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

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。

目录

声明

摘要

第1章 绪论

1．1 课题背景及意义

1．1．1 电信行业的发展背景

1．1．2 数据挖掘的诞生

1．2 国内外研究现状

1．2．1 数据挖掘技术研究现状

1．2．2 数据挖掘在用户流失领域的研究现状

1．3 本文研究的主要内容

1．3．1 主要研究目标

1．3．2 主要研究方法

1．4 主要创新点

1．5 本章小结

第2章 LTE网络技术与数据挖掘基础知识

2．1 LTE网络技术概述

2．1．1 网络架构

2．1．2 LTE网络演进

2．1．3 LTE网络业务

2．2 用户流失

2．2．1 用户流失的定义

2．2．2 用户流失的原因

2．3 基于用户流失的数据挖掘

2．3．1 数据挖掘技术的产生

2．3．2 数据挖掘技术分类

2．3．3 数据挖掘的基本过程

2．4 本章小结

第3章 电信数据采集与预处理

3．1 数据采集

3．1．1 大数据平台介绍

3．1．2 数据采集规模预估

3．1．3 数据采集格式

3．1．4 数据提取

3．1．5 数据统计

3．2 数据预处理

3．2．1 数据选择抽样

3．2．2 数据预处理

3．2．3 数据归一化

3．3 本章小结

第4章 聚类分析

4．1 K-Means算法

4．1．1 算法简介

4．1．2 聚类结果及分析

4．2 FCM算法

4．2．1 算法简介

4．2．2 聚类结果及分析

4．3 两种不同聚类算法对比分析

4．4 本章小结

第5章 用户流失分析预警算法研究

5．1 贝叶斯分类算法

5．1．1 贝叶斯分类算法简介

5．1．2 常用贝叶斯分类算法

5．1．3 朴素贝叶斯算法分析用户流失问题

5．2 人工神经网络算法

5．2．1 人工神经网络算法简介

5．2．2 常用人工神经网络算法

5．2．3 BP神经网络算法分析用户流失问题

5．3 决策树算法

5．3．1 决策树算法简介

5．3．2 常用决策树算法

5．3．3 C4．5算法分析用户流失问题

5．4 三种常用算法的模型评价与比较

5．4．1 模型评价

5．4．2 模型比较

5．5 本章小结

结论和展望

致谢

参考文献

硕士期间发表论文