【摘要】：隨著互聯(lián)網(wǎng)快速發(fā)展和在線社交網(wǎng)絡(luò)日趨發(fā)達,新消費群體觸媒習(xí)慣的不斷圈層化、碎片化,使金融及汽車服務(wù)行業(yè)獲客難等問題愈加嚴(yán)重。購車人群與潛在購車人群具有金融價值高、群體數(shù)量大及增長速度快等特點,這類人群的用戶畫像不論對金融業(yè)務(wù)營銷還是汽車行業(yè)營銷都有著重要作用。然而僅有少量機構(gòu)掌握這部分信息,且由于數(shù)據(jù)不全面導(dǎo)致購車及潛在購車人群難以挖掘,給未掌握這類信息卻有相關(guān)需求的機構(gòu)帶來巨大挑戰(zhàn)。移動大數(shù)據(jù)擁有豐富的用戶位置及移動互聯(lián)網(wǎng)等數(shù)據(jù),對于人群挖掘具有得天獨厚的優(yōu)勢。因此,本文基于移動數(shù)據(jù)開展對購車人群與潛在購車人群挖掘的相關(guān)問題研究,實現(xiàn)精準(zhǔn)的人群挖掘。購車人群挖掘方面,針對特征高維度不均衡問題引入特征分層思想,首先根據(jù)數(shù)據(jù)特性將其分為靜態(tài)特征和動態(tài)特征兩類,其次加入特征工程進行特征設(shè)計。針對XGBoost算法參數(shù)調(diào)優(yōu)問題,利用改進的遺傳算法來彌補參數(shù)尋優(yōu)易陷入局部最優(yōu)解等缺陷。將所得最優(yōu)參數(shù)組合應(yīng)用于訓(xùn)練模型,構(gòu)建基于改進XGBoost算法的已購車人群識別模型,進而提升模型的準(zhǔn)確度。潛在購車人群挖掘方面,利用組合賦權(quán)法進行綜合評價。針對多賦權(quán)法的高運算復(fù)雜度問題,利用兼容性特點保證性能基礎(chǔ)上減少組合權(quán)重數(shù)量。針對樣本數(shù)據(jù)構(gòu)造的理想點無法準(zhǔn)確評價用戶購車傾向,本文根據(jù)購車事件相關(guān)性特點,利用真實購車用戶數(shù)據(jù)構(gòu)造理想點,提高評價性能。在模型訓(xùn)練階段,考慮樣本稀疏性問題,采用半監(jiān)督學(xué)習(xí)算法進行訓(xùn)練,達到挖潛提效目的。最后,利用測試數(shù)據(jù)集對購車人群挖掘模型以及潛在購車人群挖掘模型的性能進行驗證。本文從Precision、Recall、F1-score及轉(zhuǎn)化率等指標(biāo)分別評估所提算法,并將其與傳統(tǒng)算法進行對比。通過對比可知,在購車人群挖掘模型方面,本文所提特征選擇方法及改進的XGBoost算法結(jié)果優(yōu)于傳統(tǒng)方法,其人群識別精確率達到91.5%。此外,在潛在購車人群挖掘方面,本文提出的組合賦權(quán)法結(jié)合半監(jiān)督學(xué)習(xí)算法性能優(yōu)于傳統(tǒng)方法,其潛在購車人群挖掘精確率達到88.2%,滿足模型的設(shè)計需求,具有一定的應(yīng)用價值。
【圖文】：

圖 2.1 移動用戶位置數(shù)據(jù)樣例然互聯(lián)網(wǎng)的發(fā)展讓用戶的消費習(xí)慣轉(zhuǎn)向線上渠道，但重體驗、更有質(zhì)感的車經(jīng)銷商等對購車人群也是不可或缺的信息獲取渠道。移動手機用戶具有通過與移動通信網(wǎng)絡(luò)系統(tǒng)不斷產(chǎn)生信息交互，以達到持續(xù)連接的目的。利究用戶購車目標(biāo)興趣點有著重要的意義。本文購車研究選擇的關(guān)鍵字段及.1 所示：表 2.1 移動用戶位置數(shù)據(jù)部分字段說明序號 字段 解釋1 IMSI 國際移動用戶識別碼，，手機標(biāo)識2 LEAVE_LAC 出位置區(qū)編號3 LEAVE_CI 出小區(qū)編號4 LEAVE_SECTION 出位置標(biāo)識5 INTO_LAC 進入位置區(qū)編號6 INTO_CI 進入小區(qū)編號7 INTO_SECTION 進入位置標(biāo)識

圖 2.2 移動用戶上網(wǎng)數(shù)據(jù)樣例用戶所產(chǎn)生的上網(wǎng)日志數(shù)據(jù)中包含了很多高價值的用戶特征及需求信息，而這些是傳統(tǒng)的通信模式所不能給予的，這就是上網(wǎng)日志記錄被保存的重要性。這些信息大數(shù)據(jù)挖掘技術(shù)分析用戶上網(wǎng)行為習(xí)慣，為企業(yè)業(yè)務(wù)實現(xiàn)精細化運營提供重要的營據(jù)。通過對上網(wǎng)日志進行篩選，獲取用戶購車類 APP，汽車服務(wù)類 APP 等使用情究購車人群上網(wǎng)行為特征，本文購車研究選擇的關(guān)鍵字段及其說明如表 2.2 所示：表 2.2 移動用戶上網(wǎng)數(shù)據(jù)部分字段說明序號 字段 解釋1 START_TIME 開始時間2 UP_FLOW 上行流量3 DOWN_FLOW 下行流量4 KEY_WORD 關(guān)鍵字串5 ACCE_URL 訪問 url6 MOMENT_ID 時段
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F426.471;TP311.13

【相似文獻】

相關(guān)期刊論文 前10條

1 袁承芬;;“大數(shù)據(jù)時代”背景下圖書館移動數(shù)據(jù)服務(wù)的發(fā)展[J];河南圖書館學(xué)刊;2015年03期

2 ;UFED Link Analysis助力移動數(shù)據(jù)取證[J];信息安全與通信保密;2013年09期

3 葉武濱;;移動數(shù)據(jù):春色滿園關(guān)不住[J];中國電信業(yè);2003年02期

4 ;愛立信與Sun力推移動數(shù)據(jù)應(yīng)用開發(fā)[J];電信技術(shù);2002年06期

5 劉子陽;布建企業(yè)移動數(shù)據(jù)[J];互聯(lián)網(wǎng)周刊;2001年38期

6 劉媛;移動數(shù)據(jù)計算機使執(zhí)法行動更加現(xiàn)代化[J];警察技術(shù);1996年04期

7 ;雙向移動數(shù)據(jù)市場[J];郵電設(shè)計技術(shù);1994年03期

8 王桐;李鵬程;;基于機會通信的移動數(shù)據(jù)分流算法研究[J];信息通信;2017年04期

9 耿軍;;從簡化移動數(shù)據(jù)創(chuàng)建著眼——IBM公司CTO談普及運算[J];每周電腦報;2004年23期

10 李占勛;移動數(shù)據(jù)新業(yè)務(wù)及其開發(fā)[J];移動通信;2001年10期

相關(guān)會議論文 前10條

1 馬辰;王笛;李世丹;;基于船舶的移動數(shù)據(jù)中心設(shè)計與展望[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會2017年裝備技術(shù)發(fā)展論壇論文集[C];2017年

2 孫少陵;黨京;黃宇紅;;五種移動數(shù)據(jù)承載技術(shù)的分析比較[A];2002’中國通信學(xué)會無線及移動通信委員會學(xué)術(shù)年會論文集[C];2002年

3 黃立偉;;湖南移動EDGE網(wǎng)絡(luò)建設(shè)的思考[A];2004’中國通信學(xué)會無線及移動通信委員會學(xué)術(shù)年會論文集[C];2004年

4 陸斌;;發(fā)揮CDMA-1X優(yōu)勢，提供特色化的移動數(shù)據(jù)服務(wù)[A];四川省通信學(xué)會二零零四年學(xué)術(shù)年會論文集（二）[C];2004年

5 蘇漢宸;李紅燕;苗高杉;劉之強;;PTLR:云計算平臺上處理大規(guī)模移動數(shù)據(jù)的置信域邏輯回歸算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

6 易朝生;;WLAN的運營實踐啟示[A];2013年中國通信學(xué)會信息通信網(wǎng)絡(luò)技術(shù)委員會年會論文集[C];2013年

7 ;模塊化/移動數(shù)據(jù)中心[A];工程三維模型與虛擬現(xiàn)實表現(xiàn)——第二屆工程建設(shè)計算機應(yīng)用創(chuàng)新論壇論文集[C];2009年

8 喻文學(xué);;電信級智能WLAN融合網(wǎng)絡(luò)建設(shè)探討[A];四川省通信學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

9 吳昊e

本文編號：2589127