隨著信息技術(shù)和移動(dòng)互聯(lián)網(wǎng)的發(fā)展,越來(lái)越多的企業(yè)在運(yùn)營(yíng)中產(chǎn)生了海量的數(shù)據(jù),數(shù)據(jù)挖掘技術(shù)也日益成熟起來(lái)。各企業(yè)越來(lái)越重視通過數(shù)據(jù)挖掘技術(shù)將海量數(shù)據(jù)轉(zhuǎn)換成實(shí)際價(jià)值,進(jìn)而指導(dǎo)企業(yè)運(yùn)營(yíng)。移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展使我國(guó)電信企業(yè)面臨巨大的挑戰(zhàn),同時(shí)海量數(shù)據(jù)也為電信產(chǎn)業(yè)帶來(lái)新的增長(zhǎng)點(diǎn),如何將數(shù)據(jù)挖掘技術(shù)引入電信企的運(yùn)營(yíng)之中,實(shí)現(xiàn)從海量數(shù)據(jù)里發(fā)現(xiàn)用戶行為規(guī)律并提取隱藏的信息,為市場(chǎng)、運(yùn)營(yíng)、技術(shù)實(shí)施等方面提供參考,達(dá)到節(jié)省公司運(yùn)營(yíng)成本、提高經(jīng)濟(jì)效益、實(shí)現(xiàn)智慧運(yùn)營(yíng)的目的,這正是本文所研究的主要內(nèi)容。本文首先詳細(xì)介紹了基于移動(dòng)通信用戶數(shù)據(jù)的行為規(guī)律預(yù)測(cè)與數(shù)據(jù)挖掘平臺(tái)的功能實(shí)現(xiàn)。首先介紹了數(shù)據(jù)挖掘技術(shù)的基本流程和分類算法的基本原理,分析了數(shù)據(jù)挖掘技術(shù)在電信企業(yè)具體的應(yīng)用場(chǎng)景。在平臺(tái)實(shí)現(xiàn)環(huán)節(jié),首先結(jié)合電信運(yùn)營(yíng)商數(shù)據(jù)的特點(diǎn)和企業(yè)運(yùn)營(yíng)的實(shí)際需求進(jìn)行了平臺(tái)的需求分析,設(shè)計(jì)了平臺(tái)的功能框架和操作流程。接著介紹了各個(gè)功能模塊的實(shí)現(xiàn),包括數(shù)據(jù)輸入和預(yù)處理、基于不同分類算法的建模、可視化、基于ROC曲線的模型評(píng)估、模型應(yīng)用。在模型構(gòu)建模塊,詳細(xì)介紹了幾種常用的分類預(yù)測(cè)算法的原理、流程和實(shí)現(xiàn),包括基于基尼系數(shù)的CART決策樹、基于信... 

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 數(shù)據(jù)挖掘技術(shù)及其實(shí)際應(yīng)用
        1.2.1 數(shù)據(jù)挖掘技術(shù)發(fā)展及現(xiàn)狀
        1.2.2 數(shù)據(jù)挖掘技術(shù)在移動(dòng)通信領(lǐng)域的應(yīng)用背景
    1.3 本文研究?jī)?nèi)容及文章結(jié)構(gòu)
第二章 數(shù)據(jù)挖掘流程與分類算法概述
    2.1 數(shù)據(jù)挖掘一般流程介紹
        2.1.1 數(shù)據(jù)的收集
        2.1.2 數(shù)據(jù)的預(yù)處理
        2.1.3 模型構(gòu)建
        2.1.4 模型的評(píng)估
        2.1.5 模型的應(yīng)用
    2.2 常用數(shù)據(jù)挖掘分類算法概述
        2.2.1 數(shù)據(jù)挖掘算法類別概述
        2.2.2 分類分析
        2.2.3 增強(qiáng)型算法
    2.3 本章小結(jié)
第三章 基于移動(dòng)通信用戶行為數(shù)據(jù)的平臺(tái)的搭建
    3.1 平臺(tái)需求分析與整體框架設(shè)計(jì)
        3.1.1 平臺(tái)需求分析
        3.1.2 平臺(tái)功能框架設(shè)計(jì)
    3.2 建模數(shù)據(jù)的導(dǎo)入及預(yù)處理模塊
    3.3 基于Gini系數(shù)或信息增益的CART決策樹
    3.4 最近鄰分析
    3.5 增強(qiáng)型數(shù)據(jù)挖掘算法模塊
        3.5.1 Bagging算法
        3.5.2 AdaBoost算法
    3.6 模型評(píng)估與應(yīng)用模塊
        3.6.1 模型評(píng)估
        3.6.2 模型應(yīng)用
    3.7 本章小結(jié)
第四章 基于移動(dòng)通信用戶行為數(shù)據(jù)和數(shù)據(jù)挖掘平臺(tái)的應(yīng)用
    4.1 數(shù)據(jù)挖掘在運(yùn)營(yíng)商智慧運(yùn)營(yíng)中的應(yīng)用背景
    4.2 基于數(shù)據(jù)挖掘的流量升檔建模與落地實(shí)驗(yàn)
        4.2.1 數(shù)據(jù)采集與預(yù)處理
        4.2.2 目標(biāo)客戶挖掘模型構(gòu)建和優(yōu)化
        4.2.3 落地效果評(píng)估分析
    4.3 基于數(shù)據(jù)挖掘的4G終端營(yíng)銷建模與落地實(shí)驗(yàn)
        4.3.1 數(shù)據(jù)采集與預(yù)處理
        4.3.2 目標(biāo)客戶挖掘模型構(gòu)建與優(yōu)化
        4.3.3 模型落地效果評(píng)估分析
    4.4 本章小結(jié)
第五章 論文研究工作總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 下一步工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)挖掘的網(wǎng)絡(luò)用戶興趣分類研究[J]. 張志強(qiáng).  電子設(shè)計(jì)工程. 2017(10)
[2]采用多類代價(jià)指數(shù)損失函數(shù)的代價(jià)敏感AdaBoost算法[J]. 翟夕陽(yáng),王曉丹,李睿,賈琪.  西安交通大學(xué)學(xué)報(bào). 2017(08)
[3]面向大數(shù)據(jù)分析的決策樹算法[J]. 張棪,曹健.  計(jì)算機(jī)科學(xué). 2016(S1)
[4]移動(dòng)通信數(shù)據(jù)挖掘的數(shù)據(jù)預(yù)處理研究[J]. 黃艷艷.  通訊世界. 2016(09)
[5]區(qū)間值屬性的單調(diào)決策樹算法[J]. 陳建凱,王鑫,何強(qiáng),王熙照.  模式識(shí)別與人工智能. 2016(01)
[6]基于開放網(wǎng)絡(luò)知識(shí)的信息檢索與數(shù)據(jù)挖掘[J]. 王元卓,賈巖濤,劉大偉,靳小龍,程學(xué)旗.  計(jì)算機(jī)研究與發(fā)展. 2015(02)
[7]大數(shù)據(jù)技術(shù)在精準(zhǔn)營(yíng)銷中的應(yīng)用[J]. 王小鵬.  信息通信技術(shù). 2014(06)
[8]大數(shù)據(jù)應(yīng)用的現(xiàn)狀與展望[J]. 張引,陳敏,廖小飛.  計(jì)算機(jī)研究與發(fā)展. 2013(S2)
[9]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動(dòng)化學(xué)報(bào). 2013(06)
[10]大數(shù)據(jù)管理:概念、技術(shù)與挑戰(zhàn)[J]. 孟小峰,慈祥.  計(jì)算機(jī)研究與發(fā)展. 2013(01)

碩士論文
[1]基于信息增益的完全決策樹算法研究[D]. 劉強(qiáng).華中科技大學(xué) 2011
[2]CART算法在電信業(yè)潛在客戶識(shí)別中的應(yīng)用研究[D]. 顏丹丹.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 2007



本文編號(hào)：3688612