| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 引言 | 第7-11页 |
| 1．1 本文的主要工作 | 第7-8页 |
| 1．2 采用数据挖掘技术进行移动通信交叉销售分析的背景及意义 | 第8-9页 |
| 1．3 国内外在该领域上的研究动态介绍 | 第9-11页 |
| 第二章 数据挖掘技术 | 第11-20页 |
| 2．1 数据挖掘技术概述 | 第11页 |
| 2．2 数据挖掘主要任务 | 第11-13页 |
| 2．2．1 关联分析 | 第11-12页 |
| 2．2．2 时序模式 | 第12页 |
| 2．2．3 聚类： | 第12页 |
| 2．2．4 分类： | 第12-13页 |
| 2．2．5 偏差检测： | 第13页 |
| 2．2．6 预测： | 第13页 |
| 2．3 数据挖掘常用技术 | 第13-14页 |
| 2．4 数据挖掘流程 | 第14-15页 |
| 2．5 通用数据挖掘方法简介 | 第15-18页 |
| 2．5．1 确定业务需求 | 第15-16页 |
| 2．5．2 定义要用的数据模型 | 第16页 |
| 2．5．3 初始化和预处理数据 | 第16页 |
| 2．5．4 评估数据模型 | 第16-17页 |
| 2．5．5 选择数据挖掘技术 | 第17页 |
| 2．5．6 解释结果 | 第17页 |
| 2．5．7 应用挖掘结果 | 第17-18页 |
| 2．6 数据挖掘技术在移动通信领域的应用 | 第18-20页 |
| 第三章 关联规则挖掘技术 | 第20-25页 |
| 3．1 什么是关联规则挖掘 | 第20页 |
| 3．2 关联规则的种类 | 第20-21页 |
| 3．2．1 基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。 | 第20-21页 |
| 3．2．2 基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。 | 第21页 |
| 3．2．3 基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。 | 第21页 |
| 3．3 关联规则挖掘的经典频集算法 | 第21-23页 |
| 3．4 多层和多维关联规则的挖掘 | 第23-25页 |
| 3．4．1 多层关联规则： | 第23-24页 |
| 3．4．2 多维关联规则： | 第24-25页 |
| 第四章 交叉销售主题建模与交互式概化 | 第25-35页 |
| 4．1 构建交叉销售主题模型 | 第25-27页 |
| 4．1．1 逻辑模型 | 第25-26页 |
| 4．1．2 构建物理模型 | 第26-27页 |
| 4．2．交互式概化 | 第27-35页 |
| 4．2．1 概念分层 | 第27-29页 |
| 4．2．2 移动通信交叉销售主题一些关键维度的概念分层 | 第29-32页 |
| 4．2．3 交互式概化分层 | 第32页 |
| 4．2．4 交互式概化的解决方案 | 第32-35页 |
| 第五章 移动业务交叉销售系统解决方案及其实现 | 第35-50页 |
| 5．1 系统概述 | 第35-36页 |
| 5．1．1 建设的目标 | 第35页 |
| 5．1．2 总体结构 | 第35-36页 |
| 5．2 移动业务相关性模型挖掘实现过程及主要技术问题举例 | 第36-42页 |
| 5．2．1 确定业务需求 | 第36-37页 |
| 5．2．2 数据来源 | 第37-41页 |
| 5．2．3 初始化和预处理数据 | 第41-42页 |
| 5．3 选择并运用挖掘技术 | 第42-43页 |
| 5．4 实验 | 第43-48页 |
| 5．4．1 用户选择以下维度及层次： | 第43页 |
| 5．4．2 对挖掘结果的处理与解释 | 第43-46页 |
| 5．4．3 在不同维度与不同概念层中挖掘 | 第46-48页 |
| 5．5 结论及进一步的工作 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 附：部分程序简单说明： | 第52-58页 |
