التنبؤ بمشاركة الحملة مع التعلم العميق
| العنوان | التنبؤ بمشاركة الحملة مع التعلم العميق |
|---|---|
| المؤلف | أيفاز، ديميت، أيدوغان، ريحان، أكشورا، منير تولغا، سينسوي، مراد |
| تاريخ النشر: | 2021-08 |
| مكان النشر | - إلسفير |
| الموضوع | تصنيف شجرة القرار، التعلم العميق، استخلاص الميزات، التسويق الآني، نماذج الشبكات الواسعة والعميقة |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 1567-4223 |
| رقم السجل | baeb75d3-8667-4777-adfe-98d47bde85d6 |
| موقع المكتبة | إدارة الأعمال، علوم الحاسب الآلي |
| التاريخ | 2021-08 |
| نص عينة | على نحو متزايد، تضغط طبيعة تفاعلات العملاء حسب الطلب على الشركات لبناء أنظمة إدارة الحملات في الوقت الفعلي. بدلاً من جعل المديرين يقررون قواعد الحملة، مثل متى وكيف ومن سيعرضون، يعد إنشاء أنظمة ذكية لإدارة الحملات يمكنها أتمتة مثل هذه القرارات أمرًا ضروريًا. بالإضافة إلى ذلك، عادةً ما تقيد اللوائح أو سياسات الشركة عدد مرات الوصول إلى العملاء. يصبح التعلم الفعال لسلوك العملاء من خلال ملاحظات المشاركة الديناميكية في الحملة ميزة حاسمة قد تحدد في النهاية رضا العملاء والاحتفاظ بهم. تعتمد هذه الورقة على النجاحات الأخيرة لتقنيات التعلم العميق وتقترح نموذج تصنيف للتنبؤ باستجابات العملاء للحملات. تعد الشبكات العصبية العميقة الكلاسيكية جيدة في تعلم العلاقات المخفية داخل البيانات (أي الأنماط) ولكن بقدرة محدودة على الحفظ. أحد الحلول لزيادة الحفظ هو استخدام الميزات اليدوية، كما هو الحال في الشبكات الواسعة والعميقة، والتي تم اقتراحها في الأصل لتطبيق Google Play. توصيات. نحن نؤيد استخدام أشجار القرار كوسيلة أسهل لاستخراج العلاقات عالية المستوى لتعزيز الشبكات الواسعة والعميقة. يتمتع هذا النهج بفائدة إضافية تتمثل في التغلب على القواعد المنشأة يدويًا، والتي تستخدم في معظم الأحيان بيانات غير كاملة ولها تحيزات. تُظهر مجموعة من التجارب الشاملة حول بيانات المشاركة في الحملة من أحد موفري خدمات GSM الرائدين أن الميزات التي تم إعدادها تلقائيًا تحقق زيادة كبيرة في الدقة وتتفوق في الأداء على النماذج العميقة والواسعة والعميقة مع الميزات المصممة يدويًا. |
| DOI | 10.1016/j.elerap.2021.101058 |
| Cilt | 48 |
