基于大数据挖掘的终端换机模型

doi:10.11959/j.issn.1000-0801.2016314

摘要/Abstract

摘要：

目前，移动终端已成为运营商维系用户、拓展市场的战略重心，提升移动终端销量、扩大终端规模是各运营商的工作重点。基于数据挖掘技术，从用户属性、终端使用信息、终端搜索访问信息等维度出发，挖掘海量用户行为数据价值，建立终端换机模型，具体包括基于决策树算法的用户换机倾向识别模型和基于聚类算法的终端推荐模型，助力移动终端精准营销。

关键词: 移动终端营销, 数据挖掘, 决策树, 聚类算法

Abstract:

In order to incrementally capture, retain and grow the subscriber bases, mobile operators must more effectively maximize the utilization of big data. Promoting the sale of mobile terminals was one of the focus of the operator's business currently. By mining the big data of consumer behaviors, including consumers' attributes, mobile terminal information and DPI data, replacing inclination distinguished model was built based on decision tree and recommending model was built based on clustering algorithm to identify target customers.

Key words: mobile terminal recommendation, data mining, decision tree, clustering algorithm

王雪琼,熊珺洁,姚晓辉. 基于大数据挖掘的终端换机模型[J]. 电信科学, 2016, 32(12): 43-52.

Xueqiong WANG,Junjie XIONG,Xiaohui YAO. Terminal replacement model based on big data mining[J]. Telecommunications Science, 2016, 32(12): 43-52.

图/表 17

图1

图2

图3

图4

图5

图6

图7

图8

图9

图10

图11

图12

图13

图14

图15

图16

图17

参考文献 5

[1]	邓逸斌，朱克隽 . 大数据挖掘助力电信运营商终端营销[J]. 中国新通信 , 2013,43(23): 43-44. DENG Y B , ZHU K J . Terminal marketing promotion based on big data[J]. China New Telecommunications, 2013,43(23): 43-44.
[2]	张勇 . 基于大数据挖掘的客户换机倾向评估模型研究[J]. 数字通信世界 , 2016,144(7). ZHANG Y . Terminal replaced inclination evaluated based on big data[J]. Digital Communication World, 2016,144(7).
[3]	赵一平 . 运用数据挖掘技术控制手机客户离网浅析[J]. 统计科学与实践 , 2013(10): 46-47. ZHAO Y P . Analysis of customer churn based on big data[J]. Zhejiang Statistics, 2013(10): 46-47.
[4]	谷红勋，杨珂 . 基于大数据的移动用户行为分析系统与应用案例[J]. 电信科学 , 2016,32(3): 139-146. GU H X , YANG K . Mobile user behavior analysis system and applications based on big data[J]. Telecommunications Science, 2016,32(3): 139-146.
[5]	沈超，黄卫东 . 数据挖掘在垃圾短信过滤中的应用[J]. 电子科技大学学报 , 2009,38(s1): 21-24. SHEN C , HUANG W D . Application of data mining in short message spam filtering[J]. Journal of University of Electronic Science and Technology of China, 2009,38(s1): 21-24.

[1]	王雪荣, 唐政治, 李银川, 齐美玉, 朱建波, 张亮. 基于优化决策树的时延敏感流智能感知调度[J]. 电信科学, 2023, 39(4): 120-132.
[2]	胡坚, 孙磊, 尹以雁, 杨晓康, 白金贵, 张叶江. 基于数据挖掘和地理可视化的4G/5G语音质量优化研究[J]. 电信科学, 2022, 38(10): 131-139.
[3]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[4]	周晶,孙喜民,于晓昆,边新宁. 知识图谱与数据应用——智能推荐[J]. 电信科学, 2019, 35(8): 165-172.
[5]	崔羽飞,魏进武,潘思宇,张溶芳,王笑,贾子翔. 一种基于决策树终端换机间隔的研究[J]. 电信科学, 2019, 35(7): 165-172.
[6]	陈小峰,赵雅迪,张利鹏,朱峰. 电力潜在敏感客户预测的大数据方法应用[J]. 电信科学, 2019, 35(11): 117-124.
[7]	钟其柱, 吴修权, 罗耀满. 基于MDT智能分析LTE无线干扰的研究与应用[J]. 电信科学, 2019, 35(10): 130-136.
[8]	金鑫,闫龙川,刘军,张书林. 基于决策树的企业信息系统故障自动诊断分析方法[J]. 电信科学, 2017, 33(3): 163-167.
[9]	李卓航. 一种改进的CLTree算法[J]. 电信科学, 2016, 32(8): 124-127.
[10]	杨明极,刘恺怿,邵丹. 用于WLAN室内定位的PCA聚类算法[J]. 电信科学, 2016, 32(7): 21-26.
[11]	何振红. 基于广义高斯分布FDCT_Wrap和FSVM的虹膜识别[J]. 电信科学, 2016, 32(7): 126-131.
[12]	邢宇恒. 基于知识库的系统安全评估方法[J]. 电信科学, 2016, 32(4): 192-196.
[13]	王永峰,程新洲,高洁. 大数据架构在企业中的应用[J]. 电信科学, 2015, 31(9): 170-174.
[14]	廖建新. 大数据技术的应用现状与展望[J]. 电信科学, 2015, 31(7): 1-12.
[15]	庞松涛. 基于数据挖掘的电力云资源规划调度[J]. 电信科学, 2015, 31(3): 142-147.