基于通信关系的意见领袖挖掘与应用

发布时间：2020-05-07 04:57

【摘要】： 随着国内外电信市场竞争日益加剧,电信企业的营销方式逐步从粗放型到集约型转变。本文根据客户通信数据特点,利用社会网络分析方法和数据挖掘技术,分析了电信企业客户群中“意见领袖”的特征,挖掘通信关系网的“意见领袖”,满足了电信企业特定营销需求。首先,本文概述了社会网络分析的概念、方法和计量等基本理论,对通信关系网的关系数据进行分析,阐明了通信关系属于1-模关系类型,指明了意见领袖在通信关系网的计量特征,为本文的论述奠定了一定的理论基础。然后,分析了客户详细通话记录数据的特征,按照数据仓库的基本理论建立了通信关系数据仓库,以六度分离理论和150规则为约束建立了通信关系网。优选计算模型确定了通信关系网的计量参数,并采用基于最近邻(Reciprocal Nearest Neighbor)的全链接算法将庞大的通信关系网划分成多个子网,计算通信关系子网节点的广泛度、中间度和密切度等中心度指标,采用基于Dijkstra最短路径算法的SPLINE算法挖掘通信子网中的意见领袖节点。最后,在某移动通信企业发展“虚拟网”客户的实例中,应用意见领袖挖掘模型进行核心客户分析。将应用结果与其他模型进行比较分析,在核心客户挖掘准确性、发展“虚拟网”成功率、发展“虚拟网”质量、“虚拟网”客户覆盖率等方面得到了较好效果,验证了该挖掘通信关系的意见领袖挖掘模型是可行有效的。
【图文】：

分类图,社会网络,数据

的是社会行动者（Social Actor）自身拥有的态度、观点以及行为等方面的们一般被视为社会行动者内在的性质、特点，如一个人的收入、教育程度国家的 GDP 等。与属性数据对应的变量可称为属性变量（Attribute Variabl性数据进行定量分析的方法主要是一些传统的“变量分析”（VariableAnaly，确切地说是“属性变量”分析技术。第三类数据是观念数据（Ideational D描述的是意义、动机和定义等。虽然此类数据在社会科学研究中也占据重要是，分析它的方法更为欠缺。通信数据不是孤立存在，而是处于各种通信关系之中的。关系数据是关之间的联系的数据。根据不同的标准，“关系数据”可以分为多种类型，根“构成”，可分为 1-模（1-mode）关系（同一个行动者群体内部成员两两之）数据和 2-模（2-mode）关系（两个行动者群体之间的关系）数据，后者隶属（Affiliation）关系（即一个群体的成员“隶属于”某些团体的数据）；的“角度”，亦可分为个体网络（以个体为中心的关系网络，简称个体网）体网络（一个群体内部所有成员之间关系网，简称整体网）数据。将后两角度结合起来，，可以得到交互分类图式[24]，如图 2-1 所示：

社群图,中心度

图 2-2 通信关系社群图（matrix_test）Fig. 2-2 Sociogram of Telecommunication Relationship（matrix_test）表 2-4 接近中心度（matrix_test）Tab. 2-4 Closeness Degree(matrix_test)3130531818315086318173191953152531708131308631607031816831163316265316015318010315068318030ess 38 38 41 41 47 47 55 55 55 55 56 56 57 57 57 5eness44.744.741.541.536.236.230.930.930.930.930.430.429.829.829.829.利用中心性分析，取接近中心度作为通信关系成员为中心性指标，获取结表中 Farness 参数指远离中心的程度，nCloseness 参数是分析系统给定相对的指标。分析上表可知，客户 1303555、1308889、1305688、1318773 具有近中心度测量指标，经反查验证持有 1303555、1308889 两个号码是该公司
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F626;F224

【引证文献】