×
乌洛什·德罗夫蒂纳;什图拉，米加;安德烈·科希尔

基于社会计量理论的流失预测扩散模型。 （英语） Zbl 1414.91304号

高级数据分析。分类。，ADAC公司 9，第3期，341-365（2015）.
摘要：近十年来，客户流失预测受到了广泛关注。近年来，随着社会网络和社会网络分析工具的发展，在流失预测中考虑社会联系已被证明是有希望的。一种可能性是使用能量扩散模型来模拟通过社交网络的影响力传播。本文基于社会计量集团和社会地位理论提出了一种新的流失预测扩散模型。它将扩散模型中的能量概念描述为用户的意见，并使用衍生的社会地位函数将其转换为用户影响。此外，还描述了一种适用于单个用户或一小部分用户的新型扩散模型预测方案：目标用户子集流失预测方案。该方案允许使用有限的计算资源进行快速流失预测。扩散模型是根据斯洛文尼亚最大的移动服务提供商提供的真实用户数据集，使用F度量和升力曲线进行评估的。实验结果表明，与基本扩散激活技术（SPA）扩散模型相比，该方法的预测精度有了显著提高。更具体地说，就第五个百分位的升力而言，我们的方法比基本SPA扩散模型的表现要好116%。

引用于1文件

MSC公司：

91天30分 社交网络；意见动态
2007年6月62日 数据分析（统计）（MSC2010）
第60页 统计学在工程和工业中的应用；控制图
05C85号 图形算法（图形理论方面）

关键词：

扩散模型;客户流失预测;社交集团;社会地位;电信
PDF格式BibTeX公司 XML格式引用
\textit{U.Droftina}等人，《高级数据分析》。分类。，ADAC 9，第3号，341--365（2015；Zbl 1414.91304）
全文： 内政部

参考文献：

[1] Alba RD（1973）社会计量集团的图论定义。数学社会学杂志3（1）：113-126。doi:10.1080/0022250X.1973.9989826·Zbl 0297.92019号 ·doi:10.1080/0022250X.1973.9989826
[2] Baras D，Ronen A，Yom-Tov E（2012）社会亲和力和预测期对使用扩散模型进行流失预测的影响。IBM技术代表
[3] Blau P（1975）《社会结构研究方法》，第1版。纽约自由新闻社
[4] Dasgupta K、Singh R、Viswanathan B、Chakraborty D、Mukherjea S、Nanavati AA、Joshi A（2008）《社会关系及其与移动电信网络动荡的相关性》。摘自：第11届国际会议论文集，主题是扩大数据库技术在数据库技术方面的进步（EDBT'08）。纽约ACM出版社，第668-677页。doi:10.1145/1353343.1353424
[5] Dierkes T、Bichler M、Krishnan R（2011）《利用马尔可夫逻辑网络估计口碑对手机市场流失和交叉购买的影响》。Decis支持系统51（3）：361-371。doi:10.1016/j.dss.2011.01.002文件·doi:10.1016/j.dss.2011.01.002
[6] 费雷拉，JB；Vellasco，M。；马萨诸塞州帕切科；Barbosa，CH，《无线客户流失评估的数据挖掘技术》，483-488（2004），比利时
[7] Gary MR、Johnson DS（1979）《计算机与难处理性：NP完备性理论指南》。W.H.Freeman&Co.，纽约·Zbl 0411.68039号
[8] Gross JL，Yellen J（eds）（2003）图论手册，第1版。博卡拉顿CRC出版社·Zbl 1079.62012号
[9] Kawale J，Pal A，Srivastava J（2009）《MMORPGs中的流失预测：基于社会影响的方法》。2009年计算科学与工程国际会议，IEEE，第423-428页。doi:10.1109/CSE.2009.80
[10] Kempe D，Kleinberg J，Tardos E（2005），社交网络扩散模型中的影响节点。收录：Caires L、Italiano GF、Monteiro L、Palamidessi C、Yung M（编辑）Automata、语言与编程、计算机科学课堂讲稿，第3580卷。柏林施普林格，第1127-1138页。doi:10.1007/11523468_91·兹比尔1084.91053
[11] Luce RD，Perry AD（1949）《群结构的矩阵分析方法》。《心理测量学》14（2）：95-116。doi:10.1007/BF02289146·doi:10.1007/BF02289146
[12] Marks PEL，Cillessen AHN，Crick NR（2012）青少年流行传染病。Soc开发21（3）：501-521。文件编号：10.1111/j.1467-9507.2011.00647.x·文件编号：10.1111/j.1467-9507.2011.00647.x
[13] Miguéis VL、Van den Poel D、Camanho AS、Falcáoe Cunha J（2012）使用马尔可夫预测部分客户流失，以区分首次购买序列。高级数据分析分类6（4）：337-353。doi:10.1007/s11634-012-0121-3·Zbl 1282.62249号 ·doi:10.1007/s11634-012-0121-3
[14] Mokken RJ（1979）《集团、俱乐部和氏族》。质量数量13（2）：161-173。doi:10.1007/BF00139635·doi:10.1007/BF00139635
[15] Moody J（2001）《同侪影响群体：识别大型网络中的密集集群》。Soc Netw 23（4）：261-283。doi:10.1016/S0378-8733（01）00042-9·doi:10.1016/S0378-8733（01）00042-9
[16] 莫雷诺JL（1953）谁会幸存？社会计量学基础，团体心理治疗和社会图景，社会计量学专著，第2版。牛津灯塔大厦
[17] Mozer MC、Wolniewicz R、Grimes DB、Johnson E、Kaushansky H（2000）预测无线通信行业中用户的不满并提高用户的保留率。IEEE Trans Neural Netw 11（3）：690-696。doi:10.1109/72.846740·doi:10.1109/72.846740
[18] Nath SV，Behara RS（2003），《无线行业客户流失分析：数据挖掘方法》。附：决策科学研究所年度会议记录，第505-510页（2003年）
[19] Naveen N，Ravi V，Rao CR（2010）通过从GMDH中提取的规则进行数据挖掘：预测银行信用卡流失的应用程序。收录于：Setchi R、Jordanov I、Howlett RJ、Jain LC（eds）《基于知识和智能的信息与工程系统》，第6276卷，计算机科学讲稿，柏林春天，第80-89页。doi:10.1007/978-3-642-15387-7_12
[20] Plunkett JW（2012）Plunkett's telecommunication industry alanac 2013。普朗基特研究有限公司，休斯顿
[21] Powers DMW（2011）评估：从精确性、召回率和F-测量到ROC、信息性、标记性和相关性。J Mach学习技术2（1）：37-63
[22] Qi J，Zhang L，Liu Y，Li L，Zhou Y，Shen Y，Liang L，Li H（2008）用于客户流失预测的ADTreesLogit模型。《运营研究年鉴》168（1）：247-265。doi:10.1007/s10479-008-0400-8·Zbl 1179.90037号 ·doi:10.1007/s10479-008-0400-8
[23] Richter Y，Yom Tov E，Slonim N（2010）通过对社交群体的分析预测移动网络中的客户流失。摘自：2010年SIAM国际数据挖掘会议记录（SDM 2010），第732-741页。doi:10.1137/1.9781611972801.64
[24] Rosenberg LJ，Czepiel JA（1984）《客户保留的营销方法》。J消费标记1（2）：45-51。数字对象标识代码：10.1108/eb008094·数字对象标识代码：10.1108/eb008094
[25] Saltelli A、Ratto M、Andres T、Campolongo F、Cariboni J、Gatelli D、Saisana M、Tarantola S（2008）《全球敏感性分析：引物》。奇切斯特·威利。doi:10.1002/9780470725184·Zbl 1161.00304号
[26] van den Berg YHM，Cillessen AHN（2012）《计算机化社会测量和同行评估：实证和实践评估》。国际行为发育杂志37（1）：68-76。doi:10.1177/0165025412463508·doi:10.1177/0165025412463508
[27] Verbeke W，Dejaeger K，Martens D，Hur J，Baesens B（2012）电信行业流失预测的新见解：利润驱动的数据挖掘方法。欧洲运营研究杂志218（1）：211-229。doi:10.1016/j.ejor.2011.09.031·doi:10.1016/j.ejor.2011.09.031
[28] Yan L、Wolniewicz RH、Dodier R（2004）《电信业中客户行为预测》。智能系统IEEE 19（2）：50-58·doi:10.1109/MIS.2004.1274911
[29] Yoon S、Koehler J、Ghobarah A（2010）谷歌广告词广告客户流失预测。In:JSM会议记录（2010）
[30] Zhang X，Zhu J，Xu S，Wan Y（2012）通过人际影响预测客户流失。基于知识的系统28:97-104。doi:10.1016/j.knosys.2011.12.005·doi:10.1016/j.knosys.2011.12.005
[31] Zhang X，Liu Z，Yang X，Shi W，Wang Q（2010）《通过整合客户联系网络的影响预测客户流失》。摘自：2010年IEEE服务运营与物流及信息学国际会议论文集。IEEE，第392-397页（2010年）。doi:10.1109/SOLI.2010.5551545
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。