There are many reasons that custome

There are many reasons that customers will pay their bills late.

Some fraudulent behaviors may cause heavy short-term losses to providers.

We thus expect that the system can analyze and predict user behavior through a small amount of CDR.

Based on the studied experiences of the past three months and users who made habitual late payments, we also found that fraudulent behavior could be identified based on the behavioral difference between the current week and past weeks, and between the current week and the past several months.

To prevent special fraudulent behavior from being diluted by other behavior, the training data from each month was
subdivided into different datasets for one week, two weeks, three weeks and one month.

Ten datasets in total were then generated,including four, three, two, and one datasets, which were generated for one week, two weeks, three weeks, and one month, respectively.

Thus, a stable model that is easily converted with time was established, and the effectiveness of the data mining effect
was increased.

ผลลัพธ์ (ไทย) 1:

มีหลายเหตุผลที่ลูกค้าจะจ่ายตั๋วของพวกเขาช้าบางพฤติกรรมที่หลอกลวงอาจทำให้เกิดการสูญเสียระยะสั้นเพื่อให้บริการ เราจึงคาดหวังว่า ระบบสามารถวิเคราะห์ และทำนายพฤติกรรมของผู้ใช้ผ่าน CDR จำนวนเล็กน้อยอิงจากประสบการณ์ศึกษาสามเดือนและผู้ใช้ที่ชำระล่าช้าที่เคยผ่านมา เรายังพบว่า ลักษณะการทำงานที่หลอกลวงอาจระบุอิงพฤติกรรมความแตกต่าง ระหว่างสัปดาห์ปัจจุบันและสัปดาห์ที่ผ่านมา และระหว่างสัปดาห์ปัจจุบันและหลายเดือนผ่านมา การป้องกันพฤติกรรมฉ้อฉลพิเศษถูกเจือจางโดยลักษณะการทำงานอื่น ๆ ข้อมูลการฝึกอบรมแต่ละเดือนได้ถูกแบ่งออกเป็นชุดข้อมูลที่แตกต่างกันหนึ่งสัปดาห์ สองสัปดาห์ 3 สัปดาห์และ 1 เดือน สิบชุดข้อมูลทั้งหมดแล้วสร้างขึ้น รวมทั้งสี่ สาม สอง และหนึ่งชุดข้อมูล ซึ่งสร้างขึ้นสำหรับหนึ่งสัปดาห์ สองสัปดาห์ 3 สัปดาห์ และหนึ่งเดือน ตามลำดับ ดังนั้น แบบมีเสถียรภาพที่จะแปลงได้ง่าย ๆ ด้วยเวลาก่อ ประสิทธิภาพของผลการทำเหมืองข้อมูลเพิ่มขึ้น

ผลลัพธ์ (ไทย) 2:

มีหลายเหตุผลที่ลูกค้าจะชำระค่าใช้จ่ายของพวกเขาในช่วงปลาย. มี

บางพฤติกรรมหลอกลวงอาจก่อให้เกิดความสูญเสียในระยะสั้นหนักกับผู้ให้บริการ.

เราจึงคาดหวังว่าระบบสามารถวิเคราะห์และคาดการณ์พฤติกรรมของผู้ใช้ผ่านจำนวนเล็ก ๆ ของผบ.

ขึ้นอยู่กับประสบการณ์การศึกษาของ สามเดือนที่ผ่านมาและผู้ใช้ที่ทำให้การชำระเงินล่าช้านิสัยเรายังพบว่าพฤติกรรมหลอกลวงสามารถระบุได้โดยอยู่บนพื้นฐานของความแตกต่างระหว่างพฤติกรรมสัปดาห์ปัจจุบันและสัปดาห์ที่ผ่านมาและระหว่างสัปดาห์ปัจจุบันและอีกหลายเดือนที่ผ่านมา.

เพื่อป้องกันไม่ให้พฤติกรรมหลอกลวงพิเศษ จากการถูกปรับลดจากพฤติกรรมอื่น ๆ , ข้อมูลการฝึกอบรมจากในแต่ละเดือนได้ถูก
แบ่งออกเป็นชุดข้อมูลที่แตกต่างกันเป็นเวลาหนึ่งสัปดาห์สองสัปดาห์ที่ผ่านมาสามสัปดาห์และหนึ่งเดือน.

สิบชุดข้อมูลทั้งหมดถูกสร้างขึ้นแล้วรวมทั้งสี่สามสองและหนึ่งชุดข้อมูล ซึ่งถูกสร้างขึ้นสำหรับหนึ่งสัปดาห์สองสัปดาห์ที่สามสัปดาห์และหนึ่งเดือนตามลำดับ.

ดังนั้นรูปแบบที่มั่นคงที่จะถูกแปลงได้อย่างง่ายดายด้วยเวลาที่เป็นที่ยอมรับและประสิทธิผลของผลกระทบการทำเหมืองข้อมูลที่
เพิ่มขึ้น

ผลลัพธ์ (ไทย) 3:

มีหลายเหตุผลที่ลูกค้าจะจ่ายเงินช้าบางพฤติกรรมที่อาจก่อให้เกิดความสูญเสียระยะสั้นหลอกลวงหนักกับผู้ให้บริการเราจึงคาดหวังว่าระบบสามารถวิเคราะห์และทำนายพฤติกรรมของผู้ใช้ผ่านจำนวนเล็ก ๆของข้อมูล .จากการศึกษาประสบการณ์ของอดีตสามเดือนและผู้ใช้ที่สร้างนิสัยการชำระเงินล่าช้า นอกจากนี้เรายังพบว่า พฤติกรรมการหลอกลวงอาจจะระบุตามความแตกต่างทางพฤติกรรมระหว่างสัปดาห์ปัจจุบันและสัปดาห์ที่ผ่านมา และระหว่างสัปดาห์ปัจจุบันและช่วงหลายเดือนที่ผ่านมาเพื่อป้องกันพฤติกรรมหลอกลวงพิเศษจากการเจือจางโดยพฤติกรรมอื่น ๆ อบรมข้อมูลจากแต่ละเดือน คือแบ่งชุดข้อมูลที่แตกต่างกันในหนึ่งสัปดาห์ สองสัปดาห์ สามสัปดาห์ และ 1 เดือน10 ข้อมูลทั้งหมดแล้วสร้าง รวม สี่ สาม สอง และหนึ่งชุดข้อมูลซึ่งถูกสร้างขึ้นในหนึ่งสัปดาห์ สองสัปดาห์ สามสัปดาห์ และ 1 เดือน ตามลำดับดังนั้น เสถียรภาพแบบนั่นคือสามารถแปลงกับเวลาที่ก่อตั้งขึ้น และประสิทธิภาพของข้อมูลเหมืองแร่ผลที่เพิ่มขึ้น