دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
یک چارچوب CRM-داده کاوی کارآمد برای پیش بینی رفتار مشتری |
عنوان انگلیسی مقاله: |
An Efficient CRM-Data Mining Framework for the Prediction of Customer Behaviour |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2015 |
تعداد صفحات مقاله انگلیسی | 7 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مدیریت |
گرایش های مرتبط با این مقاله | داده کاوی، مدیریت استراتژیک و مدیریت کسب و کار |
مجله | کنفرانس بین المللی فناوری اطلاعات و ارتباطات |
دانشگاه | دانشگاه علم و صنعت کوچین، هند |
کلمات کلیدی | چارچوب داده کاوی، مدیریت ارتباط با مشتری، پیش بینی، طبقه بندی |
شناسه شاپا یا ISSN | ISSN 1877-0509 |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
نشریه | Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 10 صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه شده است |
ترجمه متون داخل جداول | ترجمه شده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1. معرفی
2. مجموعه داده های مورد استفاده
3. طرح مسئله
4. یک چارچوب CRM –داده کاوی
5.1. شبکه عصبی ادراک چندلایه (MLPNN)
5.2. بیز ساده (NB)
5.3. WEKA
6. منطق پیاده سازی
6.1. پیش پردازش داده
6.2. مدل سازی
7. نتیجه تست
8. نتیجه گیری و حوزه های آینده
- بخشی از ترجمه:
8. نتیجه گیری و حوزه های آینده
در این مقاله ما یک چارچوب CRM-داده کاوی کارآمد برای پیش بینی رفتار مشتری ارائه دادیم. دو مدل طبقه بندی برای پیش بینی رفتار مشتری استفاده شد. به منظور رسیدن به نتایج پژوهش معتبر، همواره استفاده از مجموعه داده های تعیین معیار استاندارد مانند مجموعه داده UCI بهتر است. از این رو در اینکار نیز ما بطور مشابه عمل میکنیم. بهترین مدل که به عملکرد پیش بینی بالایی میرسد، MLPNN با نرخ دقت 88.63٪ بود. ما همچنین عملکرد طبقه بندها را از نظر دقت، حساسیت و ویژگی مقایسه کردیم. این کار می تواند به دیگر مدل های جدید مانند طبقه بندهای فازی عصبی، اثرکلی طبقه بندها و غیره توسعه یابد. همچنین تنظیمات تجربی مشابه می تواند در دیگر مجموعه داده های بزرگ بانکداری زنده، بکار برده شود.
- بخشی از مقاله انگلیسی:
8. Conclusion and Future Scope
In this paper we propose an efficient CRM-data mining framework for the prediction of customer behaviour. Two classification models were used to predict the customer behaviour. In order to arrive at authentic research results it is always better to use standard bench marking datasets like UCI datasets. Hence we used the same in this work. The best model that achieves high predictive performance was MLPNN with accuracy rate of 88.63%. We also compared the performance of classifiers in terms of accuracy, sensitivity and specificity. This work can be extended to other new models like Neuro fuzzy classifiers, Ensemble of classifiers and so on. Also the same experimental set up can be applied to other huge live banking datasets.
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
یک چارچوب CRM-داده کاوی کارآمد برای پیش بینی رفتار مشتری |
عنوان انگلیسی مقاله: |
An Efficient CRM-Data Mining Framework for the Prediction of Customer Behaviour |
|