通过收集投诉用户数据特征，构建投诉特征指标集，利用XGBoost算法迭代处理实现潜在投诉用户预测。经大量数据验证，本算法可有效实现对网络潜在投诉预测，为网络优化提供了重要依据。

Abstract

关键词

Keywords

references

基于AI的无线网络用户满意度分析[J]. 李露;李一喆.邮电设计技术,2018(12)

基于二次组合的特征工程与XGBoost模型的用户行为预测[J]. 杨立洪;白肇强.科学技术与工程,2018(14)

基于深度学习的用户投诉预测模型研究[J]. 周文杰;严建峰;杨璐.计算机应用研究,2017(05)

浏览量

167

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于知识图谱的电费智能稽核方法

基于运维孪生的异常检测研究

一种分布式能耗态势感知与预测方法研究

基于自适应网络拓扑和日志聚类的故障定界方法研究

基于日志数据的窗口化异常检测方法

相关机构

中国移动通信集团广西有限公司百色分公司

中移动信息技术有限公司

中国移动通信集团广东有限公司

中移信息技术有限公司

中国移动通信集团有限公司

AI问答

地址：北京市丰台区顺八条1号院2号楼北阳晨光大厦2层邮编：100079
联系电话：（010）53879206 Email：tmw@bjxintong.com.cn
技术支持由北京北大方正电子有限公司提供京ICP备09082226号-64 京公网安备11010602201714号
本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies

⁰