-
题名基于改进CURE聚类的运营商用户云数据挖掘方法
被引量：1
- 1
-
-
作者
雷中锋
徐秀
张艳菲
曲延庆
宋强
刘良
-
机构
山东联通公司云网运营中心
-
出处
《电脑编程技巧与维护》
2024年第4期62-64,共3页
-
文摘
为了优化运营商用户云数据挖掘效果、提升数据挖掘质量,开展基于改进CURE聚类的运营商用户云数据挖掘方法研究。首先,确定运营商用户云数据来源,采集与预处理运营商用户云数据。其次,设计数据挖掘关联规则,得出不同用户云数据之间的关联性。最后,利用改进CURE聚类算法,设计运营商用户云数据挖掘流程,输出聚类结果作为数据挖掘结果,并建立数据仓库,集中存储和管理用户云数据挖掘结果。实验结果表明,运用提出的方法,数据挖掘轮廓系数更接近1,聚类合理,挖掘效果优势显著,应用效果较好。
-
关键词
改进CURE聚类
运营商
用户
云数据
挖掘
-
分类号
F626
[经济管理—产业经济]
F49
[自动化与计算机技术—计算机软件与理论]
TP311.13
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于云计算数据库的运营商客户流失预测方法
- 2
-
-
作者
雷中锋
曹旭
霍振兴
张艳菲
宋强
曲延庆
-
机构
山东联通公司云网运营中心
-
出处
《电脑编程技巧与维护》
2024年第5期104-106,共3页
-
文摘
为了优化运营商客户流失预测效果、提升预测结果的准确率、全面反映用户的真实需求和行为,开展了基于云计算数据库的运营商客户流失预测方法研究。首先,选取运营商客户流失预测数据,包括能够反映客户基本属性的固定数据与能够反映客户行为的非固定数据。其次,计算运营商客户每个特征的月平均值用于客户特征的构建,获取观测时间与客户行为特征之间的相关性。最后,在此基础上利用云计算数据库,深入分析与挖掘客户数据,得出客户平均消费额与活跃度,根据这两个指标预测客户未来的消费行为和活跃度,若客户消费额和活跃度持续下降,则客户流失的可能性较高。实验结果表明,提出的方法应用后,预测准确率明显高于对照组,预测准确率均达到了98%以上,能够对运营商客户流失进行良好预测。
-
关键词
云计算
数据库
运营商
客户
流失
预测
-
分类号
F274
[经济管理—企业管理]
F626
[经济管理—国民经济]
TP393.09
[自动化与计算机技术—计算机应用技术]
TP311.13
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于云计算的运营商业务平台资源池设计研究
被引量：2
- 3
-
-
作者
雷中锋
王树平
崔童
曲延庆
宋强
-
机构
山东联通公司云网运营中心
中国联合通信有限公司泰安市分公司
-
出处
《数字通信世界》
2023年第2期46-49,共4页
-
文摘
当前运营商业务平台资源池调控节点的设定一般为单元结构,对于业务的处理范围有限,信息识别速率较慢,资源存储总量较小,为此文章提出基于云计算的运营商业务平台资源池的设计研究。其根据资源池设计的实际需求及标准,预处理资源池关联定位,进行基础容量的规划,以此为基础构建多层级的节点设定单元,将处理范围外扩,提升业务信息的识别速率,实现云计算调控节点部署,同步资源池执行顺序,设计云计算下业务运维模块结构,采用模块层级修正控制实现设计。测试结果表明:云计算资源池设计测试组最终得出的存储总量相对较多,说明其可提升业务信息的识别速率、增加控制范围、增强存储能力、提升控制程度,具有实际的应用价值。
-
关键词
云计算
运营商业
平台控制
资源池设计
监测结构
商业程序
-
Keywords
cloud computing
operation business
platform control
resource pool design
monitoring structure
commercial procedures
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于机器学习算法的运营商用户流失预测方法
- 4
-
-
作者
雷中锋
曹旭
宋强
曲延庆
-
机构
山东联通公司云网运营中心
-
出处
《数字通信世界》
2023年第1期27-29,共3页
-
文摘
文章提出了对基于机器学习算法的运营商用户流失预测方法,该方法根据实际的预测需求及标准,对初始数据信息进行预处理,提取用户流失特征,并以此为基础,构建多目标预测层级,设定多层级的用户流失预测结构,提升整体的预测精准度,加快预测速度,完成对用户流失机器学习计算预测模型的构建,并将其用于用户流预测。测试结果表明:机器学习算法运营商用户流失预测测试组最终得出的预测召回率相对较高,表明预测中的误差可控,预测范围扩大,整体的预测针对性更强一些,具有实际的应用创新意义。
-
关键词
机器学习算法
运营设计
用户流失
预测方法
用户控制
层级运算
-
Keywords
machine learning algorithm
operation design
loss of users
prediction method
user control
hierarchical operation
-
分类号
TP312
[自动化与计算机技术—计算机软件与理论]
-
