摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 研究背景 | 第11-12页 |
1.2 研究目的及意义 | 第12页 |
1.2.1 研究目的 | 第12页 |
1.2.2 研究意义 | 第12页 |
1.3 国内外研究现状及评述 | 第12-17页 |
1.3.1 国外研究现状 | 第12-14页 |
1.3.2 国内研究现状 | 第14-16页 |
1.3.3 评述 | 第16-17页 |
1.4 主要研究内容和方法 | 第17-19页 |
1.4.1 研究内容 | 第17页 |
1.4.2 研究方法 | 第17-18页 |
1.4.3 技术路线 | 第18-19页 |
第2章 HLJ-CMCC概况及用户数据挖掘过程分析 | 第19-28页 |
2.1 HLJ-CMCC发展概况 | 第19-22页 |
2.1.1 公司概况 | 第19页 |
2.1.2 公司发展特点 | 第19-20页 |
2.1.3 公司用户数据网络节点分布 | 第20-21页 |
2.1.4 公司用户数据网络架构 | 第21-22页 |
2.2 HLJ-CMCC用户数据特性分析 | 第22-24页 |
2.2.1 用户数据内涵 | 第22-23页 |
2.2.2 用户数据特点 | 第23页 |
2.2.3 用户数据类型 | 第23-24页 |
2.3 HLJ-CMCC用户数据应用问题分析 | 第24-25页 |
2.4 HLJ-CMCC用户数据挖掘过程分析 | 第25-27页 |
2.4.1 用户数据挖掘整体框架设计 | 第25-26页 |
2.4.2 用户数据获取与预处理 | 第26-27页 |
2.4.3 用户数据聚类 | 第27页 |
2.4.4 用户个性化管理 | 第27页 |
2.5 本章小结 | 第27-28页 |
第3章 HLJ-CMCC用户数据获取与预处理 | 第28-39页 |
3.1 HLJ-CMCC用户数据采集 | 第28-30页 |
3.1.1 基于用户基本属性的用户数据采集 | 第28页 |
3.1.2 基于用户相关费用的用户数据采集 | 第28-29页 |
3.1.3 基于用户使用行为的用户数据采集 | 第29-30页 |
3.2 基于改进蚁群算法HLJ-CMCC用户数据传输 | 第30-33页 |
3.2.1 云数据库特点分析 | 第30-31页 |
3.2.2 概率转移系数确定 | 第31-32页 |
3.2.3 用户数据传输路径优化步骤 | 第32-33页 |
3.3 HLJ-CMCC用户数据预处理 | 第33-38页 |
3.3.1 HLJ-CMCC用户数据清洗 | 第34-35页 |
3.3.2 HLJ-CMCC用户数据集成 | 第35-38页 |
3.4 本章小结 | 第38-39页 |
第4章 HLJ-CMCC用户数据聚类 | 第39-49页 |
4.1 HLJ-CMCC用户数据聚类方法选择 | 第39-41页 |
4.1.1 聚类方法对比分析 | 第39-40页 |
4.1.2 改进聚类方法流程 | 第40-41页 |
4.2 基于改进CURE算法的HLJ-CMCC用户数据聚类 | 第41-46页 |
4.2.1 MapReduce函数构建 | 第41-42页 |
4.2.2 基于区间数的移动用户数据距离表示 | 第42-44页 |
4.2.3 基于改进CURE的移动用户数据聚类步骤 | 第44页 |
4.2.4 HLJ-CMCC用户数据聚类运算 | 第44-46页 |
4.3 基于用户数据聚类的用户类型确定 | 第46-48页 |
4.3.1 高价值用户 | 第46-47页 |
4.3.2 低价值用户 | 第47页 |
4.3.3 潜在价值用户 | 第47-48页 |
4.4 本章小结 | 第48-49页 |
第5章 HLJ-CMCC用户个性化管理 | 第49-56页 |
5.1 HLJ-CMCC用户生命周期分布 | 第49-50页 |
5.2 面向高价值用户个性化管理 | 第50-51页 |
5.2.1 高价值用户个性化营销 | 第50-51页 |
5.2.2 高价值用户挽留 | 第51页 |
5.3 面向潜在价值用户个性化管理 | 第51-53页 |
5.3.1 潜在价值用户个性化营销 | 第51-53页 |
5.3.2 潜在价值用户挽留 | 第53页 |
5.4 面向低价值用户个性化管理 | 第53-55页 |
5.4.1 低价值用户个性化营销 | 第53-54页 |
5.4.2 低价值用户挽留 | 第54-55页 |
5.5 本章小结 | 第55-56页 |
结论 | 第56-57页 |
参考文献 | 第57-62页 |
攻读学位期间发表的学术论文 | 第62-63页 |
致谢 | 第63页 |