論文の概要: Dynamic Customer Embeddings for Financial Service Applications
- arxiv url: http://arxiv.org/abs/2106.11880v1
- Date: Tue, 22 Jun 2021 15:51:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-23 15:11:30.860850
- Title: Dynamic Customer Embeddings for Financial Service Applications
- Title（参考訳）: 金融サービスアプリケーションのための動的顧客埋め込み
- Authors: Nima Chitsazan, Samuel Sharpe, Dwipam Katariya, Qianyu Cheng, Karthik
Rajasethupathy
- Abstract要約: FS業界における顧客の密集した表現を学習するための動的顧客埋め込み(DCE)を提案する。
モバイル・ウェブ・デジタル・セッションにおける顧客行動とページビューについて検討する。
実世界のデータを用いて顧客の埋め込みを3つの予測問題で検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As financial services (FS) companies have experienced drastic technology
driven changes, the availability of new data streams provides the opportunity
for more comprehensive customer understanding. We propose Dynamic Customer
Embeddings (DCE), a framework that leverages customers' digital activity and a
wide range of financial context to learn dense representations of customers in
the FS industry. Our method examines customer actions and pageviews within a
mobile or web digital session, the sequencing of the sessions themselves, and
snapshots of common financial features across our organization at the time of
login. We test our customer embeddings using real world data in three
prediction problems: 1) the intent of a customer in their next digital session,
2) the probability of a customer calling the call centers after a session, and
3) the probability of a digital session to be fraudulent. DCE showed
performance lift in all three downstream problems.
- Abstract（参考訳）: 金融サービス(FS)企業が劇的な技術主導の変革を経験したため、新しいデータストリームが利用可能になったことで、より包括的な顧客理解の機会が得られます。
我々は、顧客のデジタル活動と幅広い金融状況を活用するフレームワークであるdynamic customer embeddeds(dce)を提案し、fs業界における顧客の密接な表現を学習する。
本手法では,モバイルやWebのデジタルセッションにおける顧客行動やページビュー,セッション自体のシークエンシング,ログイン時の共通財務状況のスナップショットなどについて検討する。
1)次のデジタルセッションにおける顧客の意図,2)セッション後のコールセンタコールの確率,3)デジタルセッションが不正である確率の3つの予測問題において,実世界のデータを用いた顧客の埋め込みを検証した。
DCEは3つの下流問題で性能向上を示した。
関連論文リスト
- Universal representations for financial transactional data: embracing local, global, and external contexts [95.7760348824795]
多様なビジネス課題に対処する表現学習フレームワークを提案する。
また、データ固有性を考慮した新しい生成モデルを提案し、外部情報をクライアントの表現に統合する方法を提案する。
論文 参考訳（メタデータ） (2024-04-02T15:39:14Z) - Towards Fair, Robust and Efficient Client Contribution Evaluation in
Federated Learning [16.543724155324938]
FRECA(Fair, Robust, Efficient Client Assessment)と呼ばれる新しい手法を導入する。
FRECAはFedTruthというフレームワークを使用して、グローバルモデルの真実の更新を見積もり、すべてのクライアントからのコントリビューションのバランスをとり、悪意のあるクライアントからの影響をフィルタリングする。
実験の結果,FRECAはクライアントのコントリビューションをロバストな方法で正確かつ効率的に定量化できることがわかった。
論文 参考訳（メタデータ） (2024-02-06T21:07:12Z) - Retail store customer behavior analysis system: Design and
Implementation [2.215731214298625]
本稿では,顧客行動の数学的モデリング,効率的なディープラーニングに基づく行動分析,個人と集団の行動可視化という3つの主要な要素を含むフレームワークを提案する。
各モジュールとシステム全体が、小売店の実際の状況からのデータを使用して検証された。
論文 参考訳（メタデータ） (2023-09-05T06:26:57Z) - Causal Analysis of Customer Churn Using Deep Learning [9.84528076130809]
顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。
本稿では,ディープフィードフォワードニューラルネットワークを用いた分類手法を提案する。
また,顧客を混乱させる原因を予測するための因果ベイズネットワークを提案する。
論文 参考訳（メタデータ） (2023-04-20T18:56:13Z) - DYNAFED: Tackling Client Data Heterogeneity with Global Dynamics [60.60173139258481]
非イド分散データに対する局所訓練は、偏向局所最適化をもたらす。
自然な解決策は、サーバがデータ分散全体のグローバルなビューを持つように、すべてのクライアントデータをサーバに収集することです。
本稿では,データプライバシを損なうことなく,サーバ上でのグローバルな知識の収集と活用を図る。
論文 参考訳（メタデータ） (2022-11-20T06:13:06Z) - Federated Noisy Client Learning [105.00756772827066]
フェデレートラーニング(FL)は、複数のローカルクライアントに依存する共有グローバルモデルを協調的に集約する。
標準FLメソッドは、集約されたモデル全体のパフォーマンスを損なううるノイズの多いクライアントの問題を無視します。
本稿では,Fed-NCL (Federated Noisy Client Learning) を提案する。
論文 参考訳（メタデータ） (2021-06-24T11:09:17Z) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳（メタデータ） (2021-02-19T15:13:06Z) - System Design for a Data-driven and Explainable Customer Sentiment
Monitor [2.490457152391676]
IoTとエンタープライズデータを組み合わせて顧客感情をモデル化するデータ駆動型意思決定支援システムのためのフレームワークを提示する。
このフレームワークは、主要な医療機器メーカーとの実際のケーススタディに適用される。
論文 参考訳（メタデータ） (2021-01-11T18:29:50Z) - Federated Unsupervised Representation Learning [56.715917111878106]
フェデレート非教師表現学習(FURL)と呼ばれるフェデレーション学習における新しい問題を定式化し、教師なしの共通表現モデルを学習する。
FedCAは2つの主要なモジュールで構成されている: 辞書モジュールは、各クライアントからのサンプルの表現を集約し、表現空間の整合性のためにすべてのクライアントと共有し、アライメントモジュールは、公開データに基づいてトレーニングされたベースモデル上で各クライアントの表現を整合させる。
論文 参考訳（メタデータ） (2020-10-18T13:28:30Z) - Situation Awareness and Information Fusion in Sales and Customer
Engagement: A Paradigm Shift [10.307548042529874]
状況意識(SA)はこの新時代の効果的な販売と顧客エンゲージメントの中心にある。
我々は、情報融合(IF)が、デジタルおよびAIトランスフォーメーションのための次世代意思決定支援システムを開発するための鍵であると主張している。
論文 参考訳（メタデータ） (2020-05-30T21:53:26Z) - NLP in FinTech Applications: Past, Present and Future [50.27357144360525]
金融分野における自然言語処理(NLP)技術の適用に関する研究に焦点をあてる。
アプリケーションシナリオは、Know Your Customer(KYC)、Know Your Product(KYP)、Satify Your Customer(SYC)の3つの側面から見ていきます。
論文 参考訳（メタデータ） (2020-05-04T08:37:27Z)
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。