《基于空間定位的聚類算法在電信業(yè)客戶劃分中的應(yīng)用.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、第8卷第1期2008年1月科學(xué)技術(shù)與工程Vol.8No.1Jan.2008167121819(2008)120207206ScienceTechnologyandEngineeringZ2008Sci.Tech.Engng.基于空間定位的聚類算法在電信業(yè)客戶劃分中的應(yīng)用3常曉磊閆仁武楊蘇寧(江蘇科技大學(xué)電子信息學(xué)院,鎮(zhèn)江212003)摘要隨著電信市場競爭的不斷加劇,電信企業(yè)傳統(tǒng)的營銷模式正在向主動(dòng)、精確營銷模式轉(zhuǎn)變。因此,客戶劃分顯得至關(guān)重要。采用數(shù)據(jù)挖掘中聚類的方法對(duì)電信業(yè)的客戶進(jìn)行劃分,在比較了現(xiàn)有聚類算法計(jì)算復(fù)雜度普遍較高的的基

2、礎(chǔ)上,采用了一種基于空間定位的方法,將客戶數(shù)據(jù)對(duì)象映射到特征空間中,并利用空間立方體的某些特殊頂點(diǎn)定位任意數(shù)據(jù),通過計(jì)算數(shù)據(jù)點(diǎn)與空間立方體頂點(diǎn)群的距離差異,完成聚類過程。為了適合電信業(yè)客戶的特殊性質(zhì),改進(jìn)對(duì)客戶屬性數(shù)據(jù)的處理過程。通過電信客戶的數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明,算法的時(shí)間復(fù)雜度降至0(N)級(jí)別。關(guān)鍵詞數(shù)據(jù)挖掘聚類客戶劃分空間定位電信業(yè)中圖法分類號(hào)TP311.52;文獻(xiàn)標(biāo)志碼A隨著各種現(xiàn)代生產(chǎn)管理手段和技術(shù)的發(fā)展,企種,其中比較典型的有關(guān)聯(lián)分析、預(yù)測分析、聚類分業(yè)之間產(chǎn)品的差別越來越難以區(qū)分,產(chǎn)品同質(zhì)化的析等。趨勢(shì)越來越明顯,通過產(chǎn)品差

3、別來細(xì)分市場,從而數(shù)據(jù)挖掘主要應(yīng)用在CRM中大量的客戶數(shù)據(jù)[1,2]創(chuàng)造企業(yè)的競爭優(yōu)勢(shì)也就變得越來越困難。隨分析,以及客戶價(jià)值的挖掘方面。作用主要有新客著市場態(tài)勢(shì)從賣方市場向買方市場的轉(zhuǎn)變,如何確戶的獲取和保持、個(gè)性化營銷、客戶忠誠度分析以[3]定高價(jià)值和忠誠度高的客戶,對(duì)企業(yè)的發(fā)展有著非及客戶市場劃分等。常重要的作用。為此許多企業(yè)開始實(shí)施客戶關(guān)系本文在已有的基于空間定位的聚類算法的基管理(CustomerRelation2shipManagement,CRM)。礎(chǔ)上,把該算法具體應(yīng)用到網(wǎng)通客戶的劃分上,為客戶劃分作為CRM中的重要組

4、成部分,對(duì)CRM的了適合網(wǎng)通的客戶特性,并改進(jìn)了該算法的數(shù)據(jù)處成功實(shí)施有著重要的作用。理過程。本文的數(shù)據(jù)來源于網(wǎng)通電信增值業(yè)務(wù)服面對(duì)海量的各種客戶、銷售等數(shù)據(jù),為了對(duì)客務(wù)商的無錫匯隆信息技術(shù)有限公司近年來的客戶戶進(jìn)行有效的劃分,為經(jīng)營者實(shí)施更具有針對(duì)性的數(shù)據(jù)庫。銷售措施提供理論依據(jù),有必要依賴于數(shù)據(jù)挖掘(DataMining,DM)的強(qiáng)大數(shù)據(jù)分析能力。數(shù)據(jù)挖1基于空間定位的聚類分析掘作為一種工具,是從大量的數(shù)據(jù)中抽取潛在的、有價(jià)值的知識(shí)、模型或規(guī)則。數(shù)據(jù)挖掘方法有多聚類將數(shù)據(jù)對(duì)象分組為多個(gè)類或簇,使同一個(gè)簇中的對(duì)象之間的相識(shí)度最高,而

5、不同簇中的對(duì)象2007年9月17日收到其相識(shí)性最低。由于大型數(shù)據(jù)庫中存放了大量的第一作者簡介:常曉磊(1983—),男,漢族,江蘇鎮(zhèn)江人,碩士研數(shù)據(jù),聚類分析已經(jīng)成為數(shù)據(jù)挖掘研究領(lǐng)域的一個(gè)究生,研究方向:智能信息處理。E2mail:changxiaolei1133@非?；钴S的課題。但是,面對(duì)電信行業(yè)的海量數(shù)163.com。據(jù),就一般的聚類算法而言,算法的復(fù)雜度制約了3通信作者簡介:閆仁武(1962—)男,,副教授,研究方向:智能這些算法的商業(yè)應(yīng)用價(jià)值。目前占有最多市場份信息處理、數(shù)據(jù)挖掘。208科學(xué)技術(shù)與工程8卷額的商業(yè)數(shù)據(jù)挖掘軟件的

6、聚類算法僅僅是有限的高的問題。幾種:K2means算法、高斯混合算法和基于SVM的本算法解決以上兩個(gè)問題的方法是:按照包含算法等。元素?cái)?shù)的多少,選取出所有大于總元素?cái)?shù)一定比例1.1算法思路Q的所有類(稱為有效類),對(duì)無效類包含的所有元目前的聚類算法時(shí)間復(fù)雜度高的主要原因是素,予以重新分配。事先指定的比例Q是這樣確定需要計(jì)算任意兩個(gè)點(diǎn)之間的距離。從另外一個(gè)角的:根據(jù)無錫市網(wǎng)通的具體情況和業(yè)務(wù)發(fā)展要求,度出發(fā),聚類算法的核心思想就是用某種機(jī)制劃分在業(yè)務(wù)開展實(shí)踐中,公司比較理想的客戶群數(shù)量是數(shù)據(jù)空間,劃分完畢后,該子空間內(nèi)的所有數(shù)據(jù)點(diǎn)4～6

7、個(gè),根據(jù)用定位法進(jìn)行聚類計(jì)算的經(jīng)驗(yàn),要達(dá)即為一類。因此,只要能把數(shù)據(jù)映射成是空間中的到以上的業(yè)務(wù)要求,Q的取值范圍必須在2.5%～一點(diǎn),然后劃分空間中的點(diǎn)集,得到的每個(gè)子空間5%之間。Q值越大,類數(shù)就會(huì)單調(diào)減少,聚類更加就可以看作是一個(gè)簇(正交框架等名詞的定義請(qǐng)參集中;反之Q越小,類數(shù)會(huì)單調(diào)增大,聚類越分散。閱參考文獻(xiàn)[4])。重新分配的方法是計(jì)算有效類的中心。由于有效1.1.1屬性歸一化類中心已經(jīng)是空間立方體內(nèi)密度最大點(diǎn)之一,因?yàn)榱四馨言赜成涞娇臻g立方體和便于距離此,以這些中心作為最終聚類中心,對(duì)所有元素點(diǎn)的計(jì)算,首先要把對(duì)元素屬

8、性進(jìn)行歸一化處理,即進(jìn)行重新競爭,再次遍歷數(shù)據(jù)集,所有元素都?xì)w入把元素的M個(gè)屬性都轉(zhuǎn)換成[0,1]區(qū)間的值。從而距離最近的有效類中心的類中,則聚類計(jì)算完畢。完成元素到空間立方體的映射。對(duì)于數(shù)值型屬性對(duì)類有效性的判決,解決