論文の概要: Social Network Analytics for Churn Prediction in Telco: Model Building,
Evaluation and Network Architecture
- arxiv url: http://arxiv.org/abs/2001.06701v1
- Date: Sat, 18 Jan 2020 17:09:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 12:16:37.239046
- Title: Social Network Analytics for Churn Prediction in Telco: Model Building,
Evaluation and Network Architecture
- Title(参考訳): Telcoにおけるチャーン予測のためのソーシャルネットワーク分析:モデル構築、評価、ネットワークアーキテクチャ
- Authors: Mar\'ia \'Oskarsd\'ottir, Cristi\'an Bravo, Wouter Verbeke, Carlos
Sarraute, Bart Baesens, Jan Vanthienen
- Abstract要約: ソーシャルネットワークのアナリティクスは、通信業界で顧客の混乱を予測するために使われており、大きな成功を収めている。
我々は,8つのコール・ディテール・レコード・データセットに適用することにより,関係学習者を構築するための様々な戦略をベンチマークする。
本稿では,通信業界におけるソーシャルネットワーク分析の適用方法に関するガイドラインを最適に提示する。
- 参考スコア(独自算出の注目度): 8.592714155264613
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Social network analytics methods are being used in the telecommunication
industry to predict customer churn with great success. In particular it has
been shown that relational learners adapted to this specific problem enhance
the performance of predictive models.
In the current study we benchmark different strategies for constructing a
relational learner by applying them to a total of eight distinct call-detail
record datasets, originating from telecommunication organizations across the
world. We statistically evaluate the effect of relational classifiers and
collective inference methods on the predictive power of relational learners, as
well as the performance of models where relational learners are combined with
traditional methods of predicting customer churn in the telecommunication
industry.
Finally we investigate the effect of network construction on model
performance; our findings imply that the definition of edges and weights in the
network does have an impact on the results of the predictive models. As a
result of the study, the best configuration is a non-relational learner
enriched with network variables, without collective inference, using binary
weights and undirected networks. In addition, we provide guidelines on how to
apply social networks analytics for churn prediction in the telecommunication
industry in an optimal way, ranging from network architecture to model building
and evaluation.
- Abstract(参考訳): ソーシャルネットワーク分析手法は、通信業界で顧客の混乱を予測し、大きな成功を収めている。
特に、この特定の問題に適応した関係学習者が予測モデルの性能を高めることが示されている。
本研究は,世界中の通信機関を起源とする,合計8つの異なるコールディーテールレコードデータセットに適用することにより,関係学習者を構築するためのさまざまな戦略をベンチマークする。
我々は,関係学習者の予測能力に及ぼす関係分類器と集団推論手法の効果を統計的に評価し,また,関係学習者が従来の通信業界における顧客変動予測手法と組み合わせたモデルの性能を評価する。
最後に,ネットワーク構築がモデル性能に与える影響について検討し,ネットワーク内のエッジと重みの定義が予測モデルの結果に与える影響を示唆した。
本研究の結果として、最適構成は、二分重と無向ネットワークを用いて、集団推論なしで、ネットワーク変数に富んだ非関係学習者である。
さらに,ネットワークアーキテクチャからモデル構築・評価まで,通信産業におけるチャーン予測にソーシャルネットワーク分析を適用する方法についてのガイドラインを提供する。
関連論文リスト
- Link Prediction for Social Networks using Representation Learning and
Heuristic-based Features [1.279952601030681]
ソーシャルネットワークのリンク不足を効率的に予測することは、現代の様々なビジネスアプリケーションに役立つ。
本稿では,ソーシャルネットワークにおけるノードとエッジの表現を生成するための様々な特徴抽出手法について検討する。
論文 参考訳(メタデータ) (2024-03-13T15:23:55Z) - On Discprecncies between Perturbation Evaluations of Graph Neural
Network Attributions [49.8110352174327]
我々は、グラフ領域で以前に検討されていない視点から帰属法を評価する:再学習。
中心となる考え方は、属性によって識別される重要な(あるいは重要でない)関係でネットワークを再訓練することである。
我々は4つの最先端GNN属性法と5つの合成および実世界のグラフ分類データセットについて分析を行った。
論文 参考訳(メタデータ) (2024-01-01T02:03:35Z) - Personalizing Federated Learning with Over-the-Air Computations [84.8089761800994]
フェデレートされたエッジ学習は、プライバシー保護の方法で無線ネットワークのエッジにインテリジェンスをデプロイする、有望な技術である。
このような設定の下で、複数のクライアントは、エッジサーバの調整の下でグローバルジェネリックモデルを協調的にトレーニングする。
本稿では,アナログオーバー・ザ・エア計算を用いて通信ボトルネックに対処する分散トレーニングパラダイムを提案する。
論文 参考訳(メタデータ) (2023-02-24T08:41:19Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Interpretability in deep learning for finance: a case study for the
Heston model [0.0]
本稿では,最近深層学習アルゴリズムが取り組んだボラティリティモデルのキャリブレーションプロセスに注目する。
協調ゲーム理論から生じるローカル戦略とグローバル戦略の能力を調べ、訓練されたニューラルネットワークを説明します。
完全連結ニューラルネットワークは、ヘストンモデルの価格を関係パラメータに予測し解釈する上で、畳み込みニューラルネットワークよりも優れた性能を持つことがわかった。
論文 参考訳(メタデータ) (2021-04-19T17:37:17Z) - Anomaly Detection on Attributed Networks via Contrastive Self-Supervised
Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。
このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。
高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文 参考訳(メタデータ) (2021-02-27T03:17:20Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z) - Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。
また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文 参考訳(メタデータ) (2020-12-01T11:46:03Z) - A Comparative Study of Social Network Classifiers for Predicting Churn
in the Telecommunication Industry [8.592714155264613]
ネットワーク学習は多くの研究で有効であることが示されている。
これらの手法は、電信企業における顧客の混乱を予測するために適応されている。
論文 参考訳(メタデータ) (2020-01-18T17:05:53Z) - NEW: A Generic Learning Model for Tie Strength Prediction in Networks [5.834475036139535]
タイの強度予測(タイの強さ予測、英: Tie strength prediction)は、ネットワークに出現する接続パターンの多様性を探索する上で不可欠である。
我々はNEW(Neighborhood Estimating Weight)と呼ばれる新しい計算フレームワークを提案する。
NEWはネットワークの基本構造情報によって純粋に駆動され、多様な種類のネットワークに適応する柔軟性を持つ。
論文 参考訳(メタデータ) (2020-01-15T13:02:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。