Cross-company customer churn prediction in telecommunication: A comparison of data transformation methods     

《International Journal of Information Management》2019

Cross-Company Churn Prediction (CCCP) is a domain of research where one company (target) is lacking enough data and can use data from another company (source) to predict customer churn successfully. To support CCCP, the cross-company data is usually transformed to a set of similar normal distribution of target company data prior to building a CCCP model. However, it is still unclear which data transformation method is most effective in CCCP. Also, the impact of data transformation methods on CCCP model performance using different classifiers have not been comprehensively explored in the telecommunication sector. In this study, we devised a model for CCCP using data transformation methods (i.e., log, z-score, rank and box-cox) and presented not only an extensive comparison to validate the impact of these transformation methods in CCCP, but also evaluated the performance of underlying baseline classifiers (i.e., Naive Bayes (NB), K-Nearest Neighbour (KNN), Gradient Boosted Tree (GBT), Single Rule Induction (SRI) and Deep learner Neural net (DP)) for customer churn prediction in telecommunication sector using the above mentioned data transformation methods. We performed experiments on publicly available datasets related to the telecommunication sector. The results demonstrated that most of the data transformation methods (e.g., log, rank, and box-cox) improve the performance of CCCP significantly. However, the Z-Score data transformation method could not achieve better results as compared to the rest of the data transformation methods in this study. Moreover, it is also investigated that the CCCP model based on NB outperform on transformed data and DP, KNN and GBT performed on the average, while SRI classifier did not show significant results in term of the commonly used evaluation measures (i.e., probability of detection, probability of false alarm, area under the curve and g-mean).  相似文献   

一种基于图卷积自编码模型的多维度学科知识网络融合方法     

李慧  胡吉霞 《图书情报工作》2020,64(18):114-125

[目的/意义] 针对包含单一类型知识单元的知识网络难以全面反映学科知识结构的问题，提出一种从多维度进行知识网络结构融合的方法，为学科领域知识结构挖掘提供借鉴。[方法/过程] 利用LDA及TF-IDF方法抽取学科知识单元，然后运用语义相似度和关键词共现分析方法构建3个学科知识子网络：主题网络、关键词网络和实体网络，并采用空间节点传递对齐方法对齐子网络节点，接着设计基于图卷积操作的自编码模型对知识节点进行表示，最后通过计算余弦相似度重构学科知识网络。[结果/结论] 实验部分以人工智能领域为例，构建融合主题、关键词和实体的学科知识网络并展开分析，实验结果表明，本文所提方法能有效地揭示学科领域研究内容和知识结构，为学科知识发现与组织研究提供有益参考。  相似文献   

GM(1,1)模型灰色预测法Visual Foxpro计算程序     

刘建通  朱红兵  王港 《首都体育学院学报》2004,16(1):117-119

本文详细介绍了在Visual Foxpro6．O中编制的MGl1．PRG计算程序及其运行方法。  相似文献   

中国科学计量指标数据库的设计与实现   总被引：5，自引：1，他引：4  

吴振新 《现代图书情报技术》2001,17(1):68-70

简单介绍了中国科学计量指标数据库, 详细阐述了如何进行数据分析和系统设计, 以及指标数据库的功能实现。  相似文献   

数据挖掘在数字图书馆中的应用   总被引：15，自引：0，他引：15  

王艳 《现代图书情报技术》2002,18(5):8-10

在描述数据挖掘技术与方法基础之上，探讨了数据挖掘在数字图书馆中的应用空间以及其所具有的巨大应用价值。  相似文献   

社交媒体用户消极使用行为：多源数据融合视角     

范春竹  邓小昭  韩毅 《图书情报工作》2022,66(15):76-85

[目的/意义]通过融合不同来源数据的方式探索社交媒体用户消极使用行为影响因素,为用户健康合理地可持续使用社交媒体提供理论支撑,并为平台改进服务提供参考信息。[方法/过程]对访谈数据进行三级编码,结合爬虫获取的包含部分受访者数据的用户行为轨迹数据分析社交媒体用户消极使用原因,构建社交媒体用户消极使用行为影响因素模型。[结果/结论]通过多源数据融合能够解决单一来源数据有效性不足问题。研究发现外部环境因素(任务情境、信息过载、社交过载、不良言论)和平台因素(系统功能、品牌形象、付费服务)通过内部个人因素(信息需求、认知差异、负面情绪、使用成本、使用习惯、隐私关注)影响用户使用社交媒体,产生潜水、屏蔽、间歇使用、转移、退出和抵制等不同程度的消极使用行为,一定程度上反映了用户作为弱势对象在技术环境下的自我保护。  相似文献   

厚数据研究综述     

李成熙  文庭孝 《高校图书馆工作》2022,42(1):8-14,28

文章通过回顾厚数据研究的理论起源和发展,利用WOS和CNKI检索相关文献,梳理国内外厚数据研究现状,剖析和解读研究中的前沿热点和问题,为后续研究提供支持和建议。当前国内外厚数据相关研究主要集中在厚数据定义研究、厚数据应用场景研究和厚数据分析方法研究等方面,未来应继续围绕基础研究问题进行深入探索和改进,并尝试在厚数据融合研究、厚数据方法研究和厚数据应用研究等方面不断进行拓展。  相似文献   

数字图书馆服务登记系统数据模型设计   总被引：3，自引：0，他引：3  

徐坦  孙坦 《中国图书馆学报》2008,34(2)

在现有服务多维度描述思想的指导下,以IESR数据模型为基础,设计了数字图书馆服务登记系统数据模型。它包括服务、业务、机构、资源和方法5个核心实体,使数字图书馆服务能够被有效地发布和发现。由DLSR数据模型向UDDI散据模型的映射,可以为DLSR的建设提供一种基于UDDI注册中心的直接的解决方案。  相似文献   

科学划分书库管理责任区     

刘菊霞 《大学图书馆学报》2008,26(1):77-81

对流通书库的书库管理工作进行岗位分析,利用自动化系统对工作人员所需承担的工作量进行相关的数据统计和分析,建立可操作性强的数学模型,确定各书库合理的人员编制,进一步科学合理地划分工作人员的责任区。  相似文献   

基于核模式合成的频繁巨模式挖掘算法     

陶剑文 《情报学报》2008,27(3)

已有的频繁模式挖掘算法难以适应像生物信息数据挖掘、图模式挖掘等频繁巨模式挖掘应用.提出一种频繁巨模式挖掘算法,即基于核模式合成的频繁巨模式挖掘算法(Core Pattern Fusion Based Colossal Frequent Pattern Mining Algorithm,CPFCFPA),通过将各较小的核模式进行一步合成,寻求一个对频繁巨模式完整集的蕴含集.引入项集编辑距离概念,提出一种新颖的评价频繁巨模式挖掘结果质量的评测模型.实时数据集实验显示,CPFCFPA具有较好的可扩展性和挖掘性能,且对当前频繁模式挖掘算法难以或不能实现的挖掘任务,其挖掘结果能做到对频繁巨模式完整挖掘集的较好近似.  相似文献