$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

은행 텔레마케팅 예측을 위한 레이블 전파와 협동 학습의 결합 방법
A Fusion Method of Co-training and Label Propagation for Prediction of Bank Telemarketing

정보과학회논문지 = Journal of KIISE, v.44 no.7, 2017년, pp.686 - 691  

김아름 (연세대학교 컴퓨터과학과) ,  조성배 (연세대학교 컴퓨터과학과)

초록
AI-Helper 아이콘AI-Helper

텔레마케팅은 지식정보화 사회가 되면서 기업 마케팅 활동의 중심축으로 발전하였다. 최근 금융 데이터에 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 포르투갈 은행의 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.

Abstract ▼ AI-Helper 아이콘AI-Helper

Telemarketing has become the center of marketing action of the industry in the information society. Recently, machine learning has emerged in many areas, especially, financial prediction. Financial data consists of lots of unlabeled data in most parts, and therefore, it is difficult for humans to pe...

주제어

#텔레마케팅   #준지도 학습법   #레이블 전파   #협동 학습   #신뢰도  

참고문헌 (13)

  1. 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) 

  2. 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. 

    상세보기 crossref

  3. 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. 

  4. 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. 

  5. L. V. D. Maaten and G. Hinton, "Visualizing Data using t-SNE," Journal of Machine Learning Research, Vol. 9, pp. 2579-2605, Nov. 2008. 

  6. W.-Y. Lin, Y.-H. Hu and C.-F. Tsai, "Machine Learning in Financial Crisis Prediction: A Survey," IEEE Trans. on Systems, Man, and Cybernetics, Part C, Vol. 42, No. 4, pp. 421-436, Nov. 2011. 

  7. X.-Y. Lu, X.-Q. Chu, M.-H. Chen, P.-C. Chang and S.-H. Chen, "Artificial Immune Network with Feature Selection for Bank Term Deposit Recommendation," Journal of Intelligent Information Systems, Vol. 47, pp. 267-285, Oct. 2016. 

    상세보기 crossref

  8. M. Scherer, J. Smolang and A. Gaweda, "Predicting Success of Bank Direct Marketing by Neuro-fuzzy Systems," Proc. of the 15th Int. Conf. on Artificial Intelligence and Soft Computing, pp. 570-576, 2016. 

  9. K.-H. Kim, C.-S. Lee, S.-M. Jo and S.-B. Cho, "Predicting the Success of Bank Telemarketing using Deep Convolutional Neural Network," Proc. of the 7th Int. Conf. of Soft Computing and Pattern Recognition, pp. 314-317, 2016. 

  10. T. Harris, "Credit Scoring using the Clustered Support Vector Machine," Expert Systems and Applications, Vol. 42, pp. 741-750, Feb. 2015. 

    상세보기 crossref

  11. M. Malekipirbazari and V. Aksakalli, "Risk Assessment in Social Lending via Random Forests," Expert Systems and Applications, Vol. 42, No. 10, pp. 4621-4631, Jun. 2015. 

    상세보기 crossref

  12. P. K. Mallapragada, R. Jin, A. K. Jain and Y. Liu, "SemiBoost: Boosting for Semi-supervised Learning," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 31, No. 11, pp. 2000-2014, Sep. 2009. 

    상세보기 crossref

  13. S. Moro, P. Cortez and P. Rita, "A Data-driven Approach to Predict the Success of Bank Telemarketing," Decision Support Systems, Vol. 62, pp. 22-31, Jun. 2014. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로