基于营销策略的用户离网预测模型

传统的用户离网预测方法都是针对用户信息、消费行为等数据,通过数据挖掘的方法进行预测。为此,在分析移动用户离网原因的基础上提出了一种基于营销策略的用户离网预测模型(CPMP:Churn Predictionbased on Market Plan)。该模型针对用户主动离网的主要原因是其他运营商推出新的营销策略这一事实,通过比较用户在不同营销策略下可能发生的行为,进而预测用户离网的可能性。实验结果表明,基于CPMP模型对不同营销方案比较所得出差异,直接影响用户离网率。通过对营销策略的对比分析,可有效控制离网率。     

基于数据模式聚类算法的离群点检测

针对传统模式挖掘算法在事务包含模式定义上未考虑模式间的包含关系而使聚类结果不够优良的问题, 提出一种新的基于模式聚类的离群点检测算法PCOT, 该算法适合于高维数据空间, 采用一种新的事务包含模式, 通过将模式表示成超图, 用超图分割方法对模式进行聚类. 实验与分析结果表明, 该算法能有效地在高维稀疏空间中发现离群点.