数据挖掘在电信移动客户行为分析中的应用研究

论文摘要

随着电信行业的飞速发展,除了电信的传统业务如宽带业务外,电信获得了3G牌照以后,企业获得了又一次的飞跃发展的机会,而带来这次发展的契机就是电信的移动业务,进入了3G时代,移动业务使得三大电信运营商又重新站在全业务经营时代的起跑线上,而移动增值业务是移动业务中一个很重要的增长点,如何有效率向客户推荐移动增值业务,成为一个值得研究的课题,而电信作为数据挖掘技术一个重要研究领域,使得数据挖掘技术在这一行业应用逐渐走向成熟。本文从通过对客户的行为研究分析中来推动移动增值业务的发展的实际需求出发,建立了移动增值业务的模型,并评估该模型,形成知识,向客户推荐业务,其次,通过建立模型,对数据挖掘中的关联规则相关知识进行了研究,在详细地研究、分析了关联规则算法的优缺点之后,阐述了经典Apriori算法存在的若干不足,根据实际情况,提出了适合电信行业的关系数据库的改进后的算法BUCT,并将算法应用到数据挖掘软件中进行实践,对电信办理移动增值业务的客户的数据进行挖掘,通过评估模型生成规则的有效性,形成推荐知识。本文的建模过程是采用CRISP-DM标准化数据挖掘流程,它是目前公认的、使用范围最广泛地方法论之一,且是体现了将商业问题和数据挖掘技术相结合。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景
• 1.2 课题来源
• 1.3 研究现状和课题意义
• 1.4 本人主要工作
• 1.5 论文组织结构
• 1.6 本章小结
• 第2章 电信移动增值业务
• 2.1 移动增值业务概述
• 2.2 移动增值业务一些认识
• 2.3 综合业务管理平台ISMP
• 2.3.1 ISMP概述
• 2.3.2 ISMP功能介绍
• 2.4 本章小结
• 第3章 数据挖掘相关概述
• 3.1 数据挖掘定义
• 3.2 主要功能和方法
• 3.2.1 数据挖掘的主要功能
• 3.2.2 数据挖掘的主要方法
• 3.3 数据预处理
• 3.3.1 描述数据特征
• 3.3.2 数据清理
• 3.3.3 数据集成
• 3.3.4 数据变换
• 3.3.5 数据规约
• 3.4 关联规则理论概述
• 3.4.1 关联规则概念
• 3.4.2 Apriori算法思想和核心算法
• 3.4.3 相关改进
• 3.5 本章小结
• 第4章 多维事物间关联规则的挖掘
• 4.1 数据仓库和多维数据模型
• 4.1.1 数据仓库简述
• 4.1.2 多维数据模型
• 4.2 多维关联规则
• 4.2.1 数据立方体的计算及其算法
• 4.2.2 BUC算法
• 4.2.3 本文提出的改进BUCT算法
• 4.2.4 算法的实验结果
• 4.3 数据挖掘实际应用的过程
• 4.3.1 数据挖掘过程
• 4.3.2 数据挖掘在移动增值业务中的应用
• 4.4 本章小结
• 第5章 算法的应用和模型建立、评估
• 5.1 算法的应用环境
• 5.2 模型建立的准备
• 5.2.1 商业理解
• 5.3 数据理解
• 5.3.1 数据理解目标
• 5.3.2 数据选择及相关数据表
• 5.3.3 模型建立前的假设
• 5.4 数据准备
• 5.4.1 数据准备目标
• 5.4.2 数据准备过程和小结
• 5.5 建立模型和评估标准
• 5.5.1 本阶段的目标
• 5.5.2 评价标准
• 5.5.3 思路和方法
• 5.5.4 建模过程
• 5.5.5 模型的评估
• 5.6 结果部署
• 5.7 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果