數(shù)據(jù)挖掘在彩信運營支撐中的應(yīng)用研究
發(fā)布時間:2020-11-22 03:42
業(yè)界普遍認為彩信業(yè)務(wù)將是3G市場啟動和發(fā)展的關(guān)鍵動力,具有廣闊的應(yīng)用前景和發(fā)展空間。當前運營商的彩信運營缺乏有效的系統(tǒng)支撐;诖,本文重點研究數(shù)據(jù)挖掘方法在彩信運營支撐中的應(yīng)用,并探討構(gòu)建面向數(shù)據(jù)業(yè)務(wù)的網(wǎng)絡(luò)質(zhì)量提升支撐平臺的思路。本文的主要研究成果如下: 1、提出混沌粒子群算法,并在此基礎(chǔ)上改進了BP神經(jīng)網(wǎng)絡(luò)預測模型,應(yīng)用于彩信指標預測。 傳統(tǒng)粒子群算法在尋優(yōu)過程中不同程度地存在早熟問題而易陷入局部最優(yōu)解,本文在粒子群算法中引入混沌思想對之進行改進:首先混沌初始化粒子群中粒子的位置,保證在搜索空間的大范圍內(nèi)初始化粒子群中粒子的位置;然后調(diào)用基本的粒子群方法,當粒子群中出現(xiàn)有多個粒子距離足夠近的情況,則對該粒子賦予混沌狀態(tài)搜索。通過Rosenbrock和Schaffer等經(jīng)典測試函數(shù)進行測試,Rosenbrock函數(shù)最小適應(yīng)值由8.78下降到4.90,Schaffer函數(shù)成功搜索次數(shù)也大大提高。 建立在混沌粒子群算法基礎(chǔ)上的改進BP神經(jīng)網(wǎng)絡(luò)彩信指標預測模型,主要通過輸入節(jié)假日、當前用戶數(shù)、市場行為、歷史指標情況等信息來預測彩信提交總量、彩信提交成功量、彩信下發(fā)總量、彩信下發(fā)成功量、彩信端對端成功率等彩信指標,并以此指導運營商的網(wǎng)絡(luò)建設(shè)及調(diào)整,并可利用該預測結(jié)果來指導市場行為,輔助業(yè)務(wù)部門制定營銷策略,實施精細化營銷。在應(yīng)用中,該預測模型很好地預測出彩信業(yè)務(wù)總量的變化,幫助企業(yè)及時啟動營銷策劃,取得較好效果。 2、提出基于模糊聚類分析的彩信客戶分類模型用于實現(xiàn)對彩信客戶進行分類。 該模型融合用戶彩信業(yè)務(wù)使用情況、用戶信息、用戶數(shù)據(jù)業(yè)務(wù)使用情況等相關(guān)信息,基于模糊聚類算法,實現(xiàn)將客戶分為四個聚類結(jié)果:潛在客戶、高活躍客戶、沉默客戶和可保持客戶。并針對重點的沉默和高活躍客戶采取專項市場提升活動,展開精細化營銷,達到了很好的提升效果。 3、提出面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型的構(gòu)想。 以彩信業(yè)務(wù)為切入點,以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知為導向,應(yīng)用數(shù)據(jù)挖掘等技術(shù),對網(wǎng)絡(luò)質(zhì)量管理過程、網(wǎng)絡(luò)質(zhì)量技術(shù)指標以及數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知進行科學關(guān)聯(lián),建立網(wǎng)絡(luò)質(zhì)量提升專家知識庫和模型集,提出TSPA網(wǎng)絡(luò)質(zhì)量管理分析模型,力求能發(fā)現(xiàn)最能提升客戶感知的措施并用于指導彩信保障工作的開展。力求基于上述模型,構(gòu)建出“數(shù)據(jù)業(yè)務(wù)綜合運營支撐管理平臺”。為彩信等數(shù)據(jù)業(yè)務(wù)的指標運營和維護提供一個規(guī)范、高效的支撐平臺。
【學位單位】:北京郵電大學
【學位級別】:碩士
【學位年份】:2009
【中圖分類】:F626;F224
【部分圖文】:
圖(5一11)IADIF閉環(huán)管理流程圖“面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS以網(wǎng)絡(luò)質(zhì)量提升模型”具備以下特點:(1)模型首創(chuàng)性地建立了網(wǎng)絡(luò)提升手段與數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知關(guān)聯(lián)的映射集!懊嫦驍(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型”以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知調(diào)研診斷為基礎(chǔ),結(jié)合網(wǎng)絡(luò)質(zhì)量管理過程及網(wǎng)絡(luò)質(zhì)量技術(shù)指標,建立了網(wǎng)絡(luò)質(zhì)量管理分析模型,將網(wǎng)絡(luò)質(zhì)量技術(shù)指標、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知、以及網(wǎng)絡(luò)質(zhì)量管理過程進行了科學的關(guān)聯(lián),并在此基礎(chǔ)上建立了網(wǎng)絡(luò)質(zhì)量提升手段、網(wǎng)絡(luò)質(zhì)量技術(shù)指標、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知三者之間相互關(guān)聯(lián)的映射集。(2)模型解決了網(wǎng)絡(luò)提升手段如何有效指向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知提升的難題。“面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS隊網(wǎng)絡(luò)質(zhì)量提升模型”建立了”網(wǎng)
彩信運營支撐管理平臺軟件體系結(jié)構(gòu)分為:數(shù)據(jù)獲取層、數(shù)據(jù)存儲層、數(shù)據(jù)應(yīng)用層、數(shù)據(jù)訪問層等
【參考文獻】
本文編號:2894057
【學位單位】:北京郵電大學
【學位級別】:碩士
【學位年份】:2009
【中圖分類】:F626;F224
【部分圖文】:
圖(5一11)IADIF閉環(huán)管理流程圖“面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS以網(wǎng)絡(luò)質(zhì)量提升模型”具備以下特點:(1)模型首創(chuàng)性地建立了網(wǎng)絡(luò)提升手段與數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知關(guān)聯(lián)的映射集!懊嫦驍(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TSPA網(wǎng)絡(luò)質(zhì)量提升模型”以數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知調(diào)研診斷為基礎(chǔ),結(jié)合網(wǎng)絡(luò)質(zhì)量管理過程及網(wǎng)絡(luò)質(zhì)量技術(shù)指標,建立了網(wǎng)絡(luò)質(zhì)量管理分析模型,將網(wǎng)絡(luò)質(zhì)量技術(shù)指標、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知、以及網(wǎng)絡(luò)質(zhì)量管理過程進行了科學的關(guān)聯(lián),并在此基礎(chǔ)上建立了網(wǎng)絡(luò)質(zhì)量提升手段、網(wǎng)絡(luò)質(zhì)量技術(shù)指標、數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知三者之間相互關(guān)聯(lián)的映射集。(2)模型解決了網(wǎng)絡(luò)提升手段如何有效指向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知提升的難題。“面向數(shù)據(jù)業(yè)務(wù)網(wǎng)絡(luò)質(zhì)量客戶感知的TS隊網(wǎng)絡(luò)質(zhì)量提升模型”建立了”網(wǎng)
彩信運營支撐管理平臺軟件體系結(jié)構(gòu)分為:數(shù)據(jù)獲取層、數(shù)據(jù)存儲層、數(shù)據(jù)應(yīng)用層、數(shù)據(jù)訪問層等
【參考文獻】
相關(guān)期刊論文 前10條
1 王歲花,馮乃勤,李愛國;一類新穎的粒子群優(yōu)化算法[J];計算機工程與應(yīng)用;2003年13期
2 李祥飛,鄒恩,張?zhí)┥?基于混沌變量的前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計[J];控制與決策;2003年06期
3 楊克儉,丁學鈞;數(shù)據(jù)挖掘及其應(yīng)用研究回顧[J];福建電腦;2004年07期
4 楊俊杰,周建中,喻菁,吳瑋;基于混沌搜索的粒子群優(yōu)化算法[J];計算機工程與應(yīng)用;2005年16期
5 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學報;2004年03期
6 楊維,李歧強;粒子群優(yōu)化算法綜述[J];中國工程科學;2004年05期
7 劉自發(fā),葛少云,余貽鑫;基于混沌粒子群優(yōu)化方法的電力系統(tǒng)無功最優(yōu)潮流[J];電力系統(tǒng)自動化;2005年07期
8 郭蘊華,陳定方;基于模糊聚類分析的客戶分類算法研究[J];計算機應(yīng)用研究;2005年04期
9 馬輝民;李強;;應(yīng)用AHP層次分析法評估ERP項目風險[J];計算機與數(shù)字工程;2006年03期
10 糜元根;數(shù)據(jù)挖掘方法的評述[J];南京化工大學學報(自然科學版);2001年05期
本文編號:2894057
本文鏈接:http://www.lk138.cn/jingjilunwen/xxjj/2894057.html
最近更新
教材專著