基于消费行为的电信套餐推荐模型研究

发布时间：2017-10-06 05:20

  本文关键词：基于消费行为的电信套餐推荐模型研究

  更多相关文章： 电信套餐 个性化推荐 用户消费行为 电信套餐推荐模型

【摘要】：随着用户需求的不断提升，电信套餐的目标市场划分日益细致，套餐设计越显多样化和多角度，种类功能也愈加齐全丰富。但是，套餐的数量并没能带来与之相匹配的市场优势，套餐数量繁多臃肿、信息庞大，给电信运营商带来管理困难的同时，也给用户带来了套餐匹配与选择相关的困扰。为此，个性化、智能化的套餐推荐显得尤其重要和必要，从海量数据中获取有用知识，动态分析用户需求，科学建立推荐模型，实时、主动地为消费者推荐适合的电信套餐产品，这也是“顾客导向”现代管理理念驱动下电信套餐发展的必然道路。 本文综合运用了协同过滤、内容推荐、关联规则的个性化推荐方法以及聚类分析、层次分析等多种工具方法，进行基于消费行为的电信套餐推荐模型研究。首先界定电信套餐的概念范畴，构建了电信用户消费行为模型和电信套餐信息模型，，提出了刻画电信用户消费行为和电信套餐的维度和指标；其次，构建了基于消费行为的电信套餐推荐模型，并基于用户的协同过滤思想设计了“用户到套餐”推荐算法，基于内容的推荐思想设计了“套餐到用户”推荐算法，通过用户消费行为与电信套餐信息匹配得出目标推荐集；最后，根据电信套餐推荐模型和推荐算法，设计了电信套餐推荐原型系统，并运用某地市移动运营商的实际数据进行电信套餐推荐的数值验证和软件实现。 本文将个性化推荐方法引入电信行业，通过扎实的理论分析和科学的推荐算法构建电信套餐推荐模型，并通过软件实现和收益变化证实了该模型科学有效，为电信企业的套餐运营管理提供了科学智能的推荐方法和管理工具。
【关键词】：电信套餐 个性化推荐 用户消费行为 电信套餐推荐模型
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F626;F274;TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-24
• 1.1 研究背景与意义10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意义11-12
• 1.2 国内外研究综述12-21
• 1.2.1 个性化推荐系统研究12-14
• 1.2.2 个性化推荐算法研究14-19
• 1.2.3 电信套餐相关研究19-21
• 1.3 研究结构与内容21-22
• 1.4 研究的创新之处22-24
• 第二章 基于消费行为的电信套餐推荐基础研究24-32
• 2.1 电信套餐基本概念24-26
• 2.2 电信用户消费行为模型26-29
• 2.2.1 电信用户信息收集与整理26-28
• 2.2.2 电信用户消费行为模型的构建28-29
• 2.3 电信套餐信息模型29-31
• 2.3.1 电信套餐信息收集与整理29-30
• 2.3.2 电信套餐信息模型的构建30-31
• 2.4 本章小结31-32
• 第三章 基于消费行为的电信套餐推荐模型构建32-54
• 3.1 电信套餐推荐概念模型32-33
• 3.2 电信套餐推荐模型工作流程33-34
• 3.3 “用户到套餐”推荐算法设计与实现34-42
• 3.3.1 基于协同过滤的电信套餐推荐算法设计34
• 3.3.2 用户配置文件的设计34-37
• 3.3.3 用户邻居集的计算37-38
• 3.3.4 套餐推荐集的确定38-41
• 3.3.5 推荐结果的产生41-42
• 3.4 “套餐到用户”推荐算法的设计与实现42-53
• 3.4.1 基于内容的电信套餐推荐算法设计42-43
• 3.4.2 套餐配置文件的设计43-44
• 3.4.3 套餐邻居集的计算44-49
• 3.4.4 用户推荐集的确定49-52
• 3.4.5 推荐结果的产生52-53
• 3.5 本章小结53-54
• 第四章 基于消费行为的电信套餐推荐模型软件实现54-63
• 4.1 原型系统设计54-59
• 4.1.1 系统开发工具54-55
• 4.1.2 系统结构框架55-56
• 4.1.3 数据收集整理56-59
• 4.2 “用户到套餐”推荐软件实现59-60
• 4.2.1 软件实现过程59-60
• 4.2.2 推荐结果分析60
• 4.3 “套餐到用户”推荐软件实现60-62
• 4.3.1 软件实现过程60-61
• 4.3.2 推荐结果分析61-62
• 4.4 本章小结62-63
• 第五章 结论与展望63-65
• 5.1 主要研究结论63-64
• 5.2 进一步研究展望64-65
• 致谢65-66
• 参考文献66-71
• 附录71-77
• 附录一：“用户到套餐”推荐 JAVA 代码71-73
• 附录二：“套餐到用户”推荐 JAVA 代码73-77
• 作者攻硕期间取得的研究成果77-78

【共引文献】

中国期刊全文数据库 前10条

1 纪良浩;;协作过滤信息推荐技术研究[J];重庆邮电大学学报(自然科学版);2012年01期

2 朱郁筱;吕琳媛;;推荐系统评价指标综述[J];电子科技大学学报;2012年02期

3 李聪;梁昌勇;杨善林;;电子商务协同过滤稀疏性研究:一个分类视角[J];管理工程学报;2011年01期

4 周军军;王明文;何世柱;石松;;基于随机游走和聚类平滑的协同过滤推荐算法[J];广西师范大学学报(自然科学版);2011年01期

5 张锋;常会友;;使用BP神经网络缓解协同过滤推荐算法的稀疏性问题[J];计算机研究与发展;2006年04期

6 顾晔;吕红兵;;改进的增量奇异值分解协同过滤算法[J];计算机工程与应用;2011年11期

7 王景欣;袁坚;耿军伟;冯振明;;移动互联网基于用户网络结构的信息过滤机制[J];计算机科学;2011年S1期

8 郁雪;李敏强;;基于局部主成分分析的协同过滤推荐模型[J];计算机工程;2010年14期

9 杨阳;向阳;熊磊;;基于矩阵分解与用户近邻模型的协同过滤推荐算法[J];计算机应用;2012年02期

10 熊俊;;基于“榜样”的学习社区仿真构建[J];计算机仿真;2009年03期

中国博士学位论文全文数据库 前10条

1 张寅;个性化技术及其在数字图书馆中应用的研究[D];浙江大学;2009年

2 马春山;移动增值业务的个性化推荐研究[D];北京邮电大学;2011年

3 夏培勇;个性化推荐技术中的协同过滤算法研究[D];中国海洋大学;2011年

4 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年

5 孙小华;协同过滤系统的稀疏性与冷启动问题研究[D];浙江大学;2005年

6 王宏宇;商务推荐系统的设计研究[D];中国科学技术大学;2007年

7 陈波;计算Web智能粒度粗糙理论及关键技术研究[D];电子科技大学;2008年

8 荚济民;基于互联网数据集的图像标注技术研究[D];中国科学技术大学;2009年

9 李聪;电子商务推荐系统中协同过滤瓶颈问题研究[D];合肥工业大学;2009年

10 王瑞琴;基于语义处理技术的信息检索模型研究[D];浙江大学;2009年

中国硕士学位论文全文数据库 前10条

1 李春;协同过滤推荐算法的研究[D];湘潭大学;2010年

2 宋健;基于主题挖掘和时间窗口划分的兴趣推荐技术研究[D];华东师范大学;2011年

3 姚璐;融合社会化标签的协同过滤算法研究[D];浙江大学;2011年

4 余亮星;基于RFID的服装零售店顾客服务系统设计[D];东华大学;2011年

5 秦岭;面向企业用户的在线推荐算法研究[D];东华大学;2011年

6 刘其辉;大众行为下基于贝叶斯网的知识集群模型及其应用[D];华南理工大学;2011年

7 郭q

本文编号：980935