《表3 忽略不同因素对模型性能的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度神经网络的多因素感知终端换机预测模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

这3种变体的性能如表3所示，同时考虑3种因素可以提高模型性能.当召回率设置为0.135时，同时考虑3种因素分别比忽略用户自然属性、行为序列信息和历史换机信息提升了16.3%、22.3%和86.4%；根据不同因素的重要程度从高到低排序：历史换机信息>行为序列信息>用户自然属性.实验结论如下.1）历史换机信息对预测用户换机最重要，这主要由于大多数用户换机是有计划、有规律的，今后的换机行为往往与历史换机模式吻合.2）利用用户行为序列信息能够显著提高换机预测的精确度，这表明用户换机往往会受到其对手机使用的倚赖程度影响.3）除此之外，用户自然属性能够在一定程度上反映用户的消费习惯和社会角色，预测用户换机时需要考虑这些信息.