数字技术与应用杂志

摘要：<正>面向通信运营商精细化运营场景,用户套餐预测需要同时刻画多周期业务行为变化与用户静态属性差异。传统方法在跨周期依赖建模和高维特征交互表达方面存在一定局限性。针对这一问题,本文构建了一种融合Transformer与双向长短期记忆网络(BiLSTM)的用户套餐预测模型。该模型将用户多月行为数据组织为短序列输入,并与静态属性特征进行融合,通过Transformer的多头自注意力机制学习全局特征交互关系,再利用BiLSTM提取双向时序依赖特征,最终通过全连接分类层输出套餐类别预测结果。

专辑： 信息科技;经济与管理科学

专题： 自动化技术;企业经济;信息经济与邮政经济

分类号： F274;F626;TP183