ترکیب تئوری مجموعه زبر و کلونی مورچگان برای پیش بینی ریزش مشتری

Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,390

This Paper With 6 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

LNCSE02_049

تاریخ نمایه سازی: 6 اسفند 1391

Abstract:

با اشباع بازار و تشدید رقابت در صنعت ارتباطات، ریزش مشتری به موضوع مهمی برای تامینکنندگان ارتباطات تبدیل شده است. برای مدیریت موثر ریزش مشتری، با توجه به هزینهی بالای جذب مشتریان جدید، سازمانها بهسمت استراتژیهای حفظ مشتری تمایل دارند تا برنامههای جذب مشتریان جدید. یکی از مهمترین ابزارهای حفظ مشتری، بکارگیری مدلهای پیشبینی ریزش مشتری است. اکثر مطالعات پیشین به بررسی مقایسهای مدلهایپیشبینی ریزش مشتری میپردازند. در این مقاله مدلی ایجاد شده است که با شناسایی مهمترین ویژگیهای تاثیرگذار بر ریزش به کشف روابط و قوانین موجود بین آنها میپردازد. در این مقاله ابتدا با استفاده از تئوری مجموعه زبر مهمترین ویژگیهای تاثیرگذار بر ریزش شناسایی شده است. سپس از الگوریتم Ant Miner+ جهت استخراج قوانین مربوط به ریزش بهره گرفته شده است. نتایج تجربی نشان میدهد که مدل پیشنهادی از نظر معیارهای ارزیابی، عملکرد قابل قبولی را ارائه میدهد

Authors

راضیه قیاسی

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه قم، قم، ایران

ملیحه باقری دهنوی

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه قم، قم، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • details to churn prediction: a data mining approach", Expert Systems ...
  • Assisted Customer Churn Management : S tate-OfThe-Ar and Future Trends" ...
  • Reasoning about Data, Kluwer Academic Publishers, 1991 M. Dorigo, V. ...
  • optimization by a colony of cooperating agents", IEEE Transactions on ...
  • Baesens, Christophe Mues, and Jan Vanthienen, "Ant-Based Approach to the ...
  • Vol. 54, No. 6, pp.627-635, 2003. ...
  • Computation, Vol. 11, No. 5, 2007. ...
  • S. Y. Hung, D. C.Yen, H. Y. Wang, "Applying data ...
  • J. Hadden, A. Tiwari, R. Roy, D. Ruta, "Chur prediction: ...
  • trends", Computers _ Operations Research, Vol. 34, No. 10, pp. ...
  • K. Coussement, D. V. D. Poel, Improving customer ...
  • D. Popovic., B. D. Basic "Churn prediction model in retail ...
  • _ _ C. F. Tsai, Y. H. _ Lu, "Customer ...
  • _ _ B.Q Huang, B. _ Buckley, T.M. Kechadi, _ ...
  • V. V. Saradhi, G. K. Palshikar, "Employee churn prediction", Expert ...
  • Kisioglu, P., & Ilker Topcu, Y. Applying bayesian belief network ...
  • G. Nie, W. Rowe, LZhang, Y. Tian, Y. Shi, "Credit ...
  • W. Verbeke, DMartens, C. Mues, B. Baesens, "Building comprehensible customer ...
  • Z. Sun, G. Bebis, R. Miller, "Object Detection Using advanced ...
  • Feature Selection for Improving Evolutionary Instance Applications, Vol. 38, pp. ...
  • SPSS Inc., Clementine 12.0 User's Guide, SPSS Inc., Anomaly Detection ...
  • نمایش کامل مراجع