伴隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展,蜂窩網(wǎng)絡(luò)中的數(shù)據(jù)量呈爆炸式增長(zhǎng),電信運(yùn)營商的話音等傳統(tǒng)業(yè)務(wù)的收入不斷萎縮,其自身產(chǎn)品的用戶粘度也不斷下降。如何利用蜂窩網(wǎng)絡(luò)中的海量用戶數(shù)據(jù)挖掘出有價(jià)值的用戶行為模式,建立恰當(dāng)?shù)挠脩粜袨樘卣髂Ｐ鸵詢?yōu)化用戶的產(chǎn)品體驗(yàn)并提高營銷的準(zhǔn)確度,成為了近年來研究的熱點(diǎn)。而聚類技術(shù)作為一種無監(jiān)督學(xué)習(xí)算法,非常適合于探索數(shù)據(jù)中隱藏的模式。本文基于從運(yùn)營商采集得到的海量蜂窩網(wǎng)絡(luò)業(yè)務(wù)數(shù)據(jù),分別從時(shí)間維度和空間維度開展了用戶聚類的研究。論文的主要工作包括:一、重度用戶的提取。本文通過繪制用戶流量的勞倫茲曲線發(fā)現(xiàn)了用戶的流量使用分布得非常不均衡,21.2%左右的重度用戶消費(fèi)了81.85%的流量;接著本文提取了部分對(duì)蜂窩網(wǎng)絡(luò)有重要影響的重度用戶進(jìn)行研究,從流量使用、活躍時(shí)長(zhǎng)、業(yè)務(wù)種類數(shù)、移動(dòng)性這四個(gè)方面與普通用戶進(jìn)行了對(duì)比,結(jié)果表明,重度用戶在流量使用、活躍時(shí)長(zhǎng)和業(yè)務(wù)種類數(shù)方面都超過普通用戶,而在移動(dòng)性方面與普通用戶沒有明顯差異。二、時(shí)間維度的用戶聚類,發(fā)掘重度用戶的流量使用模式。本文研究了時(shí)間維度的用戶聚類和能夠表征用戶對(duì)不同時(shí)段偏好的特征向量。特征向量的創(chuàng)建過程為:將一天24小時(shí)按照生... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１聚類技木的基本流程??

本小節(jié)將對(duì)重度用戶和普通用戶分別進(jìn)行數(shù)據(jù)探索，發(fā)現(xiàn)他們之間的異同??點(diǎn)。??第一個(gè)角度是每天的活躍時(shí)長(zhǎng)如圖３－４所示，可以看出一個(gè)明顯的分界線在??２０??

Ａｃｔｉｖｅ?Ｈｏｕｒｓ?ｉｎ?ａ?Ｄａｙ??圖３－４用戶一天中活躍小時(shí)個(gè)數(shù)的分布圖??第二個(gè)角度是每天使用的業(yè)務(wù)種類數(shù)如圖３－５所示，可以看出一個(gè)明顯的分??界線在１１類ＡＰＰ，重度用戶群中一天中使用的ＡＰＰ種類在１１類以上的用戶比??例為７１．８％，明顯多于普通用戶群的２９．０％，反過來，一般用戶群中一天中使??用的ＡＰＰ種類在１１類以下的用戶比例為７１．０％，也明顯多于重度用戶群的??２８．０％。??１００?１?：??ｐｄｆ?ｏｆ?ｈｅａｖｙ?ｕｓｅｒ?ｒ??ｐｄｆ?ｏｆ?ｎｏｒｍａｌ?ｕｓｅｒ?：?／?／??ｃｄｆ?ｏｆ?ｈｅａｖｙ?ｕｓｅｒ?：?ｒ?／??８０＇?ｃｄｆ?ｏｆ?ｎｏｒｍａｌ?ｕｓｅｒ?：?／?ｒ??ｒ?／?／??？６〇－?／?＼??｛：．?ｙ?Ｌ???????????（［Ｉ－—?．?．?．￣￣＾??２?４?６?８?１０?１１?１２?１４??Ａｐｐ?Ｃａｔｅｇｏｒｉｅｓ?Ｕｓｅｄ?ｉｎ?ａ?Ｄａｙ??圖３－５用戶一天中使用的ＡＰＰ類別數(shù)的分布諢??總結(jié)起來是，大多數(shù)重度用戶在一天中使用的ａｐｐ種類都超過了?１１類，同時(shí)大??２１??

【參考文獻(xiàn)】：
期刊論文
[1]互聯(lián)網(wǎng)環(huán)境下的中小企業(yè)客戶細(xì)分研究[J]. 高榕.  智富時(shí)代. 2016(S2)
[2]基于小波聚類的網(wǎng)絡(luò)用戶行為分析[J]. 陳嘉翼.  計(jì)算機(jī)光盤軟件與應(yīng)用. 2015(01)

碩士論文
[1]基于Hadoop的用戶行為分析方法的應(yīng)用研究[D]. 陳姍姍.南京郵電大學(xué) 2016
[2]基于運(yùn)營商大數(shù)據(jù)的互聯(lián)網(wǎng)海量用戶行為分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 崇林.南京郵電大學(xué) 2016
[3]基于機(jī)器學(xué)習(xí)的電信網(wǎng)絡(luò)用戶行為分析研究[D]. 張闊.北京郵電大學(xué) 2014
[4]基于云計(jì)算的移動(dòng)互聯(lián)網(wǎng)用戶行為分析[D]. 郭巖.北京郵電大學(xué) 2014
[5]基于數(shù)據(jù)挖掘的移動(dòng)公司高端客戶細(xì)分及營銷策略研究[D]. 鄒湘萍.電子科技大學(xué) 2013
[6]聚類分析在移動(dòng)通信用戶行為分析中的研究與應(yīng)用[D]. 黃詩瑤.廣東工業(yè)大學(xué) 2013



本文編號(hào)：3042363