商业智能在预防电信恶意欠费中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·选题依据与研究意义 | 第9-10页 |
| ·课题研究现状 | 第10-12页 |
| ·国内研究现状 | 第10-11页 |
| ·国外研究现状 | 第11-12页 |
| ·主要研究工作 | 第12页 |
| ·本文组织安排 | 第12-13页 |
| 第二章 商业智能概述 | 第13-33页 |
| ·商业智能的概念及构成 | 第13-16页 |
| ·商业智能的概念 | 第13-14页 |
| ·商业智能的构成 | 第14页 |
| ·商业智能的生命周期 | 第14-16页 |
| ·商业智能的主要支撑技术 | 第16-28页 |
| ·数据仓库 | 第16-19页 |
| ·数据仓库的功能和特征 | 第16-18页 |
| ·数据仓库的数据组织 | 第18-19页 |
| ·联机分析处理(OLAP) | 第19-23页 |
| ·OLAP的数据基础 | 第19-22页 |
| ·OLAP的基本分析动作 | 第22-23页 |
| ·OLAP的展现方式 | 第23页 |
| ·数据挖掘(Data Mining) | 第23-28页 |
| ·数据挖掘过程 | 第23-25页 |
| ·数据挖掘功能 | 第25-26页 |
| ·数据挖掘技术 | 第26-28页 |
| ·贝叶斯分类技术 | 第28-32页 |
| ·贝叶斯定理 | 第28-29页 |
| ·贝叶斯分类 | 第29-32页 |
| ·概述 | 第29页 |
| ·朴素贝叶斯分类 | 第29-30页 |
| ·贝叶斯信念网络 | 第30-32页 |
| ·小结 | 第32-33页 |
| 第三章 电信恶意欠费主题模型建立 | 第33-41页 |
| ·商业理解 | 第33-35页 |
| ·商业背景 | 第33页 |
| ·话费欺诈的含义 | 第33-35页 |
| ·恶意欠费KPI体系 | 第35-37页 |
| ·参考属性的确定方法 | 第37-38页 |
| ·事件因子的提取方法 | 第38页 |
| ·恶意欠费概率计算方法 | 第38-40页 |
| ·贝叶斯概率依赖关系图的标定方法 | 第39-40页 |
| ·贝叶斯条件概率的计算方法 | 第40页 |
| ·小结 | 第40-41页 |
| 第四章 电信恶意欠费主题仓库模型设计 | 第41-56页 |
| ·数据来源 | 第41-46页 |
| ·四川电信BSS业务支撑系统简介 | 第41-42页 |
| ·源数据说明 | 第42-46页 |
| ·概念模型设计 | 第46页 |
| ·逻辑模型设计 | 第46-47页 |
| ·物理模型设计 | 第47-48页 |
| ·ETL接口设计 | 第48-55页 |
| ·小结 | 第55-56页 |
| 第五章 电信恶意欠费BI模型的实现及评估 | 第56-76页 |
| ·背景 | 第56页 |
| ·OLAP分析 | 第56-62页 |
| ·训练数据准备 | 第62-66页 |
| ·贝叶斯条件概率训练工具 | 第66-68页 |
| ·贝叶斯条件概率训练方法 | 第68-73页 |
| ·模型评估 | 第73-75页 |
| ·小结 | 第75-76页 |
| 第六章 总结与进一步工作 | 第76-79页 |
| ·论文总结 | 第76-77页 |
| ·进一步的工作 | 第77页 |
| ·项目中的几点体会 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 在学期间取得的研究成果 | 第82页 |
