Testing the Performance of Feature Selection Methods for Customer Churn Analysis: Case Study in B2B Business

Sancar, Semanur; Uzun‐Per, Meryem

doi:10.1007/978-3-031-27099-4_39

Cited by 1 publication

(2 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Bu nedenle, uçak bileti satışı konsolidatör acentesi olan BiletBank'ın 2012-2017 yılları arasındaki verisi kullanılarak önerilen uçuş öneri sistemi test edilmiştir. Aynı veri seti kısmi olarak [50][51][52][53] çalışmalarında da kullanılmıştır. [50]'de Spark büyük veri platformu üzerinde koşturulan işbirlikçi algoritmalar kullanılarak bir uçuş öneri sistemi geliştirilmiştir.…”

Section: Veri Kümesiunclassified

See 1 more Smart Citation

Kullanıcı ve Öğe Bazlı, Geniş ve Derin Öğrenme Tabanlı Seyahat Öneri Sistemi

ÖZ,

UZUN-PER,

BAL

2023

EJOSAT

Self Cite

View full text Add to dashboard Cite

Teknolojinin gelişmesi ile birlikte artan dijital bilgi miktarı ve internetin yaygınlaşması ile internet üzerinden ürün, hizmet, abonelik gibi ticaret işlemlerinin gerçekleştiği web sitelerinin sayısının da artması, beraberinde, müşterilere kişiselleştirilmiş ve doğru; ürün, hizmet ve abonelikleri sunmanın (önermenin) de önemini artmıştır. Müşterilere önerilerde yaygın olarak kullanılan ürün bazlı, kullanıcı tabanlı ve bu ikisinin birlikte kullanıldığı hibrit geleneksel yaklaşımlar çoğu çalışmada kullanılmaktadır. Geleneksel yaklaşımların, büyük ve seyrek veriler ile çalışma, kullanıcı ve ürün arasındaki karışık ilişkileri bulamama ve soğuk başlangıç (cold start) gibi problemlerinin üstesinden gelmek, derin ve geniş öğrenme sistemlerinin kullanımı ile mümkün olmuştur. Bu çalışma kapsamında, derin ve geniş sinir ağlarına ve bunların seyahat öneri sistemlerindeki uygulamalarına kapsamlı bir bakış açısı sunulmuştur. Derin öğrenme ile ilgili temel bilgilere yer verildikten sonra, en popüler öneri algoritmaları olan Google'ın Geniş ve Derin Algoritması ve Facebook'un Deep Learning Recommendation Model (DLRM) algoritmasına yer verilmiştir. Bu çalışma kapsamında, geniş ve derin öğrenme yaklaşımı ile kullanıcı ve ürün özelliklerinin kategorik olanlarının gömme işlemi uygulanarak, nümerik veriler ile modele beslendiği yeni bir seyahat öneri sistemi oluşturulmuştur. Önerilen yöntem gerçek bir seyahat acentesi şirketinin veri seti üzerinde uygulanmıştır. Bu çalışma sonucunda kullanıcılara verilen en iyi beş öneride, %82.37 doğruluk oranı yakalanmıştır.

show abstract