Aplicação de técnicas de machine learning para classificar a satisfação de clientes de serviços de telefonia celular

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLima, Rafael Henrique Palma-
Autor(es): dc.contributorLima, Rafael Henrique Palma-
Autor(es): dc.contributorSantos, Bruno Samways dos-
Autor(es): dc.contributorAndrade, Pedro Rochavetz de Lara-
Autor(es): dc.creatorAthayde Neto, Luiz Gonzaga Lacerda de-
Data de aceite: dc.date.accessioned2025-08-29T12:23:41Z-
Data de disponibilização: dc.date.available2025-08-29T12:23:41Z-
Data de envio: dc.date.issued2023-02-09-
Data de envio: dc.date.issued2023-02-09-
Data de envio: dc.date.issued2022-11-20-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/30550-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1094527-
Descrição: dc.descriptionMeasuring the quality of mobile telecommunications services is very important for telephone operators, since there are more smartphones than inhabitants in the Brazilian territory. Quality is sometimes measured through satisfaction, which in turn is collected through questionnaires, so the use of machine learning techniques can help to classify satisfaction, such as understanding the factors of greatest impact. Therefore, the objective of this work is to study and apply machine learning techniques in a database of ANATEL (National Telecommunications Agency), in order to determine which are the most important factors in the telecommunications service for the satisfaction of operators' customers and which algorithm obtains the best results in the classification of satisfaction. The Random Forest, Naïve Bayes, Logistic Regression, K-Nearest Neighbors, Multilayer Perceptron, Support Vector Machine and Decision Tree algorithms were used, and they were evaluated by the Accuracy, Precision, Recall, F1-score and AUC-score metrics. The results of the application showed that Random Forest presented the best results with an accuracy of 0.875 for the test set after cross-validation. Analyzing the importance of the attributes, it is perceived that the quality of the internet, both in stability and speed, is very important in customer satisfaction.-
Descrição: dc.descriptionMedir a qualidade dos serviços de telecomunicações móveis é muito importante para operadoras de telefonia, já que existem mais celulares inteligentes do que habitantes no território brasileiro. A qualidade por vezes é medida através da satisfação que por sua vez é coletada através de questionários, com isso a utilização de técnicas de aprendizado de máquina pode ajudar a classificar a satisfação, como entender os fatores de maior impacto. Portanto, o objetivo deste trabalho é estudar e aplicar técnicas de aprendizado de máquina em uma base de dados da ANATEL (Agência Nacional de Telecomunicações), a fim de determinar quais são os fatores mais importantes no serviço de telecomunicações para a satisfação dos clientes das operadoras e qual algoritmo obtém os melhores resultados na classificação da satisfação. Foram utilizados os algoritmos Random Forest, Naïve Bayes, Logistic Regression, K-Nearest Neighbors, Multilayer Perceptron, Support Vector Machine e Decision Tree, sendo eles avaliados pelas métricas Acurácia, Precisão, Recall, F1-score e AUC-score. Os resultados da aplicação demonstraram que o Random Forest apresentou os melhores resultados com uma acurácia de 0,875 para o conjunto de teste após a validação cruzada. Analisando as importâncias dos atributos percebe-se que a qualidade da internet, tanto em estabilidade quanto em velocidade, tem muita importância na satisfação dos clientes.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherLondrina-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherEngenharia de Produção-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0/-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectSatisfação do consumidor-
Palavras-chave: dc.subjectSistemas de telefonia celular-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectConsumer satisfaction-
Palavras-chave: dc.subjectCell phone systems-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO-
Título: dc.titleAplicação de técnicas de machine learning para classificar a satisfação de clientes de serviços de telefonia celular-
Título: dc.titleApplication of machine learning techniques to classify customers satisfaction of cellular tellecomunication services-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.