Incorporating textual information in customer churn prediction models based on a convolutional neural network

This study investigates the value added by incorporating textual data into customer churn prediction (CCP) models. It extends the previous literature by benchmarking convolutional neural networks (CNNs) against current best practices for analyzing textual data in CCP, and, using real life data from a European financial services provider, validates a framework that explains how textual data can be incorporated in a predictive model. First, the results confirm previous research showing that the inclusion of textual data in a CCP model improves its predictive performance. Second, CNNs outperform current best practices for text mining in CCP. Third, textual data are an important source of data for CCP, but unstructured textual data alone cannot create churn prediction models that are competitive with models that use traditional structured data. A calculation of the additional profit obtained from a customer retention campaign through the inclusion of textual information can be used by practitioners directly to help them make more informed decisions on whether to invest in text mining.     

Mapping hotel brand positioning and competitive landscapes by text-mining user-generated content

This study uncovers hotel brand positioning and competitive landscape mapping by text-mining user-generated content (UGC). Rather than relying on a single dimension of consumer evaluation, the current study detects brand attributes by using both customer preferences as well as perceptual performance to develop meaningful insights. For this, the study combines content analysis and repertory grid analysis (RGA) to answer three key research issues. 111,986 hotel reviews from two biggest Chinese cities are used to explore and visualize the competitive landscape of six selected hotel brands across three hotel categories. Findings from the study will not only advance the existing literature on brand positioning and competitive landscape mapping but also help practitioners in developing brand positioning strategies to fight competitors within and across hotel categories.     

数据挖掘技术在企业薪酬设针中的应用研究

现代企业薪酬设计过程中要面对数量众多、关系复杂的信息和数据,而数据挖掘技术在有效处理大量数据方面具有独特的优势。本文以薪酬设计中的数据分析过程为主线,探讨如何应用分类、聚类以及关联规则等数据挖掘技术来分析和处理数据,为薪酬设计提供强有力的决策支持。     

基于过程挖掘的物流运作风险发现研究

为了探究物流运作过程中存在的风险,提高物流运作效率,增强物流企业管理能力,以真实的事件日志为基础,运用过程挖掘方法发现物流企业运作过程中的风险。首先以Petri网理论为基础,构建了理想的工作模型,然后使用过程挖掘工具ProM,运用模糊挖掘算法和启发式挖掘算法,对物流运作过程中产生的真实事件日志进行挖掘,获得实际的客观视图,最后利用ProM工具的一致性检查发现物流运作过程中的异常行为模式,并分析物流运作过程中的偏差以及存在的风险。结果表明,过程挖掘能客观地揭示事件日志中活动之间的依赖关系,并发现物流企业自身运作过程中的偏差和风险。研究结果为全面、系统地分析物流企业潜在风险提供了新思路,有助于物流企业发现运作过程中的问题,对物流企业优化运作过程和提高管理效率具有重要的借鉴意义。     

矿区地质条件对农村居民点整理模式选取的影响分析——以山东省肥城煤矿区为例

研究目的：通过分析不同农村居民点整理模式集中分布区域的地质条件,找出影响整理模式选取的各种地质环境。研究方法：综合分析法、归纳法。研究结论：地质条件是矿区选取农村居民点整理模式的根本依据。近年来,中国农村居民点整理范围不断扩大,但对复杂地质环境区域,尤其是地质环境复杂的矿区的农村居民点整理研究还比较少,应加大对特殊地质条件下农村居民点整理的研究。     

国土资源数据整合方案设计及其实现研究

研究目的：基于国土资源数据现状,提出有效整合方案,为国土资源信息化建设提供借鉴。研究方法：以ETL技术框架为基础,结合数据挖掘技术和GIS技术,设计符合国土资源数据整合要求的解决方案,并以常州市为例进行实证研究。研究结果：数据整合方案有效快捷地解决了常州市国土资源数据整合。研究结论：方案智能化提高了数据整合过程的数据分析能力、处理能力和效率,有效地从国土资源数据本身解决了整合难题,对市县级国土资源数据整合有借鉴意义。     

基于数据挖掘技术的企业客户关系管理(CRM)

由于竞争的全球化、需求的拉动和管理理念的更新,使客户关系管理(CRM)得到产生和发展。面对企业海量的数据,如何从其中发现有价值的知识和规律是企业急需解决的难题。数据挖掘技术为此提供了工具和途径。在了解CRM的概念和框架、数据挖掘的各种技术后,还必须了解数据挖掘在CRM中的应用流程和应用的业务领域。     

矿法修改应增加对矿权相邻关系制度的内容

相邻关系是传统民法规范相邻不动产之间权利义务关系的一项重要法律制度。本文对矿权相邻关系的基础理论、国内外矿权相邻关系的立法现状进行了论述,针对现实中我国矿权相邻关系亟待法律规范和我国矿权相邻关系法律制度存在的不足,提出了在我国《矿产资源法》等法律法规修改中增加矿权相邻关系相关内容的立法建议。     

攀钢钒钛磁铁矿矿区地质灾害影响的三维可视化分析

随着矿产资源的开发利用,形成了以矿区为中心的经济社区,但与此同时,由于开采技术水平低,管理者的环境意识淡薄,掠夺性开采造成了矿区环境的生态系统退化和破坏.基于地理信息系统对攀钢钒钛磁铁矿开采对周围环境影响,讨论了滑坡和泥石流对矿区周围环境的影响,以三维GIS的方法,构建了矿区的三维地形模型,通过三维模型分析可以很直观的求出滑坡和泥石流对矿区、居民区、水资源的影响,可以发现由于开采、尾矿堆放、矿坑排水的影响,不但可能会引发更多的泥石流、滑坡等地质灾害,而且对当地人民的生活产生较大的影响,利用GIS的强大建模和分析功能,为矿区开采及环境保护、合理利用矿产提供技术支持和决策依据.     

矿业权管理信息系统设计及构建——以茂名市为例

通过对传统的矿业权管理缺点的分析,提出基于业务GIS组件的矿业权管理系统,明确了系统主要功能,设计了系统总体结构框架,探讨了系统的运行模式、软硬件结构、数据管理模式等问题,实现了基于全网络的、全组件的、集成的、以空间数据库为核心的、可辅助决策的现代矿业权管理信息系统.该系统在茂名市国土资源系统建设过程中得到初步应用,结果表明基于业务GIS组件的矿业权管理信息系统将会在矿业权管理信息中有更加广泛的应用前景.