Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Finding a healthy equilibrium of geo-demographic segments for a telecom business: Who are malicious hot-spotters?
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.
Telenor, SWE.
Blekinge Tekniska Högskola, Fakulteten för datavetenskaper, Institutionen för datalogi och datorsystemteknik.ORCID-id: 0000-0001-9947-1088
Visa övriga samt affilieringar
2019 (Engelska)Ingår i: Machine Learning Paradigms: Advances in Data Analytics / [ed] George A. Tsihrintzis, Dionisios N. Sotiropoulos, Lakhmi C. Jain, Springer Science and Business Media Deutschland GmbH , 2019, s. 187-196Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

In telecommunication business, a major investment goes into the infrastructure and its maintenance, while business revenues are proportional to how big, good, and well-balanced the customer base is. In our previous work we presented a data-driven analytic strategy based on combinatorial optimization and analysis of the historical mobility designed to quantify the desirability of different geo-demographic segments, and several segments were recommended for a partial reduction. Within a segment, clients are different. In order to enable intelligent reduction, we introduce the term infrastructure-stressing client and, using the proposed method, we reveal the list of the IDs of such clients. We also have developed a visualization tool to allow for manual checks: it shows how the client moved through a sequence of hot spots and was repeatedly served by critically loaded antennas. The code and the footprint matrix are available on the SourceForge. © 2019, Springer International Publishing AG, part of Springer Nature.

Ort, förlag, år, upplaga, sidor
Springer Science and Business Media Deutschland GmbH , 2019. s. 187-196
Serie
Intelligent Systems Reference Library, ISSN 1868-4394 ; 149
Nyckelord [en]
Business intelligence, Combinatorial optimization, Fuzzy logic, Geo-demographic segments, Mobility data, MOSAIC
Nationell ämneskategori
Telekommunikation Företagsekonomi Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:bth-16885DOI: 10.1007/978-3-319-94030-4_8Scopus ID: 2-s2.0-85049522294ISBN: 978-3-319-94029-8 (tryckt)OAI: oai:DiVA.org:bth-16885DiVA, id: diva2:1239961
Tillgänglig från: 2018-08-20 Skapad: 2018-08-20 Senast uppdaterad: 2019-10-21Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextScopus

Personposter BETA

Sidorova, YuliaGrahn, HåkanLundberg, Lars

Sök vidare i DiVA

Av författaren/redaktören
Sidorova, YuliaRosander, OliverGrahn, HåkanLundberg, Lars
Av organisationen
Institutionen för datalogi och datorsystemteknik
TelekommunikationFöretagsekonomiDatavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 11617 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf