基于机器学习技术的返乡发展人群预测模型研究与应用

杜昭; 谢国城; 陈静旋; 张伟斌

doi:10.11959/j.issn.1000-0801.2024140

您当前的位置：

首页 >

文章列表页 >

基于机器学习技术的返乡发展人群预测模型研究与应用

研究与开发 | 更新时间：2024-08-05

- 基于机器学习技术的返乡发展人群预测模型研究与应用
- Research and application of prediction model for returning home development population based on machine learning technology
- 电信科学 2024年40卷第5期页码：131-140
- 作者机构：
  
  1.中国电信股份有限公司广东分公司，广东广州 510062
  2.广东亿迅科技有限公司，广东广州 510627
- 作者简介：
  
  [ "杜昭（1983- ），男，中国电信股份有限公司广东分公司工程师，主要研究方向为机器学习、大数据应用等。" ]
  [ "谢国城（1987- ），男，广东亿迅科技有限公司工程师，主要研究方向为数据挖掘、人工智能、深度学习、大数据应用等。" ]
  [ "陈静旋（1990- ），女，广东亿迅科技有限公司工程师，主要研究方向为人工智能、AI大数据应用、统计学等。" ]
  [ "张伟斌（1982- ），男，中国电信股份有限公司广东分公司工程师，主要研究方向为客户洞察、数据挖掘、人工智能、精准营销、数据平台等。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2024140
  中图分类号： TP391
- 收稿日期：2024-01-17，
  
  修回日期：2024-03-07，
  
  纸质出版日期：2024-05-20
- 稿件说明：
移动端阅览
杜昭,谢国城,陈静旋等.基于机器学习技术的返乡发展人群预测模型研究与应用[J].电信科学,2024,40(05):131-140.

DU Zhao,XIE Guocheng,CHEN Jingxuan,et al.Research and application of prediction model for returning home development population based on machine learning technology[J].Telecommunications Science,2024,40(05):131-140.
杜昭,谢国城,陈静旋等.基于机器学习技术的返乡发展人群预测模型研究与应用[J].电信科学,2024,40(05):131-140. DOI： 10.11959/j.issn.1000-0801.2024140.

DU Zhao,XIE Guocheng,CHEN Jingxuan,et al.Research and application of prediction model for returning home development population based on machine learning technology[J].Telecommunications Science,2024,40(05):131-140. DOI： 10.11959/j.issn.1000-0801.2024140.

摘要

随着经济的发展和一线城市生活压力的增大，越来越多的人迁移城市以及返回家乡发展，为了高效服务用户和提升用户产品使用体验，提出基于LightGBM、CatBoost等算法来预测返乡发展人群，并进行了异构模型融合。通过模型对比，所提融合模型有更好的效果，可以为服务和产品提供依据，减少流失优化感知，提高市场保有率。

Abstract

With the development of the Chinese economy and the increasing pressure of living in first-tier cities

more and more young people choose to return to their hometowns for development. To efficiently serve users and improve their product usage experience

the use of algorithms such as LightGBM and CatBoost was proposed to predict the returning population

thereby providing a basis for services and products

and improving user market retention rates.

关键词

Keywords

references

戴维 . 全国携号转网服务方案设计与政策研究 [J ] . 电信科学 , 2021 , 37 ( 11 ): 115 - 127 .

DAI W . Research on the design and policy of national number portability service plan [J ] . Telecommunications Science , 2021 , 37 ( 11 ): 115 - 127 .

王文学 , 陈天池 , 徐海燕 . 基于随机森林算法的农村用户返乡预测 [J ] . 信息通信 , 2019 , 32 ( 3 ): 250 - 252 .

WANG W X , CHEN T C , XU H Y . Prediction of rural users returning home based on random forest algorithm [J ] . Changjiang Information &Communications , 2019 , 32 ( 3 ): 250 - 252 .

朱琳 , 赵娟 , 王伊婷 , 等 . 移动通信网络投诉热点问题智能预警方法 [J ] . 电信科学 , 2019 , 35 ( 5 ): 17 - 24 .

ZHU L , ZHAO J , WANG Y T , et al . Smart prediction of the complaint hotspot problem in mobile network [J ] . Telecommunications Science , 2019 , 35 ( 5 ): 17 - 24 .

张溶芳 , 许丹丹 , 王元光 , 等 . 机器学习在物联网虚假用户识别中的运用 [J ] . 电信科学 , 2019 , 35 ( 7 ): 136 - 144 .

ZHANG R F , XU D D , WANG Y G , et al . Application of machine learning in false user identification of Internet of Things [J ] . Telecommunications Science , 2019 , 35 ( 7 ): 136 - 144 .

潘坚跃 , 吴懿臻 , 徐汉麟 . 基于多模型融合的电网故障抢修时长预测 [J ] . 电信科学 , 2020 , 36 ( 1 ): 144 - 150 .

PAN J Y , WU Y Z , XU H L . Prediction of power grid fault repair time based on multi-model fusion [J ] . Telecommunications Science , 2020 , 36 ( 1 ): 144 - 150 .

周志华 . 机器学习 [M ] . 北京 : 清华大学出版社 , 2016 .

ZHOU Z H . Machine learning [M ] . Beijing : Tsinghua University Publishing House , 2016 .

郭长帅 , 卓建伟 . 基于数据挖掘算法的流动人口定居意愿研究 [J ] . 管理现代化 , 2019 , 39 ( 3 ): 81 - 86 .

GUO C S , ZHUO J W . Research on the settlement intention of floating population based on data mining algorithm [J ] . Modernization of Management , 2019 , 39 ( 3 ): 81 - 86 .

赵宏田 . 用户画像:方法论与工程化解决方案 [M ] . 北京 : 机械工业出版社 , 2020 .

ZHAO H T . User portrait methodology and engineering solutions [M ] . Beijing : China Machine Press , 2020 .

张长浩 , 余志勇 , 周振 , 等 . 基于国网商旅大数据融合背景的用户画像构建 [J ] . 电信科学 , 2019 , 35 ( 12 ): 148 - 154 .

ZHANG C H , YU Z Y , ZHOU Z , et al . User image construction framework based on big data fusion background for power grid business travel [J ] . Telecommunications Science , 2019 , 35 ( 12 ): 148 - 154 .

段雪源 , 付钰 , 王坤 , 等 . 基于多尺度特征的网络流量异常检测方法 [J ] . 通信学报 , 2022 , 43 ( 10 ): 65 - 76 .

DUAN X Y , FU Y , WANG K , et al . Network traffic anomaly detection method based on multi-scale characteristic [J ] . Journal on Communications , 2022 , 43 ( 10 ): 65 - 76 .

李占山 , 刘兆赓 . 基于XGBoost的特征选择算法 [J ] . 通信学报 , 2019 , 40 ( 10 ): 101 - 108 .

LI Z S , LIU Z G . Feature selection algorithm based on XGBoost [J ] . Journal on Communications , 2019 , 40 ( 10 ): 101 - 108 .

王忠伟 , 陈叶芳 , 肖四友 , 等 . 一种高维大数据全 k 近邻查询算法 [J ] . 电信科学 , 2015 , 31 ( 7 ): 58 - 68 .

WANG Z W , CHEN Y F , XIAO S Y , et al . An A k NN algorithm for high-dimensional big data [J ] . Telecommunications Science , 2015 , 31 ( 7 ): 58 - 68 .

郭渊博 , 刘春辉 , 孔菁 , 等 . 内部威胁检测中用户行为模式画像方法研究 [J ] . 通信学报 , 2018 , 39 ( 12 ): 141 - 150 .

GUO Y B , LIU C H , KONG J , et al . Study on user behavior profiling in insider threat detection [J ] . Journal on Communications , 2018 , 39 ( 12 ): 141 - 150 .

汪洁 , 杨力立 , 杨珉 . 基于集成分类器的恶意网络流量检测 [J ] . 通信学报 , 2018 , 39 ( 10 ): 155 - 165 .

WANG J , YANG L L , YANG M . Multitier ensemble classifiers for malicious network traffic detection [J ] . Journal on Communications , 2018 , 39 ( 10 ): 155 - 165 .

方志豪 , 李正权 , 张铭玮 . 基于加权朴素贝叶斯的水质数据分类研究 [J ] . 物联网学报 , 2022 , 6 ( 1 ): 113 - 122 .

FANG Z H , LI Z Q , ZHANG M W . Research on water quality data classification based on weighted naive Bayes [J ] . Chinese Journal on Internet of Things , 2022 , 6 ( 1 ): 113 - 122 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多模型融合的电网故障抢修时长预测