聚類(lèi)和關(guān)聯(lián)算法在移動(dòng)客戶(hù)通話(huà)行為中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘技術(shù)是信息科學(xué)領(lǐng)域的前沿研究課題之一，已廣泛應(yīng)用于市場(chǎng)營(yíng)銷(xiāo)、醫(yī)學(xué)、農(nóng)業(yè)、電信等各種領(lǐng)域。隨著電信市場(chǎng)競(jìng)爭(zhēng)的不斷加劇，如何針對(duì)不同的客戶(hù)群實(shí)施差異化營(yíng)銷(xiāo)和服務(wù)，對(duì)客戶(hù)進(jìn)行細(xì)分和分類(lèi)已成為當(dāng)前電信企業(yè)的迫切需求。本文結(jié)合工程實(shí)際，研究數(shù)據(jù)挖掘和數(shù)據(jù)倉(cāng)庫(kù)技術(shù)在移動(dòng)客戶(hù)通話(huà)行為中的應(yīng)用問(wèn)題。
　　 本文介紹了當(dāng)前電信企業(yè)數(shù)據(jù)挖掘工作的現(xiàn)狀和發(fā)展趨勢(shì)，分析了將數(shù)據(jù)挖掘技術(shù)應(yīng)用到電信企業(yè)中的必要性和可行性。在此基礎(chǔ)上，深入研究了數(shù)據(jù)

2、挖掘聚類(lèi)分析中的Clique聚類(lèi)算法和關(guān)聯(lián)分析中的Apriori算法，并給出了將其運(yùn)用到移動(dòng)客戶(hù)通話(huà)行為細(xì)分的建模過(guò)程。
　　 Clique算法具有網(wǎng)格類(lèi)算法效率高的優(yōu)點(diǎn)，對(duì)于大型數(shù)據(jù)庫(kù)中的高維數(shù)據(jù)的聚類(lèi)非常有效，但它在并行處理、零數(shù)據(jù)處理、減少鋸齒型邊緣數(shù)據(jù)有一定局限性。針對(duì)移動(dòng)客戶(hù)數(shù)據(jù)集的特點(diǎn)，本文對(duì)Clique算法進(jìn)行了討論，給出了一種改進(jìn)的一維Clique算法，并通過(guò)SQL語(yǔ)言與現(xiàn)有Oracle數(shù)據(jù)庫(kù)進(jìn)行實(shí)現(xiàn)。實(shí)驗(yàn)表明，

3、改進(jìn)的算法應(yīng)用于數(shù)據(jù)預(yù)處理，運(yùn)行效率更高。
　　 實(shí)際應(yīng)用中，由于關(guān)聯(lián)規(guī)則挖掘的數(shù)據(jù)集有時(shí)可達(dá)GB甚至TB數(shù)量級(jí)，而關(guān)聯(lián)規(guī)則挖掘傳統(tǒng)Apriori算法主要考慮的問(wèn)題是減少I(mǎi)/O操作和降低需要計(jì)算支持度的項(xiàng)目集的數(shù)量。本文針對(duì)Apriori算法存在的局限，給出了一種動(dòng)態(tài)調(diào)整并行運(yùn)行的改進(jìn)Apriori算法，在每次循環(huán)時(shí)，依據(jù)規(guī)則減小事務(wù)數(shù)據(jù)集D，同時(shí)將大型頻繁項(xiàng)集前k-1項(xiàng)ID采用Hash函數(shù)進(jìn)行動(dòng)態(tài)分解，分裂成多個(gè)項(xiàng)目集，由此實(shí)

4、現(xiàn)多機(jī)器或多進(jìn)程并行運(yùn)行，并在每次循環(huán)結(jié)束時(shí)再進(jìn)行合并。實(shí)驗(yàn)結(jié)果表明，該方法可以明顯提高挖掘效率，使得原本海量數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘工作，可以采取多進(jìn)程多機(jī)器并行實(shí)現(xiàn)。
　　 最后，本文討論了上述改進(jìn)算法在移動(dòng)用戶(hù)通話(huà)行為分析系統(tǒng)中的應(yīng)用問(wèn)題。根據(jù)數(shù)據(jù)挖掘的設(shè)計(jì)思想，文中給出了分析系統(tǒng)的設(shè)計(jì)并建立了新增用戶(hù)客戶(hù)細(xì)分模型。并以移動(dòng)BOSS系統(tǒng)為實(shí)際數(shù)據(jù)源，利用改進(jìn)的Clique算法對(duì)其進(jìn)行數(shù)據(jù)預(yù)處理，再運(yùn)用改進(jìn)的Apriori算法，對(duì)