基于智能计算的电信资费套餐发现及推荐技术研究

发布时间：2017-10-20 23:38

  本文关键词：基于智能计算的电信资费套餐发现及推荐技术研究

  更多相关文章： 电信资费套餐 智能计算 套餐模型 客户模型 粒子群优化算法 推荐

【摘要】：随着电信企业的竞争愈演愈烈,电信市场出现的套餐已经令消费者眼花缭乱,客户不知道如何选择更适合自己使用的套餐,而且套餐制定过程中人工经验的参与也给套餐带来一定的盲目性,造成其生命周期短、管理成本高等问题;但是随着世界从信息时代向智能时代迈进,智能算法也越来越多地被用在实际问题中;然而,目前关于智能算法在电信方面的研究并不是很多,大多局限在概念的研究、设计规则的制定、客户流失预测等方面,也有部分研究者对套餐进行了优化,但是他们只局限在套餐的部分属性,并没有综合考虑套餐属性对客户选择的影响;本文提出了资费套餐自动设计优化同时进行套餐推荐的思想,考虑客户接受程度的同时,实现了企业利润最大,主要研究内容概要如下:本文首先对数据进行可视化分析,包括数据的提取与整理,从数据完整性和合理性两个维度检验数据的有效性,筛选出有效数据;然后分析客户消费数据的结构,发现客户现有套餐存在的一些问题;基于实验数据的具体情况,并结合前人的理论,确定最终的套餐属性和客户属性,构建套餐模型和客户模型。比较遗传算法和粒子群算法的优劣,并通过参考大量文献最终确定使用粒子群算法进行套餐的发现,为了避免粒子群陷入的局部最优问题,对其参数进行动态调整,以企业从所有客户身上的所得作为适应值,保证了利润最大化,经过不断迭代优化最终发现电信套餐,称之为反演套餐;综合考虑套餐所有属性对客户选择行为的作用,设计算法计算客户对反演套餐及其原有套餐的使用比例,将比对结果作为查找反演套餐潜在客户的依据。本研究使用智能算法对大量客户数据进行挖掘分析,操作者仅仅需要输入几个属性的范围值,系统就可以自动发现适合该群体的反演套餐,并且找出该反演套餐的潜在客户群,完成套餐的推荐;除此之外,运营商还可以将一个目标套餐在客户群体中进行推广,系统会自动发现适合该目标套餐的潜在客户群。这种基于智能计算的资费套餐设计优化及推荐技术减少了依靠人工经验决策的盲目性,对企业将反演套餐推向市场具有一定的参考意义。基于智能计算电信资费套餐发现及推荐技术的研究是推动服务智能化的重要手段,有利于企业更好的挖掘用户需求,维持已有客户量的同时把套餐推向新的市场和客户,套餐的推广将更加有效、准确;提高了电信企业的服务水平和管理水平。
【关键词】：电信资费套餐 智能计算 套餐模型 客户模型 粒子群优化算法 推荐
【学位授予单位】：济南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F626;TP18
【目录】：

• 摘要7-9
• Abstract9-11
• 第一章 绪论11-18
• 1.1 研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状12-16
• 1.2.1 资费套餐研究现状12-14
• 1.2.2 智能计算技术研究现状14-16
• 1.3 研究内容及方法16-17
• 1.4 本文的创新17
• 1.5 本文的结构17-18
• 第二章 电信套餐及相关计算方法研究18-28
• 2.1 电信套餐概述18-22
• 2.1.1 电信套餐发展18-19
• 2.1.2 套餐构成19-20
• 2.1.3 套餐推广20-21
• 2.1.4 套餐评估21-22
• 2.2 相关计算方法研究22-27
• 2.2.1 常见的推荐算法22-24
• 2.2.2 相似度计算24-27
• 2.3 本章小结27-28
• 第三章 数据可视化分析及模型构建28-45
• 3.1 数据可视化分析28-36
• 3.1.1 准备及整理数据28-30
• 3.1.2 数据有效性检查30
• 3.1.3 数据可视化分析30-36
• 3.2 数据聚类36-41
• 3.2.1 聚类算法36-39
• 3.2.2 数据聚类处理39-41
• 3.3 套餐模型41-43
• 3.3.1 确定套餐属性41-42
• 3.3.2 确立套餐模型42-43
• 3.4 客户模型43-44
• 3.4.1 空间维度的确定43-44
• 3.4.2 客户模型的确立44
• 3.5 本章小结44-45
• 第四章 套餐自动发现及推荐45-58
• 4.1 套餐自动发现的算法设计45-49
• 4.1.1 PSO基本思想46
• 4.1.2 PSO操作过程46-48
• 4.1.3 PSO参数的调整48
• 4.1.4 PSO优点48-49
• 4.2 套餐发现过程设计49-51
• 4.2.1 抽取训练集49-50
• 4.2.2 初始化50
• 4.2.3 处理过程50-51
• 4.3 套餐推荐模型方法设计51-52
• 4.4 结果及分析52-56
• 4.4.1 结果评价方法52-53
• 4.4.2 实验结果分析53-56
• 4.4.3 目标套餐推荐结果及分析56
• 4.5 本章小结56-58
• 第五章 结论与展望58-60
• 5.1 论文主要研究总结58-59
• 5.2 进一步研究探讨59-60
• 参考文献60-65
• 致谢65-66
• 附录66

【参考文献】

中国期刊全文数据库 前8条

1 刘华;;FP-tree关联规则算法在推荐系统中的应用[J];信息技术;2015年11期

2 王竹立;李小玉;林津;;智能手机与“互联网+”课堂——信息技术与教学整合的新思维、新路径[J];远程教育杂志;2015年04期

3 虞苏妍;;国外运营商4G套餐资费分析[J];中国电信业;2014年08期

4 贺仁龙;魏姗姗;邱晨旭;;电信套餐价值评估与分析模型研究[J];电信科学;2012年02期

5 ;2010国际信息技术与应用论坛征稿启事[J];计算机科学;2009年11期

6 刘永;陈治平;;数据挖掘在电信套餐预演中的应用研究[J];计算机工程与设计;2008年15期

7 刘鲁;任晓丽;;推荐系统研究进展及展望[J];信息系统学报;2008年01期

8 朱蕾;;资费套餐设计的合理性探讨[J];广东通信技术;2006年12期

，

本文编号：1070065