[發明專利]一種基于深度學習的客戶流失預測方法

在審

• 申請號: 202111386337.7
• 申請日: 2021-11-22
• 公開（公告）號: CN114066075A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 杜婧;楊青;王斌;李應煒;何寧;袁淵;高媛;陳若雅;杜沛
• 申請（專利權）人: 中國農業銀行股份有限公司陜西省分行
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/02;G06N3/04;G06N3/08
• 代理公司: 西安維賽恩專利代理事務所(普通合伙) 61257
• 代理人: 劉春

1.一種基于深度學習的客戶流失預測方法，其特征在于，包括：

步驟1：獲取銀行客戶的個人信息數據；所述真實個人信息數據包括客戶編號、信用評分、地方區域特征、性別、年齡、開戶時長、存款余額、平均資產增量、持有金融產品數量、負債額度、活躍度評分、現金平均流入流出比；

步驟2：利用生成式對抗填補網絡模型，對步驟1中獲取的個人信息數據進行缺失值填補，再對填補后的個人信息數據進行最大-最小歸一化處理；

步驟3：搭建MSDCNN-LSTM預測模型，所述MSDCNN-LSTM預測模型由三層MSCNN和兩層LSTM拼接而成；

步驟4：訓練MSDCNN-LSTM預測模型；

步驟5：將客戶數據輸入到經步驟4訓練好的MSDCNN-LSTM預測模型，得到待測客戶的流失概率。

2.如權利要求1所述的一種基于深度學習的客戶流失預測方法，其特征在于，所述步驟1中，對獲取的個人信息數據進行缺失值填補的方法為：利用生成式對抗填補網絡模型，生成與所述真實個人信息數據集分布規律相符的時間序列數據，通過判別生成個人信息數據與真實個人信息數據的差別，根據偏差訓練生成器，如此交替直至判別器無法判別生成數據與真實數據的差別。

3.如權利要求1或2所述的一種基于深度學習的客戶流失預測方法，其特征在于，所述步驟2中，對填補后的個人信息數據最大-最小歸一化處理的具體方法為：假設所述個人信息數據為X＝[X₁,X₂,...,X_i,...,X_n]∈R^m×n，其中，m為數據特征個數，n為客戶個數，X_i為第i個客戶對應m個特征值，即X_i＝[x_i,1,x_i,2,...,x_i,j,...,x_i,m]∈R^m×1，

其中，x_i,j為第i個客戶對應的第j個特征值；

每個值經過最大-最小歸一化處理，表示為：

式中，表示歸一化處理后的數據，和分別表示第j個特征值的最小值和最大值。