基于神经网络算法构建电信用户流失预测模型的研究

《基于神经网络算法构建电信用户流失预测模型的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP389.1密级：公开研究生学位论文基于神经网络算法构建电信用户流失论文题目（中文）预测模型的研究TheResearchofTheTelecomUserChurn论文题目（外文）PredictionModelBasedonNeuralNetwork研究生姓名孙碧颖学科、专业计算机科学与技术·计算机系统结构数据挖掘研究方向学位级别硕士导师姓名、职称张瑞生教授论文工作起止年月2014年9月至2016年4月论文提交日期2016年5月论文答辩日期2016年5月学位授予日期校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学

2、位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文

3、被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：基于神经网络算法构建电信用户流失预测模型的研究中文摘要随着大数据时代的到来，移动互联网快速发展使传统电信运营商面临着互联网企业以及同行业内的双重压力

4、，运营商手中掌握着大量的用户数据，却苦于无法从数据中获得其潜在的商业价值，这对传统电信运营商转型提出了迫切的要求。使传统电信运营商必须向数据驱动的商业模式转变，从而提升企业的竞争力。国内电信企业将数据挖掘技术结合业务数据主要应用于产品的精确营销、客户分群、客户行为分析、客户流失预测、套餐制定以及电话欺诈等等。但大多都只是处于研究阶段，并未使用到实际生产当中，国内运营商对大数据和数据挖掘等技术的应用还处于起步阶段，还需要不断发展。对于企业来说，客户都是企业最重要的资源，如何最大程度保留有价值、价值高的客户是企业永恒的目标。一是通过

5、价格优势或提出新产品来发展新的客户，二是通过提升服务和实施客户挽留、客户价值提升的政策最大限度的留住老客户，而第二种方法所需要的成本明显低于第一种，运营商们出于成本的考虑将重点放在客户挽留。而在现实生活中，用户的流失都是无预兆和没有规律可循的，只有实现用户的流失预测，及早发现可能流失的用户并对其采取正确的挽留措施，才能尽可能的保证企业的客户资源不流失。本文按照跨行业数据挖掘过程CRISP-DM的6个步骤，从电信某公司的多个子系统中提取出了客户信息、账户信息以及移动用户的语音、数据、增值业务等行为信息，通过数据集成、清洗、规约、转

6、换等方法对数据集进行处理。使用BP神经网络算法实现了电信用户的流失预测，模型的预测命中率可以达到82.12%。同时使用MapReduce的编程框架将算法在Hadoop平台上进行了部署，在保证了算法的准确度的情况下，解决了在单机计算量有限的问题，有效地提高了模型训练效率。实验表明了基于MapReduce的编程框架下的BP神经网络算法在处理海量数据时具有明显优势。关键词：流失预测，数据挖掘，BP神经网络，大数据，Hadoop，CRISP-DMITheResearchoftheTelecomUserChurnPredictionMod

7、elBasedonNeuralNetworkAbstractWiththeadventoftheeraofbigdata,thetraditionaltelecomoperatorsandInternetcompaniesfacedwiththedualpressuresofindustrypeersbecauseofrapidlydevelopmentofmobileInternet.Thetransformationoftraditionaltelecomoperatorsmadeanurgentrequesttotheda

8、ta-drivenoperatortransformationfromtraditionaltelecomoperatorstoenhancethecompetitivenessofenterprises,dataminingtechnologywillhave