-
题名混合Markov与Bayes的客户欠费预测模型
被引量：1
- 1
-
-
作者
吴舒霞
陈炼
高胜保
-
机构
南昌大学信息工程学院
中国电信股份有限公司江西分公司
-
出处
《河北大学学报（自然科学版）》
CAS
北大核心
2016年第5期535-540,共6页
-
基金
国家自然科学基金资助项目(61463033)
江西省教育厅科学技术研究项目(GJJ14136)
-
文摘
为有效规避客户欠逃费和实现差异化处置,针对具有长期定时付费特征的后付费类服务,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置.首先,基于其付费特点,建立k序马尔科夫模型,计算客户的初始欠费概率;然后,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;最后,基于实际数据进行实证分析,验证了该模型的有效性.
-
关键词
后付费客户
欠费预测模型
混合马尔科夫
贝叶斯
-
Keywords
post-paid customer
probability prediction model
hybrid Markov
Bayesian
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
