کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6855590 660780 2016 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using context for online customer re-identification
ترجمه فارسی عنوان
با استفاده از زمینه برای شناسایی دوباره مشتری آنلاین
کلمات کلیدی
شناسایی مشتری، متن نوشته، مدل سازی مشتری،
ترجمه چکیده
وظیفه شناسایی مجدد شامل پیوند پرونده ها برای افراد بدون اطلاعات شناسایی به سوابق با شناسایی اطلاعات (به عنوان مثال، نام و یا شماره امنیت اجتماعی) برای شناسایی افراد در داده های ناشناس است. این کار برای کسب و کار مهم است، زیرا شرکت ها می خواهند به دلایل مختلف دقیقا به شناسایی مصرف کنندگان بپردازند، مانند تبلیغات تبلیغاتی به آنها یا برچسب زدن آنها به عنوان کاربران جعلی. به همین دلیل، شرکت ها تلاش می کنند تکنیک های شناسایی دوباره خود را بهبود بخشد. علاوه بر این، وظیفه شناسایی دوباره شناسایی از پیش بینی تحقیق مربوطه است و بسیاری از الگوریتم ها و تکنیک ها برای بهبود مدل های موجود مجددا شناسایی شده است. با این حال، هیچ تحقیق قبلی مورد مطالعه قرار نگرفته است که آیا استفاده از متغیرهای متنی می تواند عملکرد دوباره شناسایی را بهبود بخشد. زمینه را می توان به عنوان شرایطی که تحت آن معاملات انجام می شود تعریف می شود. تا به امروز، اطلاعات متنی (یعنی زمان روز یا زمانی که داده های دیجیتالی ایجاد شده است) با موفقیت در سایر وظایف مدل سازی مانند دامنه سیستم پیشنهادی مورد استفاده قرار گرفته است، در حالیکه توانایی آن برای بهبود دقت لیست لیست موارد به کاربران وب سایت نشان داده شده است. از جمله اطلاعات متنی در یک مدل شناسایی مجدد، به دلایل مختلف یک کار بی اهمیت نیست. در این مقاله، ما در مورد مسائل اصلی در مورد استفاده از زمینه برای انجام وظیفه شناسایی دوباره شناسایی، یعنی، زمانی که در نظر گرفتن زمینه می تواند کمک به شناسایی دوباره و زمانی که انتظار می رود آسیب برساند، بحث می کنیم. ما مدل های شناسایی دوباره سازمانی را پیشنهاد می دهیم و یک چارچوب برای تصمیم گیری برای استفاده از این و تعیین بهترین روش متنی برای کار دوباره شناسایی پیشنهاد می کنیم. ما مدل های متنی ما با استفاده از سه مورد مطالعات مختلف مورد آزمایش قرار می دهیم. یافته های ما تأثیر قابل توجهی بر سیستم های متخصص و هوشمند دارد، زیرا اولین شواهدی از امکان شامل متغیرهای متنی برای بهبود نتایج فرآیند شناسایی مجدد را فراهم می کند. نتایج نیز تاثیرات قابل توجهی را برای کسب و کارها دارند، زیرا آنها می توانند به مدیران کمک کنند تصمیم بگیرند چه زمانی و چگونه یک متغیر محتوا را در کار شناسایی مجدد شناسایی کنند و بعدا بعد از انجام وظیفه مجددی شناسایی کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
با استفاده از زمینه برای شناسایی دوباره مشتری آنلاین
چکیده انگلیسی
The task of re-identification consists of linking records for individuals with no identifying information to records with identifying information (i.e., name or social security number) in order to identify individuals within the anonymous data. This task is important for business since firms want to precisely identify consumers for several reasons, such as targeting advertisements to them or labeling them as fraudulent users. For these reasons, companies strive to improve their re-identification techniques. In addition, the re-identification task is relevant from a research prospective, and many algorithms and techniques have been proposed to improve existing re-identification models. However, no previous research has studied whether the use of contextual variables can improve re-identification performance. Context can be defined as the circumstances under which transactions take place. To date, contextual information (i.e., the time of day when or the location where digital data was created) has been used successfully in other modeling tasks such as in the recommender system domain, where its ability to improve the accuracy of lists of items suggested to website users has been demonstrated. Including contextual information in a re-identification model is not a trivial task for several reasons. In this paper, we discuss the main issues regarding the use of context for the re-identification task, namely, when incorporating context is expected to help re-identification and when it is expected to hurt. We propose contextual re-identification models and a framework for deciding when to use these and determining the best performing contextual method for the re-identification task. We test our contextual models using three different case studies. Our findings have a significant impact on expert and intelligent systems since they provide the first evidence of the possibility of including contextual variables for improving the results of the re-identification process. The results also have a relevant impact for businesses since they can help managers decide when and how to include a contextual variable into the re-identification task and contextualize subsequent actions after the re-identification task.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 64, 1 December 2016, Pages 500-511
نویسندگان
, , ,