10.12045/j.issn.1007-3043.2021.04.010
基于GBDT算法的潜在5G用户预测研究与实现
5G用户规模发展是新时代新基建大背景下运营商5G网络建设的终极目标.传统的通过人工方式进行营销发展存在诸多不足,浪费大量人力物力财力.针对这些缺点,基于运营商O域和B域数据引入梯度提升决策树(GBDT)分类算法,通过学习存量5G用户正负样本在历史网络上产生的出账数据和网络数据建立5G用户分类预测模型,做到精准挖掘5G潜在用户,提升市场营销的命中率.研究结果表明,基于GBDT算法的潜在5G用户预测模型能有效预测5G目标用户,提高5G用户转化率,对5G用户发展起到积极推动作用.
潜在5G用户预测、机器学习、GBDT算法、5G用户画像、5G用户营销
TN929.5
2021-05-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
45-49