论文部分内容阅读
电信拥有海量的客户数据，包含着大量的潜在价值。随着结构化和非结构化数据的不断增长，电信行业处理海量数据的效率越来越低，难以对海量数据进行深度挖掘。云计算的发展有效地解决了这个难题，开源的Hadoop云平台被广泛应用到各个领域，提高了云端处理数据的能力。将电信的原有数据仓库迁移到Hadoop云平台上，充分利用分布式存储机制和MapReduce模型，挖掘电信的社交网络，在低成本的情况下提升数据处理能力。本论文首先介绍Hadoop云平台的基本理论知识，在此基础上介绍电信数据仓库的云平台架构，分析电信社交网络的研究现状。本文主要通过两部分提高电信交往圈的挖掘效率：首先通过分析文件的流行度改进Hadoop数据备份机制，实现动态文件存储和备份，提高文件的本地性，提升ETL（提取、转换和加载）效率，从而减少数据挖掘过程中数据预处理的时间；其次改进原有图算法，结合有向图和无向图，将原有图算法用MapReduce框架实现，高效、准确地挖掘社区，通过Hadoop平台的试验，证明Hadoop云平台应用到电信数据仓库，大大地减少了频繁交往圈挖掘的时间，从而提高了社交网络的效率。本文研究的文件备份与存放动态调整算法和频繁交往圈图算法，可以高效，准确地挖掘电信交往圈中的频繁交往圈和个人交往圈，具有较高的实用价值。结合数据挖掘的不同算法可以得出许多潜在的商业信息，有助于市场营销和客户群的高效管理。挖掘以个人为中心的社交圈，重点关心核心客户，实现市场精准营销，提升客户体验，实时满足客户需求。