A Fusion Method of Co-training and Label Propagation for Prediction of Bank Telemarketing

김아름; 조성배

doi:10.5626/JOK.2017.44.7.686

추천

검색

질문

자료유형: 학술저널

저자정보: 김아름 (연세대학교) 조성배 (연세대학교)

저널정보: Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.44 No.7

발행연도: 2017.7

수록면: 686 - 691 (6page)

DOI: 10.5626/JOK.2017.44.7.686

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

텔레마케팅은 지식정보화 사회가 되면서 기업 마케팅 활동의 중심축으로 발전하였다. 최근 금융데이터에 기계학습을 적용하는 연구가 활발하게 진행되고 있으며 좋은 성과를 내고 있다. 하지만 지도학습법이 대부분이어서 많은 양의 클래스가 있는 데이터가 필요하다. 본 논문에서는 텔레마케팅의 목표 고객을 선정하는데 클래스가 없는 금융 데이터에 자동으로 클래스를 부여하는 방법을 제안한다. 준지도 학습법 중 레이블 전파와 의사결정나무 기반의 협동 학습으로 클래스가 없는 데이터를 레이블링한다. 신뢰도가 낮은 데이터를 제거한 후 두 방법이 같은 클래스로 예측한 데이터만 추출한다. 이를 학습 데이터에 추가한 후 의사결정나무를 학습하여 테스트 데이터로 평가한다. 제안하는 방법의 유용성을 입증하기 위해 실제 포르투갈은행의 텔레마케팅 데이터를 이용하여 실험을 수행하였다. 비교 실험 결과, 정확도가 83.39%로 1.82% 향상되고, 정밀도가 19.37%로 2.67% 향상되었으며, t-검증을 통해 유의미한 성능 향상이 있음을 입증하였다.

#텔레마케팅 #준지도 학습법 #레이블 전파 #협동 학습 #신뢰도 #telemarketing #semi-supervised learning #label propagation #co-training #reliability

참고문헌 (13)

참고문헌 신청

J.-W. Kim, A Study of the Relationship Between the Outbound Call Center Service Quality and Service Recovery Customer Royalty, Journal of Digital Convergence, Vol. 13, No. 1, pp. 163-176, Jan. 2015. (in Korean) P. N. Druzhkov and V. D. Kustikova, A Survey of Deep Learning Methods and Software Tools for Image Classification and Object Detection, Pattern Recognition and Image Analysis, Vol. 26, No. 1, pp. 9-15, Jan. 2016. X. Zhu and Z. Ghahramani. Learning from Labeled and Unlabeled Data with Label Propagation, Technical Report CMU-CALD-02-107, pp. 1-17. Carnegie Mellon University, Pittsburgh, 2002. A. Blum and T. Mitchell, Combining Labeled and Unlabeled Data with Co-training, Proc. of the 11th Conf. on Computational Learning Theory, pp. 92-100, 1998. L. V. D. Maaten and G. Hinton, Visualizing Data using t-SNE, Journal of Machine Learning Research, Vol. 9, pp. 2579-2605, Nov. 2008.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김아름

소속기관 연세대학교

주요연구분야 공학 > 컴퓨터학

논문수 9 이용수 682

조성배

소속기관 연세대학교

주요연구분야 공학 > 컴퓨터학 TOP 0.5% 복합학 > 학제간연구

논문수 548 이용수 54,418

이 논문과 함께 이용한 논문

Korean Movie-review Sentiment Analysis Using Parallel Stacked Bidirectional LSTM Model

오영택 , 김민태 , 김우주 Journal of KIISE 2019 .01

Korean Dependency Parsing using the Self-Attention Head Recognition Model

임준호 , 김현기 Journal of KIISE 2019 .01

Regularizing Korean Conversational Model by Applying Denoising Mechanism

김태형 , 노윤석 , 박성배 외 1명 Journal of KIISE 2018 .06

Enhancing the Performance of Recommender Systems Using Online Review Clusters

노기섭 , 오하영 , 이재훈 Journal of KIISE 2018 .02

Statistical Ranking Recommendation System of Hangul-to-Roman Conversion for Korean Names

이정훈 , 김민호 , 권혁철 Journal of KIISE 2017 .12

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)