移动通信用户行为规律预测与数据挖掘平台开发
发布时间：2022-10-09 12:09
随着信息技术和移动互联网的发展,越来越多的企业在运营中产生了海量的数据,数据挖掘技术也日益成熟起来。各企业越来越重视通过数据挖掘技术将海量数据转换成实际价值,进而指导企业运营。移动互联网的快速发展使我国电信企业面临巨大的挑战,同时海量数据也为电信产业带来新的增长点,如何将数据挖掘技术引入电信企的运营之中,实现从海量数据里发现用户行为规律并提取隐藏的信息,为市场、运营、技术实施等方面提供参考,达到节省公司运营成本、提高经济效益、实现智慧运营的目的,这正是本文所研究的主要内容。本文首先详细介绍了基于移动通信用户数据的行为规律预测与数据挖掘平台的功能实现。首先介绍了数据挖掘技术的基本流程和分类算法的基本原理,分析了数据挖掘技术在电信企业具体的应用场景。在平台实现环节,首先结合电信运营商数据的特点和企业运营的实际需求进行了平台的需求分析,设计了平台的功能框架和操作流程。接着介绍了各个功能模块的实现,包括数据输入和预处理、基于不同分类算法的建模、可视化、基于ROC曲线的模型评估、模型应用。在模型构建模块,详细介绍了几种常用的分类预测算法的原理、流程和实现,包括基于基尼系数的CART决策树、基于信...
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.2 数据挖掘技术及其实际应用
1.2.1 数据挖掘技术发展及现状
1.2.2 数据挖掘技术在移动通信领域的应用背景
1.3 本文研究内容及文章结构
第二章 数据挖掘流程与分类算法概述
2.1 数据挖掘一般流程介绍
2.1.1 数据的收集
2.1.2 数据的预处理
2.1.3 模型构建
2.1.4 模型的评估
2.1.5 模型的应用
2.2 常用数据挖掘分类算法概述
2.2.1 数据挖掘算法类别概述
2.2.2 分类分析
2.2.3 增强型算法
2.3 本章小结
第三章 基于移动通信用户行为数据的平台的搭建
3.1 平台需求分析与整体框架设计
3.1.1 平台需求分析
3.1.2 平台功能框架设计
3.2 建模数据的导入及预处理模块
3.3 基于Gini系数或信息增益的CART决策树
3.4 最近邻分析
3.5 增强型数据挖掘算法模块
3.5.1 Bagging算法
3.5.2 AdaBoost算法
3.6 模型评估与应用模块
3.6.1 模型评估
3.6.2 模型应用
3.7 本章小结
第四章 基于移动通信用户行为数据和数据挖掘平台的应用
4.1 数据挖掘在运营商智慧运营中的应用背景
4.2 基于数据挖掘的流量升档建模与落地实验
4.2.1 数据采集与预处理
4.2.2 目标客户挖掘模型构建和优化
4.2.3 落地效果评估分析
4.3 基于数据挖掘的4G终端营销建模与落地实验
4.3.1 数据采集与预处理
4.3.2 目标客户挖掘模型构建与优化
4.3.3 模型落地效果评估分析
4.4 本章小结
第五章 论文研究工作总结与展望
5.1 研究工作总结
5.2 下一步工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于数据挖掘的网络用户兴趣分类研究[J]. 张志强. 电子设计工程. 2017(10)
[2]采用多类代价指数损失函数的代价敏感AdaBoost算法[J]. 翟夕阳,王晓丹,李睿,贾琪. 西安交通大学学报. 2017(08)
[3]面向大数据分析的决策树算法[J]. 张棪,曹健. 计算机科学. 2016(S1)
[4]移动通信数据挖掘的数据预处理研究[J]. 黄艳艳. 通讯世界. 2016(09)
[5]区间值属性的单调决策树算法[J]. 陈建凯,王鑫,何强,王熙照. 模式识别与人工智能. 2016(01)
[6]基于开放网络知识的信息检索与数据挖掘[J]. 王元卓,贾岩涛,刘大伟,靳小龙,程学旗. 计算机研究与发展. 2015(02)
[7]大数据技术在精准营销中的应用[J]. 王小鹏. 信息通信技术. 2014(06)
[8]大数据应用的现状与展望[J]. 张引,陈敏,廖小飞. 计算机研究与发展. 2013(S2)
[9]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[10]大数据管理:概念、技术与挑战[J]. 孟小峰,慈祥. 计算机研究与发展. 2013(01)
硕士论文
[1]基于信息增益的完全决策树算法研究[D]. 刘强.华中科技大学 2011
[2]CART算法在电信业潜在客户识别中的应用研究[D]. 颜丹丹.对外经济贸易大学 2007
本文编号：3688612
【文章页数】：71 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景和意义
1.2 数据挖掘技术及其实际应用
1.2.1 数据挖掘技术发展及现状
1.2.2 数据挖掘技术在移动通信领域的应用背景
1.3 本文研究内容及文章结构
第二章 数据挖掘流程与分类算法概述
2.1 数据挖掘一般流程介绍
2.1.1 数据的收集
2.1.2 数据的预处理
2.1.3 模型构建
2.1.4 模型的评估
2.1.5 模型的应用
2.2 常用数据挖掘分类算法概述
2.2.1 数据挖掘算法类别概述
2.2.2 分类分析
2.2.3 增强型算法
2.3 本章小结
第三章 基于移动通信用户行为数据的平台的搭建
3.1 平台需求分析与整体框架设计
3.1.1 平台需求分析
3.1.2 平台功能框架设计
3.2 建模数据的导入及预处理模块
3.3 基于Gini系数或信息增益的CART决策树
3.4 最近邻分析
3.5 增强型数据挖掘算法模块
3.5.1 Bagging算法
3.5.2 AdaBoost算法
3.6 模型评估与应用模块
3.6.1 模型评估
3.6.2 模型应用
3.7 本章小结
第四章 基于移动通信用户行为数据和数据挖掘平台的应用
4.1 数据挖掘在运营商智慧运营中的应用背景
4.2 基于数据挖掘的流量升档建模与落地实验
4.2.1 数据采集与预处理
4.2.2 目标客户挖掘模型构建和优化
4.2.3 落地效果评估分析
4.3 基于数据挖掘的4G终端营销建模与落地实验
4.3.1 数据采集与预处理
4.3.2 目标客户挖掘模型构建与优化
4.3.3 模型落地效果评估分析
4.4 本章小结
第五章 论文研究工作总结与展望
5.1 研究工作总结
5.2 下一步工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于数据挖掘的网络用户兴趣分类研究[J]. 张志强. 电子设计工程. 2017(10)
[2]采用多类代价指数损失函数的代价敏感AdaBoost算法[J]. 翟夕阳,王晓丹,李睿,贾琪. 西安交通大学学报. 2017(08)
[3]面向大数据分析的决策树算法[J]. 张棪,曹健. 计算机科学. 2016(S1)
[4]移动通信数据挖掘的数据预处理研究[J]. 黄艳艳. 通讯世界. 2016(09)
[5]区间值属性的单调决策树算法[J]. 陈建凯,王鑫,何强,王熙照. 模式识别与人工智能. 2016(01)
[6]基于开放网络知识的信息检索与数据挖掘[J]. 王元卓,贾岩涛,刘大伟,靳小龙,程学旗. 计算机研究与发展. 2015(02)
[7]大数据技术在精准营销中的应用[J]. 王小鹏. 信息通信技术. 2014(06)
[8]大数据应用的现状与展望[J]. 张引,陈敏,廖小飞. 计算机研究与发展. 2013(S2)
[9]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳. 自动化学报. 2013(06)
[10]大数据管理:概念、技术与挑战[J]. 孟小峰,慈祥. 计算机研究与发展. 2013(01)
硕士论文
[1]基于信息增益的完全决策树算法研究[D]. 刘强.华中科技大学 2011
[2]CART算法在电信业潜在客户识别中的应用研究[D]. 颜丹丹.对外经济贸易大学 2007
本文编号：3688612
本文链接：https://www.wllwen.com/guanlilunwen/yingxiaoguanlilunwen/3688612.html
