本文關(guān)鍵詞：基于用戶細(xì)分的電信客戶數(shù)據(jù)分析與建模

  更多相關(guān)文章： 移動(dòng)通信 用戶體驗(yàn) 客戶細(xì)分 支持向量機(jī) K-means聚類

【摘要】：隨著移動(dòng)通信日益廣泛和市場(chǎng)競(jìng)爭(zhēng)加劇,用戶體驗(yàn)悄然興起,服務(wù)用戶已成為網(wǎng)絡(luò)運(yùn)營(yíng)商乃至各大企業(yè)的重要工作之一。當(dāng)前社會(huì),對(duì)用戶體驗(yàn)的把握和評(píng)估不僅僅是網(wǎng)絡(luò)運(yùn)營(yíng)商的關(guān)鍵工作,也是各大企業(yè)在競(jìng)爭(zhēng)中獲勝的武器。如何準(zhǔn)確挖掘用戶體驗(yàn),已成為企業(yè)的發(fā)展的重要工作。但是,由于電信移動(dòng)通信業(yè)務(wù)的用戶數(shù)量巨大,收集用戶級(jí)別的客戶體驗(yàn)數(shù)據(jù)十分困難,再加上用戶體驗(yàn)帶有主觀性,用戶對(duì)服務(wù)的評(píng)價(jià)往往低于實(shí)際服務(wù)情況。結(jié)果,用戶體驗(yàn)的獲取與分析是當(dāng)今社會(huì)研究的重點(diǎn)與難點(diǎn)。圍繞這一課題,本文對(duì)電信客戶數(shù)據(jù)的用戶體驗(yàn)進(jìn)行分析與研究,嘗試通過(guò)使用數(shù)據(jù)挖掘的建模方法構(gòu)建用戶體驗(yàn)與網(wǎng)絡(luò)質(zhì)量數(shù)據(jù)的映射關(guān)系,以實(shí)現(xiàn)用戶體驗(yàn)的預(yù)測(cè)與分析。本文完成了以下工作：(1)分析并獲取電信基站的測(cè)量報(bào)告數(shù)據(jù)和電信用戶的用戶體驗(yàn)數(shù)據(jù),并對(duì)這兩種數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理。(2)提出了KPI-KQI-QoE映射模型,使得移動(dòng)運(yùn)營(yíng)商能夠通過(guò)電信網(wǎng)絡(luò)數(shù)據(jù)推算用戶體驗(yàn)數(shù)據(jù)。該模型由2部分組成,分別是KPI-KQI的映射方法和KQI-QoE的映射方法。設(shè)計(jì)并實(shí)現(xiàn)了KPI-KQI的映射算法,本文針對(duì)電信現(xiàn)網(wǎng)數(shù)據(jù)和電信客戶數(shù)據(jù),提出了一種基于用戶細(xì)分的建模方法。該方法能夠通過(guò)歷史數(shù)據(jù)構(gòu)建預(yù)測(cè)模型,使得KPI能夠在一定程度上反映KQI,從而建立KPI與KQI的映射。(3)基于本文的研究?jī)?nèi)容,設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)電信用戶數(shù)據(jù)分析系統(tǒng)。(4)以某省的真實(shí)現(xiàn)網(wǎng)數(shù)據(jù)為樣本,對(duì)本文的研究?jī)?nèi)容進(jìn)行了實(shí)驗(yàn)與分析。另外,針對(duì)實(shí)際的海量數(shù)據(jù),本文分別在客戶細(xì)分和建模兩方面進(jìn)行了以下工作。(1)在電信數(shù)據(jù)客戶細(xì)分過(guò)程中,由于海量數(shù)據(jù)使傳統(tǒng)K-means聚類算法不穩(wěn)定。為此,本文從用戶需求出發(fā),針對(duì)數(shù)據(jù)的特殊性,提出了一個(gè)可調(diào)多趟聚類算法,有效地解決了海量數(shù)據(jù)的K-means聚類問(wèn)題。實(shí)驗(yàn)證明,可調(diào)多趟聚類算法能解決海量數(shù)據(jù)的K-means聚類穩(wěn)定性問(wèn)題,并可用于電信數(shù)據(jù)的客戶細(xì)分。(2)面對(duì)海量的電信網(wǎng)絡(luò)數(shù)據(jù),在建模過(guò)程中,本文提出了一個(gè)基于支持向量機(jī)的協(xié)同分類器,它不僅能夠使用并行計(jì)算提高建模速度,還采用加權(quán)平均的方法提高了分類的準(zhǔn)確率。經(jīng)比較實(shí)驗(yàn)證明,協(xié)同分類器的建模結(jié)果優(yōu)于傳統(tǒng)的支持向量機(jī)、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)。
【關(guān)鍵詞】：移動(dòng)通信 用戶體驗(yàn) 客戶細(xì)分 支持向量機(jī) K-means聚類
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F626;TP311.13
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-17
• 1.1 研究背景11-12
• 1.2 國(guó)內(nèi)外發(fā)展與研究現(xiàn)狀12-15
• 1.2.1 客戶細(xì)分12
• 1.2.2 數(shù)據(jù)挖掘技術(shù)在客戶細(xì)分中的應(yīng)用12-13
• 1.2.3 用戶體驗(yàn)13-15
• 1.3 本文的主要工作15-16
• 1.4 論文結(jié)構(gòu)16-17
• 第二章 相關(guān)理論與技術(shù)17-22
• 2.1 K-means聚類算法17-18
• 2.2 層次聚類算法18-19
• 2.3 支持向量機(jī)19-21
• 2.4 小結(jié)21-22
• 第三章 電信數(shù)據(jù)分析與處理22-32
• 3.1 基站數(shù)據(jù)——測(cè)量報(bào)告22-25
• 3.2 用戶感性數(shù)據(jù)25-27
• 3.3 電信數(shù)據(jù)預(yù)處理27-31
• 3.3.1 數(shù)據(jù)清理28
• 3.3.2 屬性選擇與歸約28-30
• 3.3.3 數(shù)值化處理與數(shù)據(jù)規(guī)范化30-31
• 3.4 小結(jié)31-32
• 第四章 KPI-KQI-QoE映射模型32-35
• 4.1 電信客戶體驗(yàn)的KPI-KQI-QoE建模32-33
• 4.2 基于用戶細(xì)分的KPI-KQI-QoE建模33-34
• 4.3 小結(jié)34-35
• 第五章 基于客戶細(xì)分的用戶體驗(yàn)建模35-50
• 5.1 客戶細(xì)分35-41
• 5.1.1 可調(diào)多趟聚類挖掘方法36-37
• 5.1.2 算法流程37-39
• 5.1.3 實(shí)驗(yàn)結(jié)果及分析39-41
• 5.2 用戶體驗(yàn)建模41-45
• 5.2.1 協(xié)同分類器的體系結(jié)構(gòu)42-44
• 5.2.3 I-SVM的體系結(jié)構(gòu)44
• 5.2.4 I-SVM建模44-45
• 5.3 實(shí)驗(yàn)與對(duì)比45-47
• 5.4 電信用戶體驗(yàn)分析系統(tǒng)47-49
• 5.5 小結(jié)49-50
• 總結(jié)與展望50-51
• 參考文獻(xiàn)51-54
• 攻讀學(xué)位期間發(fā)表的論文54-56
• 致謝56-57
• 附錄57

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 易倩;滕少華;張巍;;基于馬氏距離的K均值聚類算法的入侵檢測(cè)[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

2 倪萍;廖建新;王純;張成;;一種KPI映射到KQI的通用算法[J];電子與信息學(xué)報(bào);2008年10期

3 倪萍;廖建新;朱曉民;萬(wàn)里;;一種基于QoS的QoE到SLA映射方法[J];電子與信息學(xué)報(bào);2010年06期

4 胡少東;;客戶細(xì)分方法探析[J];工業(yè)技術(shù)經(jīng)濟(jì);2005年07期

5 張振宇;謝曉堯;;BP神經(jīng)網(wǎng)絡(luò)在電信計(jì)劃預(yù)測(cè)的應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2008年20期

6 李賢鵬;何松華;趙孝敏;尹波;;改進(jìn)的ID3算法在客戶流失預(yù)測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年10期

7 王扶東;馬玉芳;;基于數(shù)據(jù)挖掘的客戶細(xì)分方法的研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年04期

8 王令劍;滕少華;;聚類和時(shí)間序列分析在入侵檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用;2010年03期

9 趙愛(ài)琴;楊晨;;強(qiáng)化用戶體驗(yàn)——電信運(yùn)營(yíng)商3G業(yè)務(wù)制勝的關(guān)鍵[J];經(jīng)營(yíng)與管理;2011年02期

10 曹永春;蔡正琦;邵亞斌;;基于K-means的改進(jìn)人工蜂群聚類算法[J];計(jì)算機(jī)應(yīng)用;2014年01期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 鄭茜茜;基于數(shù)據(jù)挖掘的客戶細(xì)分研究[D];重慶交通大學(xué);2013年

，

本文編號(hào)：677575