| 内容摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.2.1 研究目的 | 第11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 国内外研究综述 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13页 |
| 1.3.3 国内外研究综述 | 第13-14页 |
| 1.4 研究内容与结构安排 | 第14-15页 |
| 1.5 研究方法 | 第15页 |
| 1.5.1 文献研究法 | 第15页 |
| 1.5.2 定量分析法 | 第15页 |
| 1.6 本文的创新之处 | 第15-17页 |
| 第2章 数据挖掘的相关概念及理论基础 | 第17-26页 |
| 2.1 数据挖掘的基本概念 | 第17-20页 |
| 2.1.1 数据挖掘的定义 | 第17-18页 |
| 2.1.2 数据挖掘的功能 | 第18-19页 |
| 2.1.3 数据挖掘的典型算法 | 第19-20页 |
| 2.2 数据挖掘的聚类分析理论 | 第20-22页 |
| 2.2.1 聚类分析的基本概念 | 第20页 |
| 2.2.2 聚类分析的典型算法 | 第20-22页 |
| 2.3 数据挖掘的关联规则算法 | 第22-26页 |
| 2.3.1 关联规则技术的基本概念 | 第22-23页 |
| 2.3.2 关联规则的挖掘步骤 | 第23页 |
| 2.3.3 关联规则中的FP-Growth算法 | 第23-25页 |
| 2.3.4 关联规则下的FP-Growth算法基本步骤 | 第25-26页 |
| 第3章 电信行业用户基本业务研究 | 第26-35页 |
| 3.1 基本业务的定义及数据来源 | 第26-27页 |
| 3.1.1 基本业务的定义 | 第26-27页 |
| 3.1.2 数据来源 | 第27页 |
| 3.2 聚类平台的介绍与操作步骤 | 第27-28页 |
| 3.2.1 Spark平台介绍 | 第27-28页 |
| 3.2.2 Spark平台基本操作步骤 | 第28页 |
| 3.3 Spark平台上电信行业用户基本业务聚类分析 | 第28-33页 |
| 3.3.1 聚类分析的数据准备 | 第29-30页 |
| 3.3.2 基于k-means算法的聚类分析过程 | 第30-32页 |
| 3.3.3 电信行业用户业务聚类分析结果 | 第32-33页 |
| 3.4 电信行业用户基本业务聚类结果分析及算法评价 | 第33-35页 |
| 3.4.1 聚类结果分析 | 第33-34页 |
| 3.4.2 聚类结果与套餐结合分析 | 第34页 |
| 3.4.3 基于k-means算法的聚类算法评价 | 第34-35页 |
| 第4章 电信行业同类用户关联业务推荐研究 | 第35-46页 |
| 4.1 电信行业营销方式现状 | 第35-36页 |
| 4.2 数据准备 | 第36页 |
| 4.3 数据预处理 | 第36-38页 |
| 4.3.1 数据抽取 | 第36-37页 |
| 4.3.2 数据清洗 | 第37-38页 |
| 4.4 同类用户关联规则算法的建立 | 第38-45页 |
| 4.4.1 关联规则的制定 | 第38页 |
| 4.4.2 关联规则下FP-Growth算法的实现 | 第38-41页 |
| 4.4.3 第一类用户关联结果 | 第41-42页 |
| 4.4.4 第二类用户关联结果 | 第42-44页 |
| 4.4.5 第三类用户关联结果 | 第44-45页 |
| 4.5 关联结果分析 | 第45-46页 |
| 第5章 主要结论和政策建议 | 第46-49页 |
| 5.1 主要结论 | 第46-47页 |
| 5.1.1 聚类分析主要结论 | 第46页 |
| 5.1.2 关联分析主要结论 | 第46-47页 |
| 5.2 政策建议 | 第47-49页 |
| 5.2.1 运营商增加投资,打造高速智能网络 | 第47页 |
| 5.2.2 全面取消国内长途和漫游费 | 第47-48页 |
| 5.2.3 向客户发送推荐业务信息 | 第48页 |
| 5.2.4 降低国际通话服务费及港澳台业务资费 | 第48页 |
| 5.2.5 主动推销或捆绑销售 | 第48页 |
| 5.2.6 推出集团用户优惠套餐 | 第48-49页 |
| 附录1 聚类程序 | 第49-51页 |
| 附录2 关联程序 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 后记 | 第55页 |
