支持向量机在电信客户欺诈检测的应用研究

发布时间：2020-08-26 08:19

【摘要】： 随着电信市场的迅猛发展,电信行业中的客户欺诈行为也在与日俱增。电信客户欺诈检测系统利用数据挖掘、模式识别等先进工具对电信客户的呼叫行为进行具体分析,检测、预防欺诈行为。结合客户的具体行为对客户的分类,建立起电信客户欺诈检测模型,对欺诈行为进行检测,从而有力地解决了电信运营商的客户关系管理难题,造就更具竞争力的企业。 电信用户的真实意图往往是无法直接获取的,只能通过呼叫数据间接得到。采用呼叫数据来描述用户的行为,并通过数据挖掘和统计学习方法等对呼叫数据进行学习生成相应的用户模型。研究的主要目的是利用用户模型和分类技术对各个用户群进行分类,训练得到的分类模型,其将未知用户分配到与之对应的群,从而完成对电信客户欺诈行为的检测。 论文简要分析了电信客户欺诈行为所带来的危害,以及开发电信客户欺诈检测系统的必要性和紧迫性,介绍了开发电信客户欺诈检测系统所涉及到的相关理论知识:机器学习,统计学习理论等等,提出了用于电信客户欺诈检测模型的基于单类支持向量机的分类方法。样本通过随机选择算法采样后,用单类支持向量机进行初次分类,再利用支持向量机进行二次分类;详细阐述了电信客户欺诈检测的建模以及验证过程。对模型的性能测试表明:支持向量机应用于实际的电信客户欺诈模型中,具有一定的市场价值。模型能有效地挖掘出潜在的风险行为,识别出客户的欺诈行为。进而对规模小、分散性大的电信客户欺诈行为进行检测。
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F626;TP18
【图文】：

Support Vector Data Description）[64]，这也就是单类就是指训练时只对一类样本，也就是正样本进行训练”区域内，则认为是“内点”，其他样本看成负样本为“野点”。这类学习机就是单类支持向量机，其进行估计，找到各个类的支持向量，也就是边界，而属于哪一类。Scholkopf 等人基于前人的研究，提出了基于超平面的 OC-SVM 和基于超球体的 OC-SVM。平面的 OC-SVMScholkopf 等人提出了间隔最大化的基于超平面的 O（负类样本）之一，将训练样本映射到高维特征空间。寻找一个将训练样本和原点分开的最优超平面，并，位于超平面上的点叫支持向量。如图 3.1 所示，维空间所找到的最优超平面。

图 4.2 用户模型的特征序列步是在一定的观测时间内，对基本单位对应元的值进行计算。分话总次数、异地通话总次数，国内长途通话总次数、国际长途通对应的平均值、标准差以及最大日通话次数值，本地通话总时长长、国内长途通话总时长、国际长途通话总时长分别对应的平均最大日通话总时长。观测期间用户通话行为数据，从而得到用户，详见图 4.2。列中各个元表示的意义表 4.2 进行了详细描述，这些行为都可以从中获取，据此可得出模型的输入数据包含以下两方面：(1) 能够反关的异常行为特征的检测属性字段，也就是前面提到的客户行为 24 个属性；(2) 标识用户是否为欺诈的类标识符—“是否欺诈”（is不同的取值{Yes，No}。

移动通信欺诈检测系统框架

【相似文献】

相关期刊论文 前10条

1 赵悦;穆志纯;;基于MBBC算法的电信客户信用度评分模型[J];北京工商大学学报(自然科学版);2006年03期

2 李益强,漆晨曦;基于数据挖掘的电信客户细分研究析[J];广东通信技术;2005年05期

3 薛薇;王益锋;赵璋;;基于客户细分的电信客户流失防范对策研究[J];全国商情(经济理论研究);2007年12期

4 张玉洁;孟祥武;;不同电信欠费率下信用评分问题[J];北京邮电大学学报;2010年06期

5 沈珂;;从客户生命周期看电信行业的营销策略[J];现代营销(学苑版);2010年12期

6 刘芳;;西安电信客户投诉原因分析——基于2010年西安电信客户调查数据[J];科技信息;2011年20期

7 张玉洁;孟祥武;;利用蚁群算法求解电信客户初始信用评分问题[J];北京邮电大学学报;2010年01期

8 张大亮;徐乃真;;中国电信的动态客户保持率研究[J];技术经济与管理研究;2008年06期

9 王峰;刘锦高;陈亚华;;基于AHP的电信客户价值评价模型研究[J];计算机系统应用;2009年01期

10 马天蔚;贾莉;张秋华;;为客户创造价值——有感于东软产业化发展十周年庆典[J];每周电脑报;2001年41期

相关会议论文 前10条

1 连建勇;;基于数据挖掘的电信客户流失分析[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

2 王世卫;李爱国;;报税欺诈检测研究[A];第三届全国信息获取与处理学术会议论文集[C];2005年

3 蒋华园;;挖掘增长电信运营商财富的源泉——提升客户价值的战略视角[A];江苏省通信学会2004年学术年会论文集[C];2004年

4 朱晖豪;;利用IT手段解决电信客户合同资费管理难题[A];2007中国科协年会——通信与信息发展高层论坛论文集[C];2007年

5 夏艳红;周王炳;;Call Center成就完美服务[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

6 王华涛;胡萍;;利用数据挖掘技术提高电信业客户的满意度[A];四川省通信学会2005年学术年会论文集[C];2005年

7 徐振东;;电信客户信用管理及其信用度应用研究[A];中国通信学会第六届学术年会论文集（上）[C];2009年

8 赵媛媛;;对大客户实施定制化信息服务 推进社会信息化[A];中国通信学会信息通信网络技术委员会2005年年会论文集[C];2005年

9 李玉林;;电信企业效益审计EVA—BSC系统探索[A];中国内部审计协会2006年度全国“经济效益审计”理论研讨暨经验交流会一二等奖论文汇编[C];2006年

10 解红亮;;浅谈电信客户呼叫中心[A];四川省通信学会2001年学术年会论文集[C];2001年

相关重要报纸文章 前10条

1 张雪琳;借助商业智能了解电信客户[N];通信产业报;2003年

2 徐达生　通讯员　 刘兰;浙江电信客户感受“数字春节”[N];人民邮电;2007年

3 记者 王珍莉　通讯员 李宇玉;海南电信客户平均临柜时间缩50%[N];人民邮电;2009年

4 魏东;甘肃电信客户回访制度化[N];人民邮电;2003年

5 周晓慷;宜兴电信开展“用心开通”、“贴心巡检”活动[N];人民邮电;2006年

6 王芳;RSA被评网络欺诈检测领域领导者[N];中国企业报;2009年

7 应剑涛;宁波推出首张中国电信客户卡[N];人民邮电;2002年

8 秦立夏 朱红甫;湖北电信启动“电信客户开放日”活动[N];人民邮电;2005年

9 周晓慷;无锡电信热线日服务量七十万次[N];人民邮电;2006年

10 ;电信客户心中的110[N];人民邮电;2004年

相关博士学位论文 前5条

1 徐树华;基于社会网络的电信客户采纳新业务与流失行为研究[D];北京邮电大学;2011年

2 陈金波;面向电信CRM的数据挖掘应用研究[D];东南大学;2006年

3 刘勇;中国电信业流失客户赢回策略研究[D];华中科技大学;2007年

4 王平;非结构化对等网络中的信任机制及搜索策略研究[D];西南大学;2010年

5 欧阳震诤;不平稳数据流的分类技术研究[D];国防科学技术大学;2009年

相关硕士学位论文 前10条

1 张瑜;支持向量机在电信客户欺诈检测的应用研究[D];长沙理工大学;2010年

2 杨彦;一种校园卡欺诈检测模型研究[D];西南大学;2012年

3 韩念龙;阿勒泰电信客户网络维护体系建设研究[D];北京邮电大学;2011年

4 韩辉;电信客户回访系统的设计与实现[D];北京邮电大学;2010年

5 林耀佳;从化电信客户保持竞争战略及实施研究[D];华中科技大学;2010年

6 刘艳红;SVDD算法研究及在信用卡欺诈检测中的应用[D];江苏大学;2010年

7 祝永升;基于WEB的电信客户商机管理系统的设计与实现[D];云南大学;2010年

8 梁扬亮;电信市场客户服务营销策略研究[D];广西大学;2005年

9 王磊;电信客户数据分析系统的设计和实现[D];北京邮电大学;2012年

10 马丰;基于数据仓库的电信客户关系管理研究[D];广东工业大学;2004年

本文编号：2804939