| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 研究内容和目标 | 第12-13页 |
| 1.2.1 研究目标 | 第12页 |
| 1.2.2 研究内容 | 第12-13页 |
| 1.3 主要贡献 | 第13-14页 |
| 1.3.1 理论贡献 | 第13-14页 |
| 1.3.2 实践贡献 | 第14页 |
| 1.4 研究的创新点 | 第14页 |
| 1.5 本文框架 | 第14-16页 |
| 第2章 文献综述 | 第16-28页 |
| 2.1 电信客户流失概述 | 第16-17页 |
| 2.1.1 基本概念 | 第16页 |
| 2.1.2 客户流失原因的分类 | 第16-17页 |
| 2.2 基于传统数据挖掘的电信客户流失分析 | 第17-21页 |
| 2.2.1 数据挖掘技术概述 | 第17-19页 |
| 2.2.2 基于分类的客户流失分析 | 第19-20页 |
| 2.2.3 基于聚类的客户流失分析 | 第20页 |
| 2.2.4 基于混合方法的客户流失分析 | 第20-21页 |
| 2.2.5 传统电信客户流失分析的局限性 | 第21页 |
| 2.3 社会网络分析理论 | 第21-26页 |
| 2.3.1 基本概念 | 第21-22页 |
| 2.3.2 社区检测及其应用 | 第22-24页 |
| 2.3.3 社区质量评估方法 | 第24-26页 |
| 2.4 基于社会网络分析的电信客户流失分析 | 第26页 |
| 2.5 小结 | 第26-28页 |
| 第3章 动态网络社区检测方法 | 第28-38页 |
| 3.1 基本概念 | 第28-29页 |
| 3.2 动态网络社区检测方法的分类 | 第29-31页 |
| 3.2.1 基于两阶段的的方法 | 第29-30页 |
| 3.2.2 基于多目标优化的方法 | 第30-31页 |
| 3.2.3 增量式社区检测方法 | 第31页 |
| 3.3 现有动态网络社区检测方法的局限性 | 第31-32页 |
| 3.4 一种面向大规模动态网络的社区检测方法 | 第32-37页 |
| 3.4.1 相关定义和概念 | 第32-35页 |
| 3.4.2 增量式社区检测与更新 | 第35-36页 |
| 3.4.3 基于二分条件的社区演化分析 | 第36-37页 |
| 3.5 小结 | 第37-38页 |
| 第4章 基于动态网络社区检测的电信客户流失分析框架 | 第38-45页 |
| 4.1 基于社会网络的电信客户流失相关概念 | 第38-41页 |
| 4.1.1 电信客户的社会关系与社区 | 第38-39页 |
| 4.1.2 基于社区演化的客户流失分析 | 第39页 |
| 4.1.3 基于 k-means 聚类的社区分类及特征分析 | 第39-41页 |
| 4.2 研究框架与方法 | 第41-44页 |
| 4.2.1 电信呼叫网络的构造和流失客户标记 | 第42-43页 |
| 4.2.2 构建社区发现与演化模型 | 第43页 |
| 4.2.3 客户群流失预测及评估 | 第43-44页 |
| 4.3 小结 | 第44-45页 |
| 第5章 模型构建与应用 | 第45-57页 |
| 5.1 数据理解与准备 | 第45-51页 |
| 5.1.1 数据概况 | 第45-46页 |
| 5.1.2 数据预处理 | 第46-49页 |
| 5.1.3 电信呼叫网络的统计特征理解 | 第49-51页 |
| 5.2 流失预测模型构建与结果分析 | 第51-55页 |
| 5.2.1 社区检测与更新结果 | 第51-53页 |
| 5.2.2 基于 k-means 聚类的客户社区分类及特征分析 | 第53-54页 |
| 5.2.3 社区演化分析与流失预测 | 第54页 |
| 5.2.4 具有流失倾向的客户价值度量 | 第54-55页 |
| 5.3 模型评估 | 第55页 |
| 5.4 模型应用 | 第55-56页 |
| 5.5 小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 研究工作总结 | 第57-58页 |
| 6.2 研究的不足及展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 在学期间的研究成果及发表的学术论文 | 第64-65页 |
| 在学期间参与的科研项目 | 第65页 |
