| 摘要 | 第1-8页 |
| ABSTRACT | 第8-19页 |
| 第一章 绪论 | 第19-28页 |
| ·研究背景和意义 | 第19-20页 |
| ·论文创新点 | 第20-22页 |
| ·论文的研究内容 | 第22-25页 |
| ·新一代电信运营支撑理论 | 第22页 |
| ·复杂网络结构及社团发现 | 第22-24页 |
| ·复杂网络重要节点识别及抗毁性分析 | 第24页 |
| ·电信客户流失预测 | 第24-25页 |
| ·中介性算法 | 第25页 |
| ·论文的内容和结构 | 第25-28页 |
| 第二章 相关研究综述 | 第28-48页 |
| ·新一代电信运营支撑理论中的分析型CRM | 第28-34页 |
| ·CRM基本概念 | 第28-29页 |
| ·电信分析型CRM概念 | 第29-30页 |
| ·NGOSS理论中的电信分析型CRM | 第30-34页 |
| ·小结 | 第34页 |
| ·复杂网络结构及社团发现 | 第34-40页 |
| ·复杂网络基本概念 | 第34页 |
| ·复杂网络分类 | 第34-36页 |
| ·复杂网络组成元素 | 第36-37页 |
| ·复杂网络统计特性指标 | 第37-39页 |
| ·复杂网络社团结构发现算法 | 第39-40页 |
| ·复杂网络抗毁性分析 | 第40-42页 |
| ·社会学科领域相关工作 | 第41页 |
| ·自然学科领域相关工作 | 第41-42页 |
| ·小结 | 第42页 |
| ·电信客户流失预测 | 第42-46页 |
| ·各阶段研究成果 | 第43-45页 |
| ·小结 | 第45-46页 |
| ·中介性算法 | 第46-47页 |
| ·中介性算法研究成果 | 第46页 |
| ·小结 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第三章 客户模拟流失分析及流失预测分析 | 第48-74页 |
| ·概述 | 第48页 |
| ·中心性维度 | 第48-50页 |
| ·节点-中介中心性 | 第49页 |
| ·节点-度中心性 | 第49页 |
| ·节点-接近中心性 | 第49-50页 |
| ·客户模拟流失实验 | 第50-58页 |
| ·相关网络统计特性指标定义 | 第50-52页 |
| ·客户模拟流失机制 | 第52页 |
| ·实验数据集 | 第52-53页 |
| ·实验结果 | 第53-57页 |
| ·实验结果分析 | 第57-58页 |
| ·电信重要客户识别 | 第58页 |
| ·客户流失预测分析 | 第58-62页 |
| ·相关研究总结 | 第58-59页 |
| ·SPA流失预测模型 | 第59-61页 |
| ·SPA流失预测模型的缺陷 | 第61-62页 |
| ·基于遗传演化的流失预测算法GASPA | 第62-73页 |
| ·GASPA流失预测模型概述 | 第62页 |
| ·GASPA流失预测算法框架 | 第62-63页 |
| ·GASPA流失预测算法时间复杂度分析 | 第63-64页 |
| ·实验数据集 | 第64-65页 |
| ·算法参数训练过程实验结果 | 第65-68页 |
| ·算法参数验证过程实验结果 | 第68-70页 |
| ·与SPA算法的性能比较实验 | 第70-72页 |
| ·实验结果和算法贡献总结 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第四章 基于大图结构的GASPA算法改进与实现 | 第74-96页 |
| ·概述 | 第74页 |
| ·相关工作 | 第74-76页 |
| ·面向海量数据的计算技术 | 第74-75页 |
| ·面向海量数据的流失预测挖掘 | 第75-76页 |
| ·MapReduce框架模型 | 第76-78页 |
| ·MapReduce简介 | 第76-77页 |
| ·MapReduce文件系统Hadoop | 第77-78页 |
| ·GASPA算法的并行化实现 | 第78-91页 |
| ·M-GASPA算法流程 | 第78-80页 |
| ·符号定义说明 | 第80-81页 |
| ·算法步骤 | 第81-90页 |
| ·M-GASPA时间复杂度分析 | 第90-91页 |
| ·实验结果及分析 | 第91-95页 |
| ·硬件环境 | 第91页 |
| ·实验数据集 | 第91-92页 |
| ·单次能量迭代平均时间实验及分析 | 第92-93页 |
| ·参数训练-参数验证性能实验及分析 | 第93-94页 |
| ·实验结果和算法贡献总结 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第五章 基于信息熵的社团结构发现算法研究 | 第96-115页 |
| ·概述 | 第96-97页 |
| ·基于熵的Modularity模型 | 第97-101页 |
| ·GN算法Modularity模型 | 第97页 |
| ·基于熵的Modularity建模思路的提出 | 第97-98页 |
| ·基于熵的Modularity抽象模型 | 第98-99页 |
| ·算法框架 | 第99-101页 |
| ·实验结果 | 第101-111页 |
| ·人工网络社团划分实验 | 第101-103页 |
| ·真实网络社团划分实验 | 第103-111页 |
| ·算法改进 | 第111-113页 |
| ·改进思路 | 第111-112页 |
| ·基于信息熵的Modularity模型的改进 | 第112页 |
| ·改进算法社团划分结果 | 第112-113页 |
| ·本章小结 | 第113-115页 |
| 第六章 基于复杂网络分析的新一代电信CRM框架构建 | 第115-150页 |
| ·概述 | 第115-116页 |
| ·框架设计的目的与思路 | 第116-118页 |
| ·电信行业CRM系统的现状与不足 | 第116-117页 |
| ·解决思路 | 第117-118页 |
| ·总体框架设计 | 第118-126页 |
| ·总体框架设计步骤 | 第118-119页 |
| ·总体框架中CRM功能域的确定 | 第119-121页 |
| ·前端操作型CRM框架设计 | 第121-124页 |
| ·后台分析型CRM框架设计 | 第124-126页 |
| ·前台操作型CRM框架实现方法 | 第126-140页 |
| ·基础数据建模 | 第127-129页 |
| ·原子服务构建 | 第129-132页 |
| ·工作流处理模式 | 第132-134页 |
| ·原型系统实现 | 第134-135页 |
| ·系统中业务处理界面 | 第135-138页 |
| ·构建前后性能提升评估结果 | 第138-140页 |
| ·后台分析型CRM框架实现方法 | 第140-149页 |
| ·基础数据建模 | 第140-141页 |
| ·算法服务建立步骤 | 第141-142页 |
| ·原型系统实现 | 第142页 |
| ·算法实验结果 | 第142-149页 |
| ·本章小结 | 第149-150页 |
| 第七章 结束语 | 第150-153页 |
| ·论文总结 | 第150-151页 |
| ·下一步工作展望 | 第151-153页 |
| 参考文献 | 第153-166页 |
| 攻读博士期间发表和撰写的论文 | 第166页 |
| 攻读博士期间参加的相关课题 | 第166-167页 |
| 致谢 | 第167-168页 |