基于神经网络电信用户归属路线预测系统.docVIP

基于神经网络电信用户归属路线预测系统 　　[摘 要] 在竞争激烈的电信行业，随着客户通信需求呈现生活消费的特征，互联网和移动网加速融合，通信技术演进呈现IP化、宽带化、融合化趋势，VOIP、P2P、Web2.0等发展迅猛，对传统的营销模式带来了颠覆性影响。本文通过对交换机网络A接口信令等系统中客户行为信息的实时采集，利用神经网络分析预测用户归属路线及行为，在第一时间把握客户需求并进行业务推荐，从而提高资源利用和营销实施的效率，赢得新的市场竞争优势。 　　[关键词] 神经网络 用户归属路线 A接口信令 　　0、引言 　　随着3G的深入及三网融合的发展，电信行业的竞争及与广电、互联网在产业链各环节的竞争愈演愈烈，具体表现在竞争格局更多元、竞争领域更丰富、竞争手段更多样、竞争节奏更快速等诸多方面，导致未来移动通信业务种类必定是繁多的、差异性巨大的，而面对层出不穷的新业务和新产品，不仅用户无所适从，我们的业务人员也很难准确把握营销尺度。如何提高营销一线服务的针对性，根据每个客户的特点向用户推荐产品，实现用户满意度和企业利益的双赢，成为提高营销水平、提升客户满意度，最终提高企业核心竞争力的关键问题。 　　客户规模和需求的变化使得“把握最佳营销时机”和“提高营销效率”成为决定营销成败的重要因素，在锲合客户需求的时机进行业务推介则可以“事半功倍”。如何及时识别和捕捉客户的个性化需求并开展基于客户偏好的精确营销，实现在适当的时间，将适当的业务或服务，通过适当的方式，提供给适当的客户，已成为关系到运营商现阶段业务发展和抢占未来战略制高点的重要课题。 　　用户的归属信息，是体现用户属性的一个重要方面，用户位置信息是用户服务的一个重要参考要素，因此，通过对用户归属信息和位置信息的预测，进而对客户行为信息进行深层次的挖掘，进一步拓展用户营销模式。 　　1、现状分析 　　我们现有的客户信息资源分散于各系统中，包括电信行业支撑系统、网管系统等，而支撑系统，承担着计费、营帐、数据分析、考核管理等关键职能，用户归属区域属性涉及系统各个层面。用户归属区域可依层次分为省、地市、区县、乡镇（营销区域）、小区，归属区域越到底层，其判别难度越高，判别准确性越低。 　　现在的基站判断方法，由于现详单中只有语音、gprs话单有通信基站信息；不同用户的通信行为特征也大不相同，如学生团体大多以短信行为为主，语音通话较少；低通信量用户产生很少的话单；手机用户所特有的流动性；跨区销售的现象等，往往造成可用于通信基站判断法的基础数据缺失或极少，在利用后续判断逻辑时，如按照通话量比例判定归属区域，得不到充足的判定数据，较多的存在用户归属数据不准确，造成客户服务不及时、营销成功率低和管理考核不准确等问题。 　　因此，我们通过实时采集的交换机网络A接口信令等系统中客户位置信息，代替现话单中的基站信息作为基站判断法中的基础数据，通过BP神经网络监控并预测用户归属的方法，大大提高数据准确度，并提高用户位置快速定位的实时性，向用户提供精确的及时服务。 　　2、神经网络概述 　　人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionistModel），它是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。 　　人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。其通过模拟大脑神经网络处理、记忆信息的方式进行信息处理，具有四个基本特征，非线性、非局限性、非常定性、非凸性。 　　BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。故本文利用BP神经网络的非线性映射能力，实现具有因果关系的参数之间的关系模拟以及具有自相关性的参数的自身关系模拟，预测用户归属路线变化，为运营商对用户进行准确业务推广及服务决策提供依据。 　　3、基于BP