|
|
|
|
| LEADER |
02951na a2200241 4500 |
| 003 |
HR-ZaFER |
| 005 |
20160624161652.0 |
| 008 |
160221s2015 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid2389
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Galić, Ana Marija
|9 37283
|
| 245 |
1 |
0 |
|a Predviđanje gubitka korisnika iz perspektive davatelja telekomunikacijskih usluga analizom implicitne društvene mreže definirane korisničkim aktivnostima :
|b diplomski rad /
|c Ana Marija Galić ; [mentor Marko Banek].
|
| 246 |
1 |
|
|a Customer churn prediction for telecommunication service provider by analyzing implicit social network based on customer activity
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b A. Galić,
|c 2015.
|
| 300 |
|
|
|a 52 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Programsko inženjerstvo i informacijski sustavi, šifra smjera: 54, datum predaje: 2015-06-30, datum završetka: 2015-07-03
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Rad se bavi uvodom u analizu društvenih mreža u svrhu predikcije churna (odlaska korisnika) u telekomunikacijskim mrežama. Dan je uvid u analizu društvenih mreža (SNA): što je to, kako se i zašto koristi, kako je nastala i koja je razlika između SNA i dubinske analize podataka. Napravljen je pregled najosnovnijih mjera korištenih u predikciji churna, objašnjeno je što su to CDR podaci e je dan primjer na pravom skupu podataka. Na temelju tog skupa promatra se optimalna mjera za predikciju churna s obzirom na utjecaj ostalih čvorova u mreži na promatrani čvor. Također, objašnjeno je što su čvorovi, gdje ima mjesta za napredak i razvoj te je dan primjer alata kojim se analiza može raditi.
|
| 520 |
3 |
|
|a Sažetak na engleskom: This thesis gives an introduction to social networks analysis in predicting Churn (users leaving supplier) in telecommunication networks. An insight into the social network analysis (SNA) is given: what it is, how and why is it used,and what is the difference between SNA and data mining. A review of the most basic measures used in the churn prediction is given, as well as an example of SNA on the real life dataset. Based on that set, the optimal measures for churn prediction is given. Conclusion on where there is room for improvement and development is given, as well as an example of a good tool that can be used
|
| 653 |
|
1 |
|a mjere
|a telekomunikacijska mreža
|a analiza društvene mreže
|a teorija grafova
|a grafovi
|a R
|a RStudio
|a svojstveni vektor (eigenvector)
|a gustoća mreže
|a težinski grafovi
|a bestežinski grafovi
|a odlazak korisnika iz mreže
|a CRISP-DM
|a dubinska analiza podataka
|a CDR podaci o pozivima
|
| 653 |
|
1 |
|a social network analysis
|a churn
|a marketing
|a leaders and followers
|a datamining
|a telco network
|a eigenvector
|a indegree and outdegree
|a CDR dataset
|a weighted and non-weighted graphs
|
| 700 |
1 |
|
|a Banek, Marko
|4 ths
|9 30922
|
| 942 |
|
|
|c Y
|2 udc
|
| 999 |
|
|
|c 46104
|d 46104
|