Predicting Customer Goals in Financial Institution Services: A Data-Driven LSTM Approach
创建于 更新于
摘要
本报告针对金融机构客户行为预测问题，基于半合成模拟数据构建两种模型——传统LSTM模型与结合状态空间图嵌入的GNN+LSTM模型。该方法充分利用客户交互序列特征和状态节点关系，实现对客户目标、类型及未来行为的精准预测，且图嵌入显著提升了模型效果。实验结果表明，GNN+LSTM在客户目标预测、类型判别及事件轨迹预测中均优于单纯LSTM模型，验证了结构化时序建模在金融客户行为分析中的应用潜力[page::0][page::1][page::2][page::3][page::4]。
