發(fā)布時間：2020-07-05 22:30

【摘要】：用戶畫像對于電信運營商的營銷策略決策以及用戶體驗改進十分重要,其中用戶的網(wǎng)絡(luò)內(nèi)容偏好是畫像的重要組成部分。在目前運營商利用探針(DPI)數(shù)據(jù)無法完整記錄用戶內(nèi)容偏好信息的情況下,如何利用多種電信數(shù)據(jù)對缺失的用戶內(nèi)容偏好進行補全,建立完整可靠的用戶偏好畫像是一個有重要意義的研究方向。本文以補全用戶內(nèi)容偏好為研究目標,以多類型電信數(shù)據(jù)集為基礎(chǔ),提出了結(jié)合偏好類別信息的偏好補全模型及結(jié)合用戶特征信息的偏好補全模型,并對用戶內(nèi)容偏好畫像補全模型進行了實現(xiàn)。1、模型設(shè)計與實現(xiàn):本文將偏好補全問題與傳統(tǒng)Top-N推薦問題相結(jié)合,并以隱因子模型為基礎(chǔ)模型,挖掘利用電信多類型數(shù)據(jù)提出兩種算法拓展隱因子模型解決偏好補全問題:(1)結(jié)合偏好類別的偏好補全模型:針對數(shù)據(jù)集中的偏好信息,本文從內(nèi)容偏好分層類別關(guān)系的角度出發(fā),對偏好間關(guān)系進行詳細地量化定義,并基于此設(shè)計結(jié)合偏好類別信息的設(shè)計偏好補全模型。(2)結(jié)合用戶特征的偏好補全模型:針對數(shù)據(jù)集中的用戶信息,本文通過挖掘與量化抽象出用戶特征,并在實驗中選取高質(zhì)特征集,設(shè)計結(jié)合用戶特征的偏好補全模型。(3)同時,針對傳統(tǒng)單機算法不能快速完成大數(shù)據(jù)量偏好任務(wù)的問題,本文基于分布式系統(tǒng)實現(xiàn)了上述偏好補全算法模型,可在短時間內(nèi)完成海量電信用戶的偏好補全任務(wù)。2、實驗評估與結(jié)果分析:通過在運營商提供的連續(xù)四個月的電信多類型數(shù)據(jù)集進行模型對比實驗以及高質(zhì)特征識別,發(fā)現(xiàn)通過對電信數(shù)據(jù)的充分挖掘,本文提出的模型在偏好補全問題上的效果相比基礎(chǔ)模型得到了很大提升。除此之外,本文基于模型實驗結(jié)果對偏好關(guān)系和高質(zhì)特征進行了深入分析。3、系統(tǒng)設(shè)計與實現(xiàn):在以上研究的基礎(chǔ)上,本文對電信用戶內(nèi)容偏好畫像系統(tǒng)進行了設(shè)計與實現(xiàn)。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F626;TP311.13
【圖文】：

偏好補全效果。本文用于挖掘用戶特征信息的電信數(shù)據(jù)集包括用戶寬表逡逑（Ｓｅｒｖｌｎｆｏ），用戶呼叫詳單（ＣＤＲ）和深度包檢測（ＤＰＩ）數(shù)據(jù)集。從這些數(shù)據(jù)逡逑集挖掘量化的電信用戶特征可以分為以下四個不同類別，如圖１－２所示：１、從逡逑用戶寬表數(shù)據(jù)集中提取的終纟而特征（例如終４而品牌，終端ＥＶＤＯ標識）；２、從逡逑用戶寬表數(shù)據(jù)集中提取的個人特征（例如用戶性別，用戶年齡）；３、從用戶呼叫逡逑詳單數(shù)據(jù)集提取的呼叫特征（例如呼叫總時間，呼叫總頻次）；４、從深度包檢測逡逑數(shù)據(jù)集提取的網(wǎng)絡(luò)特征（例如網(wǎng)絡(luò)總流量，瀏覽總頻次）。逡逑個人特征邐，＾＼邐終端特征逡逑ｍ邋ｔｔｓｉ．．．邋ｙ邐＾Ｙ＾ｅｖｄｏ，品牌．．．逡逑網(wǎng)絡(luò)特征入－－人通話特征逡逑流量，頻次…邐時長

針對第二章中提到的利用類別信息進行Ｔ0Ｐ－Ｎ推薦的研究中對關(guān)系沒有量逡逑化定義的問題，本文首先將電信偏好類別樹中的關(guān)系劃分為父子關(guān)系和兄弟關(guān)系，逡逑并按照關(guān)系類型和關(guān)系強度明確對類別關(guān)系進行定義和量化，如圖３＿２所示。逡逑第一層｜邐……逡逑第二層｜、包逡逑第三層｜女士服裝男士服裝邐籃辭邐＾球逡逑４？費邐／＼邐Yi逡逑４邐邐／邐＼逡逑第四展邋ＮＢＡ邐ＣＢＡ逡逑畫邐Ｃ３Ｉ＼逡逑＾邐Ｉ？兄弟至累逡逑廠繼承關(guān)系邐廠合作關(guān)系逡逑廠類型邋＜丨邐廠類型ｊ無關(guān)關(guān)系逡逑父子關(guān)系＜邐１邋一無關(guān)關(guān)系邐兄弟關(guān)系邋＜邐匕競爭關(guān)系逡逑邐Ｉ－強度［０，１］邐邋Ｉ強度【0，１］邐逡逑■ｐ＾ｉ＇邐｜社交軟件１逡逑［類型承

本文編號：2743217