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

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).     

大数据时代个人信息保护研究综述

[目的/意义]通过梳理大数据时代个人信息保护的研究文献，为未来研究个人信息保护提供借鉴。[方法/过程]利用CNKI数据库，系统收集关于大数据时代个人信息保护的国内核心期刊论文，对文献的内容进行分析，归纳研究主题，并进行论述。[结果/结论]将现有的研究成果按主题分为5类：国内外实践经验研究、基本理论问题研究、个人信息保护机制探索、个人信息安全风险与应对、相关法律法规研究，评述现有研究的不足之处并对未来的研究方向提出展望。     

GM(1,1)模型灰色预测法Visual Foxpro计算程序

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。     

中国科学计量指标数据库的设计与实现

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。     

数据挖掘在数字图书馆中的应用

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。     

厚数据研究综述

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。     

数字图书馆服务登记系统数据模型设计

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。     

科学划分书库管理责任区

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。     

Web挖掘中的客户隐私权保护浅议

随着Web挖掘应用的日益广泛,隐私权保护研究不断增添新问题和新内容.本文分析了Web挖掘中客户隐私权被侵害的主要方式,并从政府、客户以及网络行业三个角度提出了Web挖掘中客户隐私权保护的策略.     

数据异地同步传输在电子剪报服务中的应用

知识经济时代对信息服务业提出了更高、更快、更专的要求,而作为信息服务行业一部分的图书馆剪报服务,电子剪报技术也产生了许多新变化.数据异地同步传输的实现,帮助用户在第一时间获取新信息,极大地提高了剪报的实效性和价值.