一种用户流失预测方法及装置与流程

技术特征：
1.一种用户流失预测方法，其特征在于，包括：获取待预测用户的关联关系数据、历史交互数据及个人目标数据；将所述关联关系数据、所述历史交互数据及所述个人目标数据输入到用户流失预测模型中，得到所述用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；其中，所述用户流失预测模型是基于样本用户数据、所述样本用户数据对应的用户流失预测结果以及标签用户流失数据训练得到的；所述用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。2.根据权利要求1所述的用户流失预测方法，其特征在于，还包括：预先获取样本用户数据，并基于所述样本用户数据对初始用户流失预测模型进行训练，得到相应的所述用户流失预测模型；所述基于所述样本用户数据对初始用户流失预测模型进行训练，得到相应的所述用户流失预测模型，具体包括：将所述样本用户数据输入到初始用户流失预测模型中，利用残差深度交叉网络子模型从样本用户数据中提取出用户自身流失倾向表征向量，利用社交驱动的图神经网络子模型从样本用户数据中提取出用户社交影响表征向量；利用反事实数据预测子模型，基于相应的观测数据生成反事实样本数据；将所述用户自身流失倾向表征向量、所述用户社交影响表征向量输入到因果预测模型中，利用所述反事实样本数据和相应的事实数据共同训练初始用户流失预测模型，得到建模社交影响因果效应的用户流失预测模型。3.根据权利要求2所述的用户流失预测方法，其特征在于，还包括：在将所述样本用户数据输入到初始用户流失预测模型中训练之前，预先对获取的原始样本用户数据中的离散变量进行独热编码，对所述原始样本用户数据中的连续变量进行归一化处理；将独热编码得到的编码结果与归一化处理得到的处理结果进行拼接后，利用全连接神经网络模型将初始样本用户数据特征映射到连续向量空间，得到连续特征向量表示的样本用户数据。4.根据权利要求1所述的用户流失预测方法，其特征在于，所述残差深度交叉网络子模型包含深度交叉网络，所述深度交叉网络包含深度残差网络；其中，所述深度残差网络，用于基于第l层交叉网络的隐节点向量和第l层深度网络的隐节点向量，得到第l 1层交叉网络的隐节点向量和第l 1层深度网络的隐节点向量；并基于所述第l 1层交叉网络的隐节点向量和所述第l 1层深度网络的隐节点向量，得到所述用户自身流失倾向表征向量。5.根据权利要求1所述的用户流失预测方法，其特征在于，所述图神经网络子模型包括基于社交驱动的图卷积组件和边学习组件；其中，所述边学习组件，用于将输入的节点特征、边特征以及节点间交互特征进行拼接，并利用预设线性网络模型学习得到针对关联关系网络中每一条边的蒙版向量；所述节点特征、所述边特征以及所述节点间交互特征是分别基于对所述个人目标数据、所述关联关系数据以及所述历史交互数据进行建模及特征提取得到的；
所述图卷积组件，用于针对所述关联关系网络中的目标节点，基于所述边学习组件得到的对应蒙板向量以及相邻节点的状态向量，通过注意力机制更新所述目标节点的状态向量；将所述目标节点的状态向量作为所述用户社交影响表征向量。6.根据权利要求1所述的用户流失预测方法，其特征在于，所述反事实数据预测子模型包括反事实数据扩增模块和反事实数据预测模块；其中，所述反事实数据扩增模块，用于基于预设的因果关系模型以及反事实数据扩增推论规则，得到反事实数据；所述反事实数据预测模块，用于通过预设的三头预测的多任务预测器对所述反事实数据、相应的事实数据以及处理变量进行预测，基于因果正则项建模社交影响因果效应，以得到对应的用户流失预测结果。7.根据权利要求1所述的用户流失预测方法，其特征在于，所述个人目标数据包含用户的基础属性数据和历史行为数据；所述关联关系数据是基于存在用户交互行为的应用程序对应的全量交互历史数据构建的关联关系网络得到的。8.一种用户流失预测装置，其特征在于，包括：用户数据获取单元，用于获取待预测用户的关联关系数据、历史交互数据及个人目标数据；用户流失预测单元，用于将所述关联关系数据、所述历史交互数据及所述个人目标数据输入到用户流失预测模型中，得到所述用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；其中，所述用户流失预测模型是基于样本用户数据、所述样本用户数据对应的用户流失预测结果以及标签用户流失数据训练得到的；所述用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1
‑
7任意一项所述的用户流失预测方法的步骤。10.一种处理器可读存储介质，所述处理器可读存储介质上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1
‑
7任意一项所述的用户流失预测方法的步骤。

技术总结
本发明提供一种用户流失预测方法及装置。该方法包括：获取待预测用户的关联关系数据、历史交互数据及个人目标数据；将关联关系数据、历史交互数据及个人目标数据输入到用户流失预测模型中，得到用户流失预测模型输出的未来目标时间段对应的用户流失预测结果；用户流失预测模型是基于样本用户数据、样本用户数据对应的用户流失预测结果及标签用户流失数据训练得到的；用户流失预测模型包含用于提取用户自身流失倾向表征向量的残差深度交叉网络子模型、用于提取用户社交影响表征向量的图神经网络子模型及用于生成反事实数据的反事实数据预测子模型。采用本发明方法，基于反事实推理建模架构引入用户间相互关系因素，提高了用户流失预测的准确度。用户流失预测的准确度。用户流失预测的准确度。


技术研发人员：李勇 张国祯 金德鹏
受保护的技术使用者：清华大学
技术研发日：2021.06.25
技术公布日：2021/11/4