張治高

摘要：電信運營商擁有天量的通話詳單和短信詳單，用戶的通話及短信同時也伴隨著巨大的行為數(shù)據(jù)產(chǎn)生。過對電信運營商的移動通信用戶的通話及短信清單，利用多元回歸的預(yù)測模型，建立了穩(wěn)定交往模型。利用最小二乘估計的方法，通過SPSS軟件計算出模型的未知參數(shù)。計算出用戶間穩(wěn)定交往指數(shù)，為運營商提高存量用戶的忠誠度，減少用戶流失提供了數(shù)據(jù)依據(jù)。

關(guān)鍵詞：多元線性回歸; 預(yù)測模型;SPSS;交往圈

中圖分類號：TP393? ? ? ? 文獻標(biāo)識碼：A

文章編號：1009-3044（2019）25-0305-03

1 引言

數(shù)據(jù)挖掘中使用的相關(guān)算法來自大量、不完整、隨機、模糊中提取有用的數(shù)據(jù)、正確、全面、未知、用戶感興趣的知識等。建立數(shù)學(xué)模型，用來決策支持的模型，提供預(yù)測性決策支持的方法、過程、工具[1]。數(shù)據(jù)挖掘通常是指通過算法從大量數(shù)據(jù)中搜索隱藏在其中的信息的過程。隨著互聯(lián)網(wǎng)時代的到來和數(shù)據(jù)大爆發(fā)，數(shù)據(jù)挖掘技術(shù)普遍而且迫切地應(yīng)用于各個領(lǐng)域，比如金融、電信、保險、互聯(lián)網(wǎng)等行業(yè)。它通過運用整理、分析、總結(jié)、推理等方法對大量地數(shù)據(jù)進行處理，從而對實際問題進行指導(dǎo)和分析，獲得相關(guān)預(yù)測結(jié)果以做出更有利的決策[2]。

在電信行業(yè)，用戶之間的互通行為，一般稱之為交往。這種交往關(guān)系不但可以發(fā)現(xiàn)用戶的交往圈范圍，還可以挖掘競爭對手，為用戶維穩(wěn)、策反營銷提供信息支持。人們總是試圖憑借一個或者若干個指標(biāo)衡量兩個用戶之間的交往密切程度。那么，這個衡量交往密切程度的指標(biāo)，我們統(tǒng)稱之為交往指數(shù)。早期一般通過互通（語音、短信等）次數(shù)、時長來考察交往情況，效果不理想。原因是人與人之間的相互作用在一段時間內(nèi)相對穩(wěn)定，但總是在變化;此外，單個聯(lián)系人的數(shù)量和長期的互操作性不足以表明這種交互是穩(wěn)定的。因此，要想尋找用戶的穩(wěn)定交往群體，必須要從時間、交往次數(shù)、交往方式和交往時刻分布等多個角度來綜合衡量交往的穩(wěn)定性。

2 算法及相關(guān)軟件介紹

2.1 多元回歸的預(yù)測模型

回歸分析是探索變量之間的相關(guān)性和依賴性的有效方法?？傮w回歸模型[3]反映了變量間關(guān)系的總體趨勢，線性總體回歸模型形式簡單、參數(shù)的估計與檢驗也相對容易，是最為常見的總體回歸模型。

2.3 SPSS軟件介紹

SPSS軟件是目前較為流行的統(tǒng)計分析軟件，在醫(yī)學(xué)、經(jīng)濟、教育和通信等相關(guān)領(lǐng)域的應(yīng)用有分廠顯著成果，界面非常友好，能夠非常全面的滿足統(tǒng)計工作提出的各種個性化的需求。SPSS軟件包含了統(tǒng)計學(xué)眾多方面的基本內(nèi)容，且擁有非常強的圖標(biāo)生成功能，有較為理想的交互界面，通過錄入的相關(guān)數(shù)據(jù)，就能夠快速得出相應(yīng)的統(tǒng)計結(jié)果。

2.4 GBase數(shù)據(jù)庫介紹

GBase 是南大通用數(shù)據(jù)技術(shù)有限公司研發(fā)的自主品牌的數(shù)據(jù)庫，目前在國內(nèi)具有較高的品牌知名度，符合國家自出創(chuàng)新戰(zhàn)略要求，是國內(nèi)第一事務(wù)處理性能的數(shù)據(jù)庫。GBase 8a 已經(jīng)廣泛運用聯(lián)通、移動、電信多個省的經(jīng)營分析、大數(shù)據(jù)平臺等關(guān)鍵業(yè)務(wù)系統(tǒng)[6]。

3 建模過程及結(jié)果分析

3.1 數(shù)據(jù)預(yù)處理

通過通話詳單與短信詳單作為數(shù)據(jù)基礎(chǔ)進行分析，取近三個月的通話詳單及短信詳單。選取某市運營商移網(wǎng)用戶短信和通話記錄詳單，此次數(shù)據(jù)分析以201809、201810、201811三個月的通話詳單（BSS&CBSS話單）、短信詳單（BSS&CBSS短信）為模型輸入條件，共計27.8億條。

通過通話詳單與短信詳單中有需要清理的干擾數(shù)據(jù)，sp服務(wù)號碼，個人及企業(yè)廣告推銷號碼等都需要剔除，否則將影響結(jié)果的正確性。

在GBase數(shù)據(jù)庫中借助 SQL 語句對原數(shù)據(jù)集進行預(yù)處理，主要進行了以下步驟：

（1）服務(wù)和sp廣告推銷號碼剔除：由于這些號碼的開始位數(shù)以及長度有固定的特征，因此可以在GBase數(shù)據(jù)庫中通過長度和key value的查詢將其剔除;

（2）個人及企業(yè)廣告推銷號碼過濾：這些號碼的絕大多數(shù)的通話行為是主叫用戶且產(chǎn)生的話務(wù)量異常巨大，與被叫用戶的聯(lián)系只是短期的。此類號碼定義為廣告推銷號碼，它們在形式上與普通客戶號碼沒有區(qū)別，不能通過簡單的數(shù)據(jù)庫條件過濾獲得，所以只能通過號碼的通話特征進行甄別過濾。

3.2 穩(wěn)定交往模型構(gòu)建

（1）建模方法

用戶之間的交往越復(fù)雜，隨機性越強。在電信運營商可以獲得的數(shù)據(jù)中，主要是能夠反映用戶親密度的信息發(fā)生的聯(lián)系數(shù)量、聯(lián)系發(fā)生的時間間隔、聯(lián)系發(fā)生的時間段以及聯(lián)系發(fā)生的時間。

顯然，擁有更多聯(lián)系的用戶之間存在更大的親密關(guān)系。隨著數(shù)量的增長，聯(lián)系的親密度在增加。線性函數(shù)可以大致地刻畫出數(shù)量對親密度的影響程度。

分析交往圈的交往痕跡，淡化交往形式，以交往軌跡的均勻性確定交往圈的穩(wěn)定性，重點獲取過去三個月的穩(wěn)定交往圈作為話務(wù)分析的重點交往圈。建立模型：

（2）計算月、旬、周、三天、日交往系數(shù)

用戶的交往系數(shù)，也就是用戶間聯(lián)系的可能性，根據(jù)用戶近三個月歷史通話、短信詳單，抽取3000W用戶詳單數(shù)據(jù)作為訓(xùn)練樣本，取最后一天聯(lián)系結(jié)果，通過SPSS軟件，根據(jù)普通最小二乘法的參數(shù)估計方法，計算出模型中的系數(shù)，根據(jù)系數(shù)即各窗口的比重，將系數(shù)依據(jù)經(jīng)驗修正，得到交往系數(shù)為a=0.4、b=0.32、c=0.16、d=0.08、e=0.04。

3.3 計算穩(wěn)定交往指數(shù)

利用SPSS軟件，根據(jù)穩(wěn)定交往模型計算穩(wěn)定交往值。輸出穩(wěn)定交往圈清單，如表1。

3.4 結(jié)果分析

由實驗結(jié)果得出用戶間的穩(wěn)定交往指數(shù)。為便于量化穩(wěn)定交往指數(shù)，用戶交往指數(shù)最高值為10。提高了算法的執(zhí)行效率，為用戶交往圈的快速建立有一定指導(dǎo)意義，尤其是對于10億量級的數(shù)據(jù)。

基于用戶間穩(wěn)定交往指數(shù)的計算結(jié)果，將單個用戶的穩(wěn)定交往指數(shù)結(jié)果求和，計算得出單個用戶交往圈的大小，值無上限，值越高代表用戶交往圈越穩(wěn)固廣泛。用戶的交互圈的價值與用戶的ARPU值（每個用戶平均貢獻的電信服務(wù)收入的價值）正相關(guān)。

4 結(jié)論

基于多元線性回歸分析原理，應(yīng)用統(tǒng)計軟件SPSS對電信運營商的通話及短信詳單進行統(tǒng)計分析，建立數(shù)學(xué)模型，得出用戶間穩(wěn)定交往指數(shù)。結(jié)果表明，用戶交互圈與ARPU值之間存在正相關(guān)關(guān)系。

綜上所述，隨著移動通信技術(shù)的發(fā)展，運營商擴展數(shù)據(jù)挖掘的應(yīng)用，從數(shù)據(jù)挖掘入手，結(jié)合自身發(fā)展實際，利用數(shù)據(jù)挖掘技術(shù)進行科學(xué)的統(tǒng)計分析，為企業(yè)發(fā)展和決策提供科學(xué)的數(shù)據(jù)參考，促進企業(yè)自我發(fā)展目標(biāo)的科學(xué)實現(xiàn)。

參考文獻：

[1] 張晴，高廣銀，賈波.數(shù)據(jù)挖掘技術(shù)在超市營銷系統(tǒng)中的應(yīng)用[J].軟件工程，2016，19（05）：35-38.

[2] 張慧，徐勇.數(shù)據(jù)挖掘中SVM模型與貝葉斯模型的比較分析——基于電信客戶的流失分析[J].平頂山學(xué)報，2016，31（2）：68-73.

[3] 郭存芝，杜延軍，李春吉.計量經(jīng)濟學(xué)—理論.方法.Eviews 應(yīng)用[M].科學(xué)出版社，2008.

[4] 冷建飛，高旭，朱嘉平.多元線性回歸統(tǒng)計預(yù)測模型的應(yīng)用[J].統(tǒng)計與決策，2016（07）：82-85.

[5] 鄒樂強.最小二乘法原理及其簡單應(yīng)用[J].科技信息，2010（23）：282-283.

[6] 王明斌，尹紹宏.淺析從Sybase移植到GBase 8a國產(chǎn)數(shù)據(jù)庫方法[J].科技展望，2016，26（22）：17.

【通聯(lián)編輯：代影】