利用呼叫指紋挖掘電信重入網(wǎng)客戶

1、計(jì)算機(jī)技術(shù)專業(yè)畢業(yè)論文 精品論文 利用呼叫指紋挖掘電信重入網(wǎng)客戶關(guān)鍵詞：呼叫指紋 重入網(wǎng)客戶 判定樹 識(shí)別算法摘要：控制用戶的重入網(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)

2、號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果

3、顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用。正文內(nèi)容 控制用戶的重入網(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼

4、叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合

5、中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指

6、紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3

7、算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用。控制用戶的重入網(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重

8、入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度

9、、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十

10、分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)

11、客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、

12、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入

13、網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)

14、了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名

15、單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。

16、 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用。控制用戶的重入網(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶

17、和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中

18、的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中

19、，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮

20、，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)起到了很好的數(shù)據(jù)支撐作用。控制用戶的重入網(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等

21、后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集

22、合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況下，采用了改進(jìn)的ID3算法生成的判定規(guī)則，對(duì)第一步產(chǎn)生的暫無法判定集合中的號(hào)碼進(jìn)行分類，歸入重入網(wǎng)客戶號(hào)碼集合和非重入網(wǎng)客戶號(hào)碼集合中，最終將目標(biāo)客戶分為了重入網(wǎng)客戶和非重入網(wǎng)客戶。 本文論述的重入網(wǎng)客戶識(shí)別算法在中國移動(dòng)經(jīng)營分析系統(tǒng)中進(jìn)行了實(shí)施，結(jié)果顯示，該算法有效的識(shí)別了重入網(wǎng)客戶，開發(fā)了重入網(wǎng)客戶渠道分析、重入網(wǎng)客戶營銷政策分析、重入網(wǎng)客戶充值和欠費(fèi)分析等具體應(yīng)用，對(duì)中國移動(dòng)降低卡號(hào)資源浪費(fèi)、降低欠費(fèi)率、防范資費(fèi)調(diào)整造成批量客戶重入網(wǎng)運(yùn)營風(fēng)險(xiǎn)

23、起到了很好的數(shù)據(jù)支撐作用?？刂朴脩舻闹厝刖W(wǎng)是移動(dòng)運(yùn)營商目前十分頭疼的問題，由于重入網(wǎng)帶來的卡號(hào)資源浪費(fèi)、欠費(fèi)等后果造成了運(yùn)營商營銷成本增加和業(yè)務(wù)收入下滑，因此控制用戶的重入網(wǎng)是當(dāng)前移動(dòng)運(yùn)營商十分關(guān)注的熱點(diǎn)問題。 在本文中，筆者結(jié)合生產(chǎn)實(shí)際，將客戶使用手機(jī)的呼叫記錄特征定義為呼叫指紋，通過兩步分類，將新入網(wǎng)的目標(biāo)客戶分為重入網(wǎng)客戶和非重入網(wǎng)客戶。第一步先將新入網(wǎng)客戶的呼叫指紋與歷史號(hào)碼的呼叫指紋進(jìn)行對(duì)比，根據(jù)相似程度，確定新入網(wǎng)客戶嫌疑名單，結(jié)合IMEI信息和客戶身份信息，將低符合率的新入網(wǎng)客戶歸入非重入網(wǎng)號(hào)碼集合，將高符合率的新入網(wǎng)客戶歸入重入網(wǎng)號(hào)碼集合，中間符合率的新入網(wǎng)客戶歸入待判定重入網(wǎng)號(hào)碼集合，進(jìn)入下一步比對(duì)。第二步使用分類算法進(jìn)一步挖掘重入網(wǎng)客戶，將第一步得到的重入網(wǎng)號(hào)碼集合和非重入網(wǎng)號(hào)碼集合作為訓(xùn)練集，對(duì)各種分類算法進(jìn)行了分析比較，從算法的執(zhí)行速度、可伸縮性以及輸出結(jié)果的可理解性等特性進(jìn)行綜合考慮，主要考慮預(yù)測(cè)的準(zhǔn)確率和計(jì)算速度的情況