论文标题：

A Counterfactual Modeling Framework for Churn Prediction

论文链接：

https://dl.acm.org/doi/pdf/10.1145/3488560.3498468

代码：

https://github.com/tsinghua-fib-lab/CFChurn

本文针对用户流失预测提出结合因果推断的方法CFChurn。结合反事实推理，捕获社会影响的信息从而对流失进行预测。

  • 首先构建两个embedding，分别表示用户的内在意图和外在社会影响。
  • 然后进行反事实数据增强，通过提供部分标记的反事实数据为模型引入因果信息。
  • 最后通过三头反事实预测框架来引到模型学习因果信息，对用户流失进行预测。

主要思想：将用户流失的原因归结为用户自己意图和外界影响两方面，然后通过反事实数据增广从原始观察数据中得到反事实数据，最后对原始数据和反事实数据进行预测，并结合一些约束。

内容中包含的图片若涉及版权问题，请及时与我们联系删除