混合马尔科夫和贝叶斯的欠费预测模型研究与应用

发布时间：2017-10-01 02:19

  本文关键词：混合马尔科夫和贝叶斯的欠费预测模型研究与应用

  更多相关文章： 后付费型服务 欠费预测模型 差异化处理 混合马尔科夫 贝叶斯

【摘要】：随着我国服务业的迅速发展,使得人们的工作、生活更为快捷、便利。然而,对于那些长期使用定时付费方式的后付费型服务(如:电信、电力、煤气等)的欠逃费现象也日益增加,造成服务企业的经济损失与资产流失,增加其运营成本,影响企业的业务发展,导致企业难以向社会提供更优质的服务。为有效解决上述问题,可以基于服务企业积累的海量数据,从中挖掘欠费行为的潜在规律及其主要影响因素,应用各种数据分析工具,构建数学预测模型,对客户的欠费可能性进行预测分析。为此,本文针对具有长期定时付费特征的后付费类服务,为有效规避客户欠逃费并实现差异化处置,提出混合马尔科夫与贝叶斯的客户欠费预测模型,基于全客户多要素信息增益分析,给出潜在欠费客户的欠费概率,为客户欠费预警和处置提供全面、客观、精细的决策信息,并支持客户差异化处置。本文主要工作:基于上述服务的付费特点,建立k序马尔科夫模型计算客户的初始欠费概率;其次,融合客户基本属性、行为特征和欠费信息等要素,基于条件互信息和爬山法生成目标贝叶斯网络,对初始欠费概率予以修正,形成客户最终欠费概率;第三,通过实际数据进行实证分析,验证了该模型的有效性。最后,详细分析了电信差异化催缴系统的功能需求,给出了其系统架构设计,并将上述研究成果应用于该系统。
【关键词】：后付费型服务 欠费预测模型 差异化处理 混合马尔科夫 贝叶斯
【学位授予单位】：南昌大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F626;F274;O211.62;TP18
【目录】：

• 摘要3-4
• Abstract4-9
• 第1章 引言9-14
• 1.1 研究背景9-10
• 1.2 课题来源10
• 1.3 国内外研究现状和选题意义10-12
• 1.3.1 研究现状10-11
• 1.3.2 选题意义11-12
• 1.4 主要研究内容12-13
• 1.5 论文组织结构13-14
• 第2章 相关模型和技术概述14-28
• 2.1 欠费预测模型14-19
• 2.1.1 预测模型14
• 2.1.2 预测模型常见的方法14-17
• 2.1.3 欠费预测模型17
• 2.1.4 欠费预测模型常见的方法17-19
• 2.2 贝叶斯网络19-25
• 2.2.1 贝叶斯网络概述19
• 2.2.2 贝叶斯网络联合概率的计算19-20
• 2.2.3 贝叶斯网络的参数学习20-21
• 2.2.4 贝叶斯网络结构学习21-24
• 2.2.5 搜索策略24-25
• 2.3 马尔科夫模型25-27
• 2.3.1 马尔科夫过程25
• 2.3.2 转移概率和转移矩阵25-26
• 2.3.3 K序马尔科夫模型26-27
• 2.4 本章小结27-28
• 第3章 混合马尔科夫和贝叶斯的客户欠费预测模型28-39
• 3.1 K序马尔科夫欠费预测模型28-29
• 3.2 基于贝叶斯网络的概率修正29-34
• 3.2.1 事件因子的提取29-30
• 3.2.2 数据的离散化处理30-31
• 3.2.3 构造贝叶斯网络31-34
• 3.3 贝叶斯网络学习34
• 3.4 客户欠费概率计算34
• 3.5 实验结果与分析34-38
• 3.6 本章小结38-39
• 第4章 应用与实现39-54
• 4.1 需求分析39
• 4.2 系统架构39-41
• 4.2.1 系统环境39-40
• 4.2.2 体系结构40-41
• 4.2.3 系统功能结构41
• 4.3 数据库设计41-45
• 4.4 页面设计45-46
• 4.5 系统功能实现46-51
• 4.5.1 ETL模块46
• 4.5.2 欠费概率预测分析46-47
• 4.5.3 催缴数据管理47-49
• 4.5.4 接口管理模块49
• 4.5.5 代维管理49-51
• 4.6 客户欠费概率预测分析模块设计与实现51-53
• 4.6.1 数据预处理51-52
• 4.6.2 欠费概率预测分析52-53
• 4.6.3 欠费预测分析结果查询导出53
• 4.7 本章小结53-54
• 第5章 系统测试54-58
• 5.1 测试概述54
• 5.2 测试用例54-55
• 5.3 系统功能测试55-57
• 5.4 本章小结57-58
• 第6章 总结与展望58-59
• 6.1 总结58
• 6.2 展望58-59
• 致谢59-60
• 参考文献60-62
• 攻读学位期间的研究成果62

【参考文献】

中国期刊全文数据库 前10条

1 芮海田;吴群琪;袁华智;冯忠祥;朱文英;;基于指数平滑法和马尔科夫模型的公路客运量预测方法[J];交通运输工程学报;2013年04期

2 马耀兰;;基于支持向量机方法的股票预测模型[J];鸡西大学学报;2013年04期

3 朱庆明;张浩;;三次指数平滑法在煤矿事故预测中的应用研究[J];中国安全生产科学技术;2012年04期

4 李玉华;李栋才;毕威;李瑞轩;;混合马尔科夫预测模型及其在反洗钱中的应用研究[J];计算机科学;2011年07期

5 王越;谭暑秋;刘亚辉;;基于互信息的贝叶斯网络结构学习算法[J];计算机工程;2011年07期

6 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

7 陆斌杰;;住院病人欠费预测模型研究[J];中国数字医学;2010年12期

8 王志飞;;电力客户信用等级分类及差异化服务策略研究[J];现代商业;2010年14期

9 房丽侠;魏连雨;闫伟阳;;基于决策树的交通拥挤状态预测[J];河北工业大学学报;2010年02期

10 谭旭;唐云岚;陈英武;;基于粗糙集的区间型数据离散化算法[J];系统工程理论与实践;2009年06期

，

本文编号：951773