[发明专利]移动通信业数据业务的产品关联分析方法

说明书

技术领域

本发明涉及数据挖掘技术，特别是涉及移动通信业数据业务的产品关联分析方法。

背景技术

在运营企业细分市场、力求提供差别服务的时代，国内电信运营商面对的是日益增加的市场竞争压力，能否拥有一套迅速灵敏、功能强大的分析系统，有针对性地制定政策，适时拿出各种企业策略，显得越来越重要。近几年，国内电信运营商相继在CRM和计费系统引入了数据仓库及数据挖掘系统，并取得了成功。

数据挖掘(Data Mining)就是从大型数据库中的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的、潜在有用的信息，提取的知识表示为概念(Concepts)、规则(Rules)、规律(Regularities)、模式(Patterns)等形式。数据挖掘利用各种分析工具在海量数据中发现模型与数据间的关系，这些模型和关系可以用来做预测。数据挖掘通过预测未来趋势及行为，做出前瞻的，基于知识的决策。

关联规则的发现是数据挖掘中最成功和最重要的一项任务，它的目标是发现数据集中所有的频繁模式。关联规则的挖掘是一个两步的过程：

(1)根据最小支持度找出事务数据库D中所有的频繁项目集。

(2)由频繁项目集和最小置信度产生强关联规则，也可以使用附加的兴趣度来对规则进行度量。关联规则挖掘的基本模型如图1所示。

图1中，D为输入的事务数据库，第一步根据搜索算法找出频繁项目集，第二步从频繁项目集中产生有用的关联规则，最后输出挖掘出的关联规则集合。用户可以通过指定最小支持度(minsup)和最低置信度(minconf)分别与两个子步骤进行交互，并通过与输出集合的交互对结果进行解释和评估。

在国外，关联规则挖掘已经投入应用领域，而国内主要集中于算法本身的研究和度量规则的优化，迄今为止，尚未提出一种针对移动通信业务的、关联规则挖掘的系统化的流程、实时自动化的方法。

发明内容

本发明所要解决的技术问题就是为了克服上述现有技术存在的缺陷而提供移动通信业数据业务的产品关联分析方法。

本发明的目的可以通过以下技术方案来实现：移动通信业数据业务的产品关联分析方法，其特征在于，包括以下步骤：

(1).根据移动通信业务需求，从移动通信业务数据仓库构建面向业务主题的业务数据集市；

(2).基于业务数据集市，调用数据挖掘工具，选定关联规则训练数据集，构建多个关联规则模型；

(3).对上述的多个关联规则模型进行评估和检验，选择最优的关联规则模型，并将该模型写入模型库；

(4).发布、应用模型库中的模型。

所述的步骤(1)进一步包括：

(11).根据移动通信业务需求，确定数据挖掘的业务主题；

(12).选择业务主题对应的业务明细表和相关数据维表；

(13).关联业务明细表和相关数据维表；

(14).将关联后的数据进行预处理，得到业务数据集市。

所述的步骤(3)进一步包括：

(31).根据各关联规则模型的评估检验参数，选出最优关联规则模型；

(32).调用脚本，将最优关联规则模型实时写入模型库。

所述的移动通信业务包括移动手机电视业务、移动彩铃业务、移动振铃业务、移动全曲业务。

所述的预处理包括：

对相关数据维表中的业务数据进行清洗、滤重；

将清洗、滤重后的业务数据的格式转换为关联规则模型所适用的数据格式。

所述的数据集市包括预处理过的日业务数据、月业务数据和周业务数据。

与现有技术相比，本发明能很好的针对移动通信业务，进行关联规则模型的挖掘。

附图说明

图1为本发明的关联规则挖掘的基本原理；

图2为本发明的流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图2所示，移动通信业数据业务的产品关联分析方法，包括以下步骤：

(1).根据移动通信业务需求，从移动通信业务数据仓库构建面向业务主题的业务数据集市；

(2).基于业务数据集市，调用数据挖掘工具，选定关联规则训练数据集，构建多个关联规则模型；

(3).对上述的多个关联规则模型进行评估和检验，选择最优的关联规则模型，并将该模型写入模型库；

(4).发布、应用模型库中的模型。