数据挖掘技术在话务网数据分析中的应用及研究.pdfVIP

数据挖掘技术在话务网数据分析中应用的研究 肖婷婷 中国移动辽宁公司信息技术中心 110179 摘 要 随着移动通信网络的快速发展，为了更进一步了解整个网络的运行情况， 本文以话务网管的业务数据及数据挖掘的相关技术为研究背景，构建了移动通信话务网 管数据挖掘系统，探讨了数据挖掘的关键技术，重点介绍了时序分析算法在话务网管数 据分析系统中的应用。 关键词 数据挖掘；话务网管 图1数据挖掘基本过程 过程中各步骤的大体内容如下。 (1)确定业务对象。清晰地定义出业务问题，认清数据挖掘的目的是数据挖掘的重 要一步。挖掘的最后结果是不可预测的，但要探索的问题应是有预见的。 (2)数据准备。数据准备阶段包括数据的选择、数据的预处理和数据的转换。 数据的选择搜索所有与业务对象有关的内部和外部数据信息，并从中选择出适用于 数据挖掘应用的数据。 数据的预处理研究数据的质量，为进一步的分析做准备，并确定将要进行的挖掘操 作的类型。 数据的转换将数据转换成一个分析模型。这个分析模型是针对挖掘算法建立的。建 立一个真正适合挖掘算法的分析模型是数据挖掘成功的关键。 (3)数据挖掘。对所得到的经过转换的数据进行挖掘，是整个数据挖掘过程最关 键的一步，也是技术难点所在。采用较多的技术有决策树、分类、聚类、粗糙集、关联 规则、回归预测等。数据挖掘根据知识发现的目标，选取相应的算法和合适的参数，分 析数据，得到可能形成知识的模式模型。 (4)结果分析。解释并评估结果。评估可以根据用户多年的经验，有些模式也可以 直接用数据来检验其准确性。这个步骤还包括把模式以易于理解的方式呈现给用户，因 此和可视化技术相结合。用户理解的、并被认可是符合实际和有价值的模式模型形成了 知识。同时还要注意对知识做一致性检验，解决与以前得到的知识互相冲突、矛盾的地 方，使知识得到巩固。 数据挖掘过程是一个交互式的迭代的过程，其中需由用户作出许多选择，每一个步 骤一旦与预期目标不符，都要回到前面的步骤，重新调整，重新执行。 数据挖掘技术在话务网管中有一定的应用需求，主要表现在网络运行状况评价， KPI指标关联分析，网络容量及业务趋势预测分析等方面。 (1)网络运行状况评价。通过对整个通信网络的业务量、性能指标、资源利用情况 等指标进行综合分析和评估，使公司领导和维护人员更方便地分析整个网络发展的总体 情况。 (2)KPI指标关联分析。指标关联分析的主要目的在于找出移动通信系统中存在的故 障和缺陷，以及产生上述问题的原因。通过数据挖掘进行关联分析，一方面能够快速的 为维护人员提供更准确的信息，使之能及时准确的对移动通信网络进行调整。另一方面 可以挖掘出以往靠经验分析的可能产生故障原因之外的原因。只有准确掌握了问题发生 的原因，才能把网络调整、优化工作提前，甚至在网络建设阶段就可以把很多在优化阶 段所做的工作提前做完，以降低成本，提高网络服务质量。 (3)趋势预测分析。预测分析往往以时间为键值，通过对以往某一时间系统数据的 分析，来得到现在及未来某一时间可能出现的情况，并提前对系统进行处理，把问题解 决在出现之前。在话务网管系统中，对话务量的预测分析是一种典型的预测分析。通过 对前段时间某一区域的话务量分析，来预测现在或未来该区域的话务量，及时做好相应 的网络参数调整，提高接通率，降低掉话率，提高通信网络质量。 通过以上分析我们可以看到，我们确实有必要在移动话务网管系统中应用数据挖掘 技术，从海量的数据中挖掘分析出真正有用的信息，为用户进行各项决策提供准确的信息。 3话务网管数据挖掘系统的设计 3．1系统的逻辑结构 由于整个话务网管系统基本上是一个成型的数据仓库系统，各种性能、业务数据都 已经预先在时间、地理、业务等维度上进行了数据的汇总。所以我们可以利用现有系统 的数据结构，只需要作一些规范就可以建立起一个满足数据挖掘的“数据仓库”。我们仍 然采用关系数据库的方式来存储数据。 结合典型的数据挖掘系统结构，综合移动话务网管的系统特性，话务网管数据挖掘 系统的逻辑体系结构设计如图2所示。 数据同 图2话务网管数据挖掘系统体系结构 NPMDB数据库是整个系统的基本数据来源，其内容主要包括整个移动通信网的性能