文献

J-GLOBAL ID：202302256972838614   整理番号：23A0048843

テレコムサービスプロバイダの顧客満足度予測における機械学習の応用【JST・京大機械翻訳】

Application of Machine Learning in Predicting Customer Satisfaction of Telecom Service Providers

著者 (3件)： Joolfoo Khalid M. B. A. (University of Mauritius,Department of Electrical and Electronic Engineering,Reduit,Mauritius) ,  Jugurnauth Rameshwar A. (University of Mauritius,Department of Electrical and Electronic Engineering,Reduit,Mauritius) ,  Joolfoo Muhammad B. A. (University of Mauritius,Department of Electrical and Electronic Engineering,Reduit,Mauritius)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ELECOM  ページ： 1-10  発行年： 2022年 
JST資料番号： W2441A  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： セルラネットワーキングにおけるコールドロップは,最も定格のセルラネットワークが市場で維持できる産業のトッププレーヤーを決定し,そして,最小定格は,銀行さえ直面することができた。呼び出し品質に対する顧客満足は,どのテレコム組織が長期運転で市場でうまく生き残るために集中しなければならない重要な因子である。本研究は,機械学習が,様々なテレコムサービスプロバイダの呼損品質に対する顧客満足を予測するためにどのように適用できるかを示した。データセットをKaggleから取得し,開発した機械学習モデルを訓練し,データセットを用いて試験した。研究は分類のためにランダムフォレスト分類子を使用した。焦点の下のパラメータは,呼び出し評価,呼損,および加入者数である。本研究は,呼出し時に顧客(コールレイティング)によって提供される評価で,呼出し中の呼品質を調べる機械学習モデルの開発を通して,セルラネットワーキングの顧客満足を予測し,推定するために,タイムライン(9月~11月)として3か月のデータサンプルに焦点を当てた。開発したモデルを,再現,精度およびF1スコアを通してその性能に対して測定した。得られた結果は,呼品質の顧客満足の予測に関して91%の精度を与えた。Copyright 2023 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 銀行 ,  定格 ,  呼損 ,  *機械学習 ,  *顧客満足 ,  *サービスプロバイダ
準シソーラス用語： ネットワーキング ,  ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 顧客満足度 ,  予測 ,  機械学習 ,  応用