文献

J-GLOBAL ID：202202257470034200   整理番号：22A0930840

顧客保持のための動的時間ワーピングを用いた長期ユーザ行動の研究【JST・京大機械翻訳】

Studying Long-Term User Behaviour Using Dynamic Time Warping for Customer Retention

著者 (1件)： Gwalani Harsha (Twitter, New York City, NY, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： WSDM ’22  ページ： 1643  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 動的時間ワーピング(DTW)は,時間シーケンス間の類似性を測定するために用いられる非同期アラインメントアルゴリズムである。DTWは,パターンの形がイベントの速度より重要であるとき,配列を比較するのに有利であった。それは,自動音声認識,ストック価格決定データのパターン検出,機器のエネルギー消費パターンの研究などに広く用いられている。本論文では,Twitterにおける長期使用パターンを理解するための動的時間ワーピングの使用を論じた。時系列データは,反復ユーザ行動を理解し,そして,集合および/またはスナップショットユーザ特徴よりユーザナラティブを構築するのに,より有用である。筆者らは,時間信号として異なるユーザメトリックの時系列を利用し,ユーザ(不活性になるユーザ)に対する特定の使用と関与パターンを同定するためにそれらをクラスタする。このアプローチは,顧客保持のための介入の優先順位付けを助ける,異なるユーザ人物のためのより正確な機会サイジングをもたらした。大規模データに対するこのアプローチの実装について論じ,人間理解可能な方法で時系列クラスタを理解し,提示における多次元時系列データに関連する課題を検討した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音声認識 ,  時間 ,  価格決定 ,  データ ,  サイジング ,  クラスタ化 ,  クラスタ ,  在庫量 ,  *利用者 ,  高次元 ,  *画像変換
準シソーラス用語： 時系列データ ,  *ワーピング ,  自動音声認識 ,  *ユーザ行動 ,  ツイッター ,  大規模データ , 【Automatic Indexing@JST】

著者キーワード (3件)： 顧客保持 ,  動的時間ワーピング ,  時系列クラスタリング

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 顧客保持 ,  ワーピング ,  長期 ,  ユーザ行動 ,  研究