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-通信与信息系统专业论文.docxVIP

西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 本人研究了基于数据挖掘的电信LTE用户上网数据的用户流失预警算法，通过采 集LTE用户上网数据，并利用数据挖掘算法中的K．Means算法、FCM算法、朴素贝叶 斯算法、BP神经网络算法、C4．5决策树算法等算法，分别对数据进行挖掘。通过得到 的结果进行比较分析算法的有效性，并推荐适合研究用户流失的算法。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成 果。除文中己经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰 写过的研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。 本人完全了解违反上述声明所引起的一切法律责任将由本人承担。 学位论文作者签名：．名刁荫韵 日期： 瑚f6．多．；o 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 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MaⅡab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。 关键词：数据挖掘；用户流失；LTE；K—Means算法；FCM算法；朴素贝叶斯算法； BP神经网络算法：C4．5决策树算法 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1 I页 Abstract After the reorganization of the China Telecom in 2008，the competition of telecom market has been more and more intense witll the development of 3G and 4G．However due to the increasing saturation of the telecom market，telecom operators coming to realize that retaining users in the network will save more costs than developing new users．Therefore， how to reduce the loss of users has become one of the important work． Now data mining has gradually become a widely tool for recognized the loss users of telecom．with the use of data mining，we can fount the law of loss users from a large number of complex historical data of telecom，and then we Call retain the users