多粒度时序特征在离网预测中的应用

电信运营商为了发现可能离网的客户,针对不同的场景研究开发了多种离网预测模型。目前的离网预测模型首先选择一种时间粒度抽取特征,之后使用机器学习算法对抽取的数据建模。这类方法只考虑了模型对分类性能的影响,没有充分考虑数据的作用。针对上述问题,提出一种使用多种时间粒度抽取特征的方法,并尝试在模型训练的不同阶段对不同粒度的特征进行融合。实验结果表明,使用多种粒度抽取特征训练出来的模型性能会明显优于使用单一粒度抽取特征的模型。     

大型组合式压力容器热处理炉的设计与应用

根据大型压力容器—焦炭塔焊后热处理的工艺要求,设计了组合式立卧两用焊后热处理炉。详细介绍了设备的原理、基本设计参数和结构设计。模块化的炉体结构、炉体密封以及供热方式的设计新颖独特,对类似热处理设备的设计与应用推广提供了可借鉴的成功案例。     

大型台车式热处理炉的优化与改进

针对大型台车式热处理炉的生产工况,对其进行结构优化和改进.改进后的台车式炉完全满足生产工艺需要,不仅提高了产品的质量,而且大大降低了能耗.     

服务号码捆绑特征在离网预测系统中的应用

用户流失问题是电信运营商面临的亟待解决的问题,针对不同的场景,业界研究开发了多个用户离网预测系统。服务号码捆绑指用户在使用运营商服务期间,与银行、电商、便利店等第三方服务提供商通过绑定手机号产生联系。通过研究发现用户在服务存续期间普遍会绑定多种第三方服务提供商,这些商家会不定时给用户推送短信,当用户即将流失时,多数用户会逐渐取消这类服务的绑定。因此,服务号码捆绑特征对于离网用户的甄别起到了重要的作用。采用随机森林算法构建离网预测模型,利用逻辑回归算法对服务号码捆绑特征进行降维,并加入模型,进行离网用户分析,从而辅助决策者制订相应的客户维挽策略,降低客户离网率。实验结果表明,服务号码软捆绑特征能够提高系统的分析预测能力。     

基于随机森林模型的电信运营商外呼推荐系统

在电信运营商领域,外呼推荐是一种重要的推荐产品和服务的途径。实现了一种基于运营商大数据的自动外呼推荐系统,该系统能够挖掘用户的行为特征并且使用机器学习的方法预测用户对于被推荐产品的接受可能性。传统推荐系统使用的模型算法为矩阵分解、大规模稀疏特征分类、神经网络等。采用随机森林算法的主要原因是随机森林具有并行化程度高、训练速度快、生成的决策树可解释等诸多优点,适合于基于电信业数据的推荐系统。该外呼推荐系统基于Hadoop、Impala和Spark等大数据处理平台及工具,使用随机森林分类器作为核心算法,将用户最近的行为特征回归为接受外呼推荐产品的可能性。在线测试表明使用该系统与当前部署的人工随机外呼相比,能够提升约41%的用户接受率;同时,根据模型算法输出特征的重要性,进一步给出了两类用户的特征分析。     

区块链关键技术在企业电子商务平台中的应用

本文分析了企业电子商务平台在应用中面临的诸多困难,提出应用区块链技术解决数据不可篡改、数据追溯、法律存证、在线签认审批等技术难点,整体提升电子商务平台的系统功能。区块链智能合约技术的应用将解决钻井行业服务由于资金数额大、运行周期长等特点导致交易过程中容易发生纠纷的问题,并且在区块链上实现业务流程流转签认,为用户提供安全、可信、便捷、高效的电子商务服务。通过智能合约审计来提升合约安全性,为在电商平台中应用智能合约提供保障。