Otkrivanje korisnika sklonih promjeni pokretne mreže temeljem analize društvenog konteksta

master's thesis

• Title (english): Mobile churn prediction by using social context
• Author: Bojan Bajac
• Mentor: Zoran Skočir (mentor)
• Committee member: Zoran Skočir (predsjednik povjerenstva)
• Committee member: Boris Vrdoljak (član povjerenstva)
• Committee member: Marko Banek (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2015-07-03, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Rad opisuje algoritme za predikciju odlaska korisnika iz telekomunikacijske mreže. Na početku rada opisan je algoritam „stablo odlučivanja“ koji ne koristi društveni kontekst kao varijablu za predikciju. Kasnije u radu opisuju se nešto složeniji algoritmi. Prvi opisani, koji koristi društveni kontekst, je „Identifikacija influencera“. Nije klasični algoritam za predikciju churna već više prevencija odlaska vrijednog korisnika. Sljedeći opisan algoritam „Identifikacija grupe potencijalnih churnera“ temelji se na identifikaciji grupe churnera gdje se kasnije metodama strojnog učenja dolazi do podatka za pojedinog korisnika. Posljednji opisani algoritam, „Hibridni model“, koristi tradicionalne metode predviđanja churna i poboljšava rezultate korištenjem analize društvenih mreža.

Abstract (english)

This paper describes churn prediction algorithms in telecommunications network. At the beginning of the paper, "Decision tree" algorithm that does not use the social context as a variable to predict churn is described, later in the paper more complex algorithms are presented. The first described, which uses social context, is "influencer identification". It is not a classic algorithm for churn prediction, more for churn prevention of valuable customers. Next described algorithm "Identification of potential churner group" is based on identifying group of churners, machine learning methods are later used to predict churn of individual customer. The last described algorithm, the "Hybrid model", uses traditional churn predicting models and enhance results using social network analysis.

• Keywords: predviđanje odlaska korisnika; društveni kontekst; analiza društvene mreže; telekom
• Keywords (english): churn prediction: social context: social network analysis: telecom
• Language: croatian
• URN:NBN: urn:nbn:hr:168:792055
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 07:41:14