基于随机森林模型的电信运营商外呼推荐系统 - 计算机科学.pdf

Vo1. 43 No. 11A 第 43 卷第11A 期 计算机科学 2016 年 11 月 Computer Science Nov 2016 基于随机森林模型的电信运营商外呼推荐系统 朱奕健1 张正卿1 黄一清2 自瑞瑞2 严建峰2 (中国联合网络通信有限公司上海市分公司 上海 200050)1 (苏州大学计算机科学与技术学院 苏州 215006)2 摘 要 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。 关键词 外呼，推荐系统，随机森林，电信运营商 中固法分类号 TP181 文献标识码 A Random Forest ßased Telco Out-calling Recommendation System ZHU Yi-j寸j 臼ian1 ZHANG Z1阳 (ωChina咀a Uni丑lC∞omCωo. Ltd. Shanghai Branch ,Shanghai 200050 ,China)1 (College of Computer Science and Technology ,Soochow University ,Suzhou 215006 ,China)2 Abstract Out-calling recommendation is widely used in recommending products and services to customers by telecom munication (telco) operators. In this paper ,we developed an automatic out-calling recommendation system which relies on telco big data. This system uses data-mining methods to extract customer behaviors and machine-leaming algorithm to predict the acceptance probabilities when customers are recommended to certain products. Different from most recom mendation systems which use matrix factorizationα1F)， sparse features classification ,neural network and etc , this pa per used random forest ,not only because the algorithm is easy to