基于数据挖掘的电信LTE用户上网数据的用户流失算法研究

发布时间：2017-05-22 14:14

  本文关键词：基于数据挖掘的电信LTE用户上网数据的用户流失算法研究，，由笔耕文化传播整理发布。

【摘要】：2008年中国电信业重组后,经历了3G时代以及4G时代的发展,电信市场的竞争也越来越激烈。用户已经是每个运营商争相抢夺的资源,但是由于电信市场日趋饱和,运营商逐渐意识到挽留在网用户比发展新用户要节约大量成本。因此,如何减少用户流失已经成为重要工作之一。目前,数据挖掘逐渐成为了被广泛认可的发现电信用户流失的工具。它是从电信的大量而复杂的历史数据中,利用数据挖掘算法,发现用户流失的规律,进而对将要流失的用户进行挽留,以达到防止用户流失目的。然而,目前用户流失主要关注于业务、费用、投诉、网络故障等方面。因此本文提出以最能贴近用户行为的用户LTE上网数据为研究内容,本文所用到的数据以日为单位,不同于以往的以月为单位的行为数据,更能反映出用户的行为变化规律。本文以用户LTE上网变化数据为需要分析的数据,并通过运用K-Means算法、FCM算法以及朴素贝叶斯算法、BP神经网络算法和C4.5决策树算法分别对数据进行研究。本文的主要工作包括：1)提取电信LTE用户上网行为数据,数据字段包括用户每日上网频次；每日使用上行流量大小；每日使用下行流量大小；每日上网时长和上网的具体日期。2)对提取的数据进行预处理。3)采用Matlab工具,分别实现K-Means算法和FCM算法对数据的聚类并研究两种算法之间的性能,得到更准确的流失用户的用户特征。4) 最后通过朴素贝叶斯算法、BP神经网络算法和C4.5决策树算法三种算法分别对电信用户LTE上网变化数据进行预测的对比试验,分析三种算法的效率和准确率。根据评估结果,进行分析并得到电信用户流失预警的最佳解决方案。本文以上海电信的用户LTE上网数据和数据挖掘相结合,进而分析用户流失的原因和影响指标,为客户提供个性化的挽留方案,减小用户的流失率。
【关键词】：数据挖掘 用户流失 LTE K-Means算法 FCM算法 朴素贝叶斯算法 BP神经网络算法 C4.5决策树算法
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN929.5;TP311.13
【目录】：

• 摘要6-7
• abstract7-12
• 第1章 绪论12-17
• 1.1 课题背景及意义12-13
• 1.1.1 电信行业的发展背景12
• 1.1.2 数据挖掘的诞生12-13
• 1.2 国内外研究现状13-15
• 1.2.1 数据挖掘技术研究现状13-14
• 1.2.2 数据挖掘在用户流失领域的研究现状14-15
• 1.3 本文研究的主要内容15-16
• 1.3.1 主要研究目标15
• 1.3.2 主要研究方法15-16
• 1.4 主要创新点16
• 1.5 本章小结16-17
• 第2章 LTE网络技术与数据挖掘基础知识17-24
• 2.1 LTE网络技术概述17-21
• 2.1.1 网络架构17-18
• 2.1.2 LTE网络演进18-19
• 2.1.3 LTE网络业务19-21
• 2.2 用户流失21-22
• 2.2.1 用户流失的定义21
• 2.2.2 用户流失的原因21-22
• 2.3 基于用户流失的数据挖掘22-23
• 2.3.1 数据挖掘技术的产生22
• 2.3.2 数据挖掘技术分类22-23
• 2.3.3 数据挖掘的基本过程23
• 2.4 本章小结23-24
• 第3章 电信数据采集与预处理24-36
• 3.1 数据采集24-31
• 3.1.1 大数据平台介绍24
• 3.1.2 数据采集规模预估24-25
• 3.1.3 数据采集格式25-26
• 3.1.4 数据提取26-27
• 3.1.5 数据统计27-31
• 3.2 数据预处理31-35
• 3.2.1 数据选择抽样31-32
• 3.2.2 数据预处理32-34
• 3.2.3 数据归一化34-35
• 3.3 本章小结35-36
• 第4章 聚类分析36-47
• 4.1 K-Means算法36-40
• 4.1.1 算法简介36-38
• 4.1.2 聚类结果及分析38-40
• 4.2 FCM算法40-45
• 4.2.1 算法简介40-41
• 4.2.2 聚类结果及分析41-45
• 4.3 两种不同聚类算法对比分析45-46
• 4.4 本章小结46-47
• 第5章 用户流失分析预警算法研究47-63
• 5.1 贝叶斯分类算法47-49
• 5.1.1 贝叶斯分类算法简介47
• 5.1.2 常用贝叶斯分类算法47-48
• 5.1.3 朴素贝叶斯算法分析用户流失问题48-49
• 5.2 人工神经网络算法49-54
• 5.2.1 人工神经网络算法简介49-50
• 5.2.2 常用人工神经网络算法50-53
• 5.2.3 BP神经网络算法分析用户流失问题53-54
• 5.3 决策树算法54-58
• 5.3.1 决策树算法简介54-55
• 5.3.2 常用决策树算法55-56
• 5.3.3 C4.5算法分析用户流失问题56-58
• 5.4 三种常用算法的模型评价与比较58-61
• 5.4.1 模型评价58-60
• 5.4.2 模型比较60-61
• 5.5 本章小结61-63
• 结论和展望63-65
• 致谢65-66
• 参考文献66-70
• 硕士期间发表论文70

【相似文献】

中国期刊全文数据库 前10条

1 方蕾;;用户流失引发网游颓势 提升服务是唯一救命稻草[J];IT时代周刊;2006年05期

2 肖胜;;准确计算与解读流失率[J];通信企业管理;2013年01期

3 马凤炯;;以优质服务推动邮政企业持续发展[J];中国邮政;2009年09期

4 刘光远;苑森淼;董立岩;李永丽;;基于进化理论的用户流失预测分析[J];吉林大学学报(理学版);2007年02期

5 庄德尚;武艳;;新疆巴州铁通 建立流失预警机制 减少用户流失[J];通信企业管理;2007年12期

6 赖院根;刘砺利;;基于客户价值的信息用户流失预测研究[J];情报理论与实践;2011年07期

7 ;为IPOT witter效仿FACEBOOK[J];工业设计;2013年08期

8 马会迎;;移动互联网对用户流失的影响分析——以人人网为例[J];无线互联科技;2014年04期

9 宋向东;;IP业务推动NTT固话公司走出困境[J];通信世界;2011年05期

10 刘敏;;有线电视数字整体转换后用户流失问题的探讨[J];湖南农机;2012年07期

中国重要会议论文全文数据库 前2条

1 车平;施刚;;一种基于决策树的用户流失预测分析方法[A];先进制造技术论坛暨第五届制造业自动化与信息化技术交流会论文集[C];2006年

2 俞宙;莫丽珍;;广东移动天气短信用户流失分析及应对[A];第31届中国气象学会年会S10 第四届气象服务发展论坛——提高水文气象防灾减灾水平，推动气象服务社会化发展[C];2014年

中国重要报纸全文数据库 前10条

1 本报记者 梓茎;用户流失：一个不容忽视的问题[N];人民邮电;2003年

2 本报记者 席大伟;中电信手机用户流失缓解 天翼彰显发展后劲[N];通信信息报;2009年

3 中兴通讯 曾志　杨毅;借助大数据盘活“存量市场”[N];通信产业报;2013年

4 ;用户流失：带号转移政策的挑战[N];人民邮电;2008年

5 ;NTTDoCoMo用户流失加剧[N];人民邮电;2007年

6 李薇;防用户流失,AT&T推出“免费通信”[N];新华每日电讯;2007年

7 本报记者 于伟;美国有线和卫星电视用户流失加快宽带互联网替代效应凸显[N];通信信息报;2011年

8 李雷　穆童;焦作联通建档维系防用户流失[N];人民邮电;2010年

9 薛松;用户流失 电信网通盼发移动牌[N];广州日报;2007年

10 本报记者 张韬;用户流失股价反涨 重组预期支撑电信网通[N];上海证券报;2007年

中国硕士学位论文全文数据库 前5条

1 张迪;移动游戏用户流失因素分析[D];南京大学;2016年

2 代晓菊;基于数据挖掘的电信LTE用户上网数据的用户流失算法研究[D];西南交通大学;2016年

3 王娟;联通某地市分公司用户流失分析及对策研究[D];北京邮电大学;2010年

4 曹洁;A电信分公司移动用户流失分析与对策研究[D];山东大学;2011年

5 杨孝成;基于决策树的移动通信用户流失预警模型研究与实现[D];中国海洋大学;2014年

  本文关键词：基于数据挖掘的电信LTE用户上网数据的用户流失算法研究，由笔耕文化传播整理发布。

本文编号：385935