本文關鍵詞：基于消費行為的電信套餐推薦模型研究

  更多相關文章： 電信套餐 個性化推薦 用戶消費行為 電信套餐推薦模型

【摘要】：隨著用戶需求的不斷提升，電信套餐的目標市場劃分日益細致，套餐設計越顯多樣化和多角度，種類功能也愈加齊全豐富。但是，套餐的數(shù)量并沒能帶來與之相匹配的市場優(yōu)勢，套餐數(shù)量繁多臃腫、信息龐大，給電信運營商帶來管理困難的同時，也給用戶帶來了套餐匹配與選擇相關的困擾。為此，個性化、智能化的套餐推薦顯得尤其重要和必要，從海量數(shù)據(jù)中獲取有用知識，動態(tài)分析用戶需求，科學建立推薦模型，實時、主動地為消費者推薦適合的電信套餐產(chǎn)品，這也是“顧客導向”現(xiàn)代管理理念驅動下電信套餐發(fā)展的必然道路。 本文綜合運用了協(xié)同過濾、內容推薦、關聯(lián)規(guī)則的個性化推薦方法以及聚類分析、層次分析等多種工具方法，進行基于消費行為的電信套餐推薦模型研究。首先界定電信套餐的概念范疇，構建了電信用戶消費行為模型和電信套餐信息模型，，提出了刻畫電信用戶消費行為和電信套餐的維度和指標；其次，構建了基于消費行為的電信套餐推薦模型，并基于用戶的協(xié)同過濾思想設計了“用戶到套餐”推薦算法，基于內容的推薦思想設計了“套餐到用戶”推薦算法，通過用戶消費行為與電信套餐信息匹配得出目標推薦集；最后，根據(jù)電信套餐推薦模型和推薦算法，設計了電信套餐推薦原型系統(tǒng)，并運用某地市移動運營商的實際數(shù)據(jù)進行電信套餐推薦的數(shù)值驗證和軟件實現(xiàn)。 本文將個性化推薦方法引入電信行業(yè)，通過扎實的理論分析和科學的推薦算法構建電信套餐推薦模型，并通過軟件實現(xiàn)和收益變化證實了該模型科學有效，為電信企業(yè)的套餐運營管理提供了科學智能的推薦方法和管理工具。
【關鍵詞】：電信套餐 個性化推薦 用戶消費行為 電信套餐推薦模型
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F626;F274;TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-24
• 1.1 研究背景與意義10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11-12
• 1.2 國內外研究綜述12-21
• 1.2.1 個性化推薦系統(tǒng)研究12-14
• 1.2.2 個性化推薦算法研究14-19
• 1.2.3 電信套餐相關研究19-21
• 1.3 研究結構與內容21-22
• 1.4 研究的創(chuàng)新之處22-24
• 第二章 基于消費行為的電信套餐推薦基礎研究24-32
• 2.1 電信套餐基本概念24-26
• 2.2 電信用戶消費行為模型26-29
• 2.2.1 電信用戶信息收集與整理26-28
• 2.2.2 電信用戶消費行為模型的構建28-29
• 2.3 電信套餐信息模型29-31
• 2.3.1 電信套餐信息收集與整理29-30
• 2.3.2 電信套餐信息模型的構建30-31
• 2.4 本章小結31-32
• 第三章 基于消費行為的電信套餐推薦模型構建32-54
• 3.1 電信套餐推薦概念模型32-33
• 3.2 電信套餐推薦模型工作流程33-34
• 3.3 “用戶到套餐”推薦算法設計與實現(xiàn)34-42
• 3.3.1 基于協(xié)同過濾的電信套餐推薦算法設計34
• 3.3.2 用戶配置文件的設計34-37
• 3.3.3 用戶鄰居集的計算37-38
• 3.3.4 套餐推薦集的確定38-41
• 3.3.5 推薦結果的產(chǎn)生41-42
• 3.4 “套餐到用戶”推薦算法的設計與實現(xiàn)42-53
• 3.4.1 基于內容的電信套餐推薦算法設計42-43
• 3.4.2 套餐配置文件的設計43-44
• 3.4.3 套餐鄰居集的計算44-49
• 3.4.4 用戶推薦集的確定49-52
• 3.4.5 推薦結果的產(chǎn)生52-53
• 3.5 本章小結53-54
• 第四章 基于消費行為的電信套餐推薦模型軟件實現(xiàn)54-63
• 4.1 原型系統(tǒng)設計54-59
• 4.1.1 系統(tǒng)開發(fā)工具54-55
• 4.1.2 系統(tǒng)結構框架55-56
• 4.1.3 數(shù)據(jù)收集整理56-59
• 4.2 “用戶到套餐”推薦軟件實現(xiàn)59-60
• 4.2.1 軟件實現(xiàn)過程59-60
• 4.2.2 推薦結果分析60
• 4.3 “套餐到用戶”推薦軟件實現(xiàn)60-62
• 4.3.1 軟件實現(xiàn)過程60-61
• 4.3.2 推薦結果分析61-62
• 4.4 本章小結62-63
• 第五章 結論與展望63-65
• 5.1 主要研究結論63-64
• 5.2 進一步研究展望64-65
• 致謝65-66
• 參考文獻66-71
• 附錄71-77
• 附錄一：“用戶到套餐”推薦 JAVA 代碼71-73
• 附錄二：“套餐到用戶”推薦 JAVA 代碼73-77
• 作者攻碩期間取得的研究成果77-78

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 紀良浩;;協(xié)作過濾信息推薦技術研究[J];重慶郵電大學學報(自然科學版);2012年01期

2 朱郁筱;呂琳媛;;推薦系統(tǒng)評價指標綜述[J];電子科技大學學報;2012年02期

3 李聰;梁昌勇;楊善林;;電子商務協(xié)同過濾稀疏性研究:一個分類視角[J];管理工程學報;2011年01期

4 周軍軍;王明文;何世柱;石松;;基于隨機游走和聚類平滑的協(xié)同過濾推薦算法[J];廣西師范大學學報(自然科學版);2011年01期

5 張鋒;常會友;;使用BP神經(jīng)網(wǎng)絡緩解協(xié)同過濾推薦算法的稀疏性問題[J];計算機研究與發(fā)展;2006年04期

6 顧曄;呂紅兵;;改進的增量奇異值分解協(xié)同過濾算法[J];計算機工程與應用;2011年11期

7 王景欣;袁堅;耿軍偉;馮振明;;移動互聯(lián)網(wǎng)基于用戶網(wǎng)絡結構的信息過濾機制[J];計算機科學;2011年S1期

8 郁雪;李敏強;;基于局部主成分分析的協(xié)同過濾推薦模型[J];計算機工程;2010年14期

9 楊陽;向陽;熊磊;;基于矩陣分解與用戶近鄰模型的協(xié)同過濾推薦算法[J];計算機應用;2012年02期

10 熊俊;;基于“榜樣”的學習社區(qū)仿真構建[J];計算機仿真;2009年03期

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 張寅;個性化技術及其在數(shù)字圖書館中應用的研究[D];浙江大學;2009年

2 馬春山;移動增值業(yè)務的個性化推薦研究[D];北京郵電大學;2011年

3 夏培勇;個性化推薦技術中的協(xié)同過濾算法研究[D];中國海洋大學;2011年

4 方育柯;集成學習理論研究及其在個性化推薦中的應用[D];電子科技大學;2011年

5 孫小華;協(xié)同過濾系統(tǒng)的稀疏性與冷啟動問題研究[D];浙江大學;2005年

6 王宏宇;商務推薦系統(tǒng)的設計研究[D];中國科學技術大學;2007年

7 陳波;計算Web智能粒度粗糙理論及關鍵技術研究[D];電子科技大學;2008年

8 莢濟民;基于互聯(lián)網(wǎng)數(shù)據(jù)集的圖像標注技術研究[D];中國科學技術大學;2009年

9 李聰;電子商務推薦系統(tǒng)中協(xié)同過濾瓶頸問題研究[D];合肥工業(yè)大學;2009年

10 王瑞琴;基于語義處理技術的信息檢索模型研究[D];浙江大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學;2010年

2 宋健;基于主題挖掘和時間窗口劃分的興趣推薦技術研究[D];華東師范大學;2011年

3 姚璐;融合社會化標簽的協(xié)同過濾算法研究[D];浙江大學;2011年

4 余亮星;基于RFID的服裝零售店顧客服務系統(tǒng)設計[D];東華大學;2011年

5 秦嶺;面向企業(yè)用戶的在線推薦算法研究[D];東華大學;2011年

6 劉其輝;大眾行為下基于貝葉斯網(wǎng)的知識集群模型及其應用[D];華南理工大學;2011年

7 郭q

本文編號：980935