王荣波，王亚杰，黄孝喜，谌志群

(杭州电子科技大学 计算机学院，浙江 杭州 310018)

0 引 言

随着现代社会通信技术的飞速发展，手机等移动通信设备几乎成了人们生活中不可缺少的一部分，面对中国13亿的巨量人口，一场对通信用户的竞争在各电信运营商之间愈演愈烈。随着竞争的白热化，客户的流失成了各大电信运营商面临的主要困难，同时挖掘一个新客户所投入的成本也越来越高。有数据显示，成功赢得一个新客户比维护一个老客户所付出的代价要高出5倍左右[1]。客户的流失意味着所占市场份额缩小，在竞争中处于不利地位，甚至还存在着用户故意欠费后离网的异常行为等，这些都大大增加了运营商的运营成本。因此，在发展新用户的同时，维护老用户不离网成了各大运营商在市场争夺战中的核心竞争力，同时，对本网用户是否即将离网进行准确的预测有助于运营商及时有针对性地调整营销策略来挽留用户。所以，用户流失预测模型对电信运营商维护自身利益有着非凡的意义。

传统的预测模型主要有决策树[2-4]、Logistic回归[5]、贝叶斯分类器[6-7]和聚类[8-9]。比较智能的方法有神经网络[10-11]、自组织映射[12]、进化学习算法[13]、支持向量机[14]等。然而并没有一种模型适用于所有情况，每种模型都有各自的优点与不足，对于同一个数据集，不同的预测模型可能会得到不同的预测结果。目前国内的移动通信运营商拥有极其强大的数据存储和查询能力，但其使用的预测方法仍是基于单一算法预测的模型。……