基于决策树分类算法和Apriori算法的数据挖掘在电信行业的应用研究

论文摘要

电信企业在发展,电信市场在规范,2008年2月信息产业部出台规定:本地电信资费套餐不能超过10种,而目前运营商们的套餐种类繁多,常高达几十种甚至上百种,不便于消费者的选择和使用。套餐作为电信企业的重要产品,是企业为用户提供服务的载体,对套餐的分析直接受到企业的重视。为减少带给企业的风险,套餐在新推出前都要进行预演,目前预演大都采用“模拟出帐法”,其所选择的用户样本具有盲目性,无法预知“套餐的目标用户群是哪些”、“套餐的预期月收入是多少”的问题,用户样本与套餐本身不相关,得出的总量类指标因而常不具有价值。本文采用“逆向思维”,先把用户按品牌分群,在分群的基础上,使用关联规则算法,发现群中用户的消费规律,根据规律再制定相应套餐。使得新套餐一推出时就能符合细分市场的规律,在套餐总数受限的前提下,能有效避免盲目性,减小企业风险。目前国内的运营商已经基本完成了企业级数据仓库的设计和建设,本文正是建立在已有的数据仓库之上,导出部分经营分析数据,经过数据选择、预处理、转换,建成一个面向特定主题的“小数据仓库”,即数据集市,同时数据集市在一定程度上缓解了访问数据仓库的瓶颈。本文研究了数据仓库和数据挖掘的相关知识,重点研究了决策树分类算法中的ID3算法和关联规则中的Apriori算法,了解了套餐制定的相关信息,采用Weka这个开放式数据挖掘工具对营帐数据进行了挖掘,发现了短信、市话、长途、增值业务间的关系,对现有套餐进行了修改。本文为套餐的制定提供了科学依据,打开了套餐制定的新局面。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 论文背景
• 1.2 论文目标
• 1.3 论文所做工作
• 1.4 论文组织结构
• 第2章 数据仓库与数据挖掘
• 2.1 数据仓库
• 2.1.1 数据仓库概念
• 2.1.2 数据仓库类型
• 2.1.3 数据仓库与数据挖掘的关系
• 2.2 数据挖掘
• 2.2.1 数据挖掘的定义和特点
• 2.2.2 数据挖掘的主要功能
• 2.2.3 数据挖掘的应用
• 2.2.4 数据挖掘的方法及工具
• 2.2.5 数据挖掘的实施
• 2.3 本章小结
• 第3章 决策树分类算法和关联规则算法研究
• 3.1 决策树分类方法介绍
• 3.2 ID3算法介绍
• 3.3 关联规则介绍
• 3.3.1 关联规则研究现状
• 3.3.2 关联规则的形式化描述
• 3.4 Apriori算法
• 3.4.1 Apriori算法简介
• 3.4.2 Apriori算法实例说明
• 3.5 本章小结
• 第4章 电信业套餐制定模型的建立和应用
• 4.1 基本概念
• 4.1.1 套餐
• 4.1.2 套餐分析
• 4.2 商业理解
• 4.3 研究任务的可行性分析
• 4.3.1 数据可行性分析
• 4.3.2 挖掘工具可行性分析
• 4.4 研究任务的必要性
• 4.4.1 以往套餐制定的缺点
• 4.4.2 新套餐分析法的优势
• 4.4.3 套餐预演与现在方法的关系
• 4.5 挖掘过程
• 4.5.1 数据挖掘流程
• 4.5.2 数据准备
• 4.5.3 数据选择
• 4.5.4 数据清洗
• 4.5.5 数据转换
• 4.5.6 数据离散化
• 4.6 挖掘结果
• 4.6.1 ID3算法分群
• 4.6.2 关联规则挖掘呼叫模式
• 4.6.3 结合挖掘结果分析实际使用套餐的情况
• 4.6.4 改进措施
• 4.6.5 按改进的套餐进行模拟测试
• 4.7 小结
• 第五章 结束语
• 5.1 总结
• 5.2 进一步的研究工作
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录