机构名称：
¥ 1.0
包括年龄和性别在内的用户人口属性的准确预测是个性化搜索，广告定位和其他相关领域的关键挑战。此信息使公司能够完善目标受众并增强整体用户体验和服务质量（QoS）。其中，沙特电信公司（STC）是沙特阿拉伯，中东和非洲的主要电信提供商，认识到了年龄预测系统的重要作用。因此，这项研究探讨了机器学习（ML）技术以预测用户年龄的应用，从而有助于提供适合年龄的广告和优惠。我们使用了由STC提供的数据集，其中包括具有关键用户和设备功能的300万个样本。在此分析中采用了四种ML算法：人工神经网络（ANN），随机森林（RF），梯度增强（GB）和决策树（DT）。这些模型根据其预测性能进行了比较和评估。ANN成为最佳分类器，达到60％的准确性，与电信行业中进行的类似研究相当。这些发现的含义表明，ML技术可以有效地预测用户信息，从而使服务提供商可以针对用户的特定年龄人口统计来量身定制其产品。这项研究的发现有助于对用户年龄预测及其对电信公司的实际意义有更广泛的了解。未来的研究可以通过探索其他人口预测挑战并将ML方法应用于其他部门来扩展这项工作。
用户年龄预测的机器学习方法
主要关键词
相关文件推荐
