کنفرانس بین المللی فناوری اطلاعات و دانش

English

صفحه اصلی / یازدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

Effective Classifier for Predicting Churn in Payment Terminals Using RFM model and Deep Neural Network

نویسندگان :

Mahila Dadfarnia¹ Ali Alemi Matinpour² Monireh Abdoos³

1- دانشگاه یزد 2- تربیت مدرس تهران 3- تربیت مدرس تهران

کلمات کلیدی :

Payment terminals, Churn prediction, RFM (recency, frequency and monetary), DNN (Deep Neural Network), Genetic Algorithms

چکیده :

In recent years, there is remarkable growing concern for marketing team to retain their customers. This can be achieved by predicting accurately ahead of time, whether a terminal for buying is valuable in the foreseeable future or not. This paper presents the application of Deep Neural Network in the issue of classifying the payment terminals in different branches of Parsian bank specifically. The paper uses real data for classifying various payment terminals in 6 classes of terminal by a 5 layer deep neural network and RFM model. The empirical results reveal that utilizing the deep network generate significantly better accuracy in comparison with other popular methods

لیست مقالات

لیست مقالات بایگانی شده

SPA Bot: Smart Price-Action Trading Bot for Cryptocurency Market

Dr Hamid Jazayeriy - Mohammad Daryani

A method for image steganography based on chaotic maps and advanced compression algorithms

Mohammad Yousefi Sorkhi

IoT-Driven Water Quality Management System using Deep Q-Network

Shakiba Rajabi - Komeil Moghaddasi

‌خوشه بندی شبکه‌های بی‌سیم ادهاک مبتنی بر محدودیت‌های فازی

پروا کلیبری - کریم صمدزمینی

پیاده سازی سیستم پیش بیمارستانی یافت آمبولانس مناسب در محیط رایانش ابری با استفاده از شبیه ساز کلودسیم

ریحانه حسن رحیمی - فهیمه یزدان پناه

هوش مصنوعی در جنگ شناختی

محمدعلی محمدی - سمیه محمدی

A Hybrid Method to Reduce the Voltage Consumption in the Spiking Neural Networks

Shaghayegh Mehdizadeh saraj - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti

Enhancing Persian Speech Emotion Recognition with Contrastive Learning and Multimodal Fusion

Mobina Esmaeili - Vajiheh Sabeti

A Multi-Task Framework Using Mamba for Identity, Age, and Gender Classification from Hand Images

Amirabbas Rezasoltani - Alireza Hosseini - Ramin Toosi - MohammadAli Akhaee

Real-Time EEG-Based Analysis Of Stress-Inducing Stimuli

Mohsen Mahmoudi - Fattaneh Taghiyareh - Yasamin Akhavein - Elnaz Ghorbani

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.2