  HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐỨC ANH NGHIÊN CỨU KHAI PHÁ DỮ LIỆU DỰ BÁO KHÁCH HÀNG CÓ KHẢ NĂNG RỜI MẠNG VNPT Chuyên ngành: Hệ thống thông tin LUẬN VĂN THẠC SĨ KỸ THUẬT Hà Nội - Năm 2014   HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐỨC ANH NGHIÊN CỨU KỸ THUẬT KHAI PHÁ DỮ LIỆU DỰ BÁO KHÁCH HÀNG CÓ KHẢ NĂNG RỜI MẠNG VNPT Chuyên ngành: Hệ thống thông tin Mã số: 60480101 LUẬN VĂN THẠC SĨ KỸ THUẬT Hà Nội - Năm 2014 MỤC LỤC   !"#$%&' ($)$ *%+,+) /0 %$$1$23#4- %$$1$5 %$/6 MỞ ĐẦU 1 Chương 1 TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 7 7 81##4%/92#1:;)#4- < 7 7 7 =#>'$?5#2#+1$/@AB)3+C+# < 7 7 D 81##4%/92#1:;)#4- E 7 D (F+>GHI12#1:;)#4-J#K 7L 7 D 7 HI1M-N=O:-$+#'P 7L 7 D D QNM-NK+&ROS$#>#'+SSP/@) +OT-)SP 77 7 D U 1+#4) +2K+V 7< 7 D < Q)WO)>>#X#$+#'P 7E 7 D E Q$%O)->+S#P 7E 7 D Y HI1:Z+[%\-O>S:]'++SP 7Y 7 D ^ HI1+-F$+[&_+RA1$>-`+OSS:#>S:]' '#)#+NP 7Y 7 D a (=I'OS-'S+b'2P 7^ 7 D c  +#5#:#+-N9OSS+#$d)'#+%P 7a 7 U (F+>Ge:$f2#1:;)#4- 7a 7 U 7 Q+g$:;)#4-/@h+VM-NK+&R 7a 7 U D i:21$ DL Chương 2 NGHIÊN CỨU KỸ THUẬT KHAI PHÁ DỮ LIỆU TRONG VIỄN THÔNG D 7 JM- DD D 7 7 ($+#[-$f:+%## DD D 7 D HW+#K$.+':+%## DU D D (F+>Ge::+%##+'/#j+C DE D D 7 1+#4#).OX-::S+S$+#'P DE D D D 1$e:M-5)3/@$0%>*$21$@ DY D D U 1$e:1+#4/@$C).)h#+[4+G%=/#j+C OS+b'2X-)+#>')+#'P D^ D U #[$e-k!$f%=:#&F Da D U 7 1$+.k!M-5)3+-[')#[M-&K@#+'1 Da D U D Q)W:Z&'1A-HW21$@ UL D U U Q)WNS> << Chương 3 ỨNG DỤNG DỰ ĐOÁN Ý ĐỊNH RỜI MẠNG CỦA KHÁCH HÀNG TRONG MẠNG DI ĐỘNG VNPT U 7 ::+%##&l:Z&'1+HW$3&R"#2m#%=$f21$ @ ED U 7 7 1$#5#M-NK+N[-$?-@#+'1 ED U 7 D HI1+#l2# ED U 7 U F#:-+#l2# ED U 7 < nQN:Z+.k!-`)-N4 EU U D nQN:Ze: YL U D 7#W#+#4- YL U D D -1+1++#l YL U D U nQN:Zo( YL U D < 1#1 YU KẾT LUẬN VÀ KIẾN NGHỊ 7 8K+)  Y< D 8#KR Y< TÀI LIỆU THAM KHẢO Tóm tắt luận văn: pq/@+[q$/#[rddst p!Wr8'q$(1N+g 8'1rD< p1FHW:\rk-Nj'@k# p[&9+@#rNGHIÊN CỨU KỸ THUẬT KHAI PHÁ DỮ LIỆU DỰ ĐOÁN CÁC THUÊ BAO RỜI MẠNG DI ĐỘNG VNPT p*%+,+r ! /0#[$e-/9$1$HI1Q)W+'2#1:; )#4-:u&lQ)Wv:Z&'1$1$&'1$1$+-['$f$*250 "#%=N2C kB:$I>w:;)#4-k!>S/S&l+#K+2KvQ+g$:;)#4-v)Z$q $1$+-F$+g$*g$$'/#4$:Z&'1&l+='5$I>w:;)#4--`)-N4 kB:+ ++'1Q)WNS>&l:Z&'1%F++-['$+l$*25 0"#2m#%=N2C DANH MỤC CÁC KÝ HIỆU 8! 8#1:;)#4- k! I>w:;)#4- T ))+TS$': DANH MỤC CÁC BẢNG  57 75+##+ 7D 57 D5+S>+#+ 7U 57 U8K+M-5Q)Wx$QNM-NK+&R 7< 5D 7(G#M-4#;D#K+-./@)'=#ASI# <Y 5D D5?+0%+S':y/@?+0%+S'$1$#[ <Y 5D U5?+0%+S':y <^ 5D <5?+0%+S''+) <^ 5D E5?+0%+S'$F+ <^ 5D Y1$#1+R+'5?+0%+S'$F+ <a 5D ^5$I>w:;)#4->B::R$/ EL 5U 75$#+#K+$-F$q#OTz>P Ea 5U D5$I>w:;)#4-+g$HW$ Ea 5U U5+C+#21$@ Ec 5U <5+C+#+JV21$@ YL DANH MỤC HÌNH VẼ  7 7 -1+1+#4+#+e$ Y 7 D ##&'=+#9AB)3:;)#4-+'+(## a 7 U QNM-NK+&R+{5+##:+ 7D D 7 nQN:Z(C-`)-N4 UD D D kB:%C-`)-N4&l:Z&'1 U< D U ;)#4-M->1+/@+.#5+#K+ <E U 7 8#K+|$4+GQ)W E^ U D #':#4$g$f$HI+ Y7 U U ;)#4-G$ YD U < I>w:;)#4--`)-N4 YU [...]... tượng khách hàng rời mạng, hỗ trợ nhà quản lý hoạch định chiến lược kinh doanh, ra quyết định hợp lý cho từng nhóm khách hàng 3 Phương pháp nghiên cứu: a Về lý thuyết: - Nghiên cứutổng quan về khai phá dữ liệu 13 - Nghiên cứu về một số kỹ thuật khai phá dữ liệu: Luật kết hợp, Phân lớp, Phân cụm - Nghiên cứu công cụ khai phá dữ liệu - Nghiên cứu thực tiễn bộ dữ liệu và lựa chọn phương pháp khai phá dữ. .. lựa chọn phương pháp khai phá dữ liệu phù hợp b Về thực nghiệm: - Sử dụng các kết quả nghiên cứu từ lý thuyết ứng dụng vào cơ sở dữ liệu viễn thông của mạng di động VNPT 14 Chương 1 TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU 1.1 Khái niệm về khai phá dữ liệu 1.1.1 Tại sao cần phải khai thác và xử lý thông tin Sự phát triển của công nghệ thông tin và việc ứng dụng công nghệ thông tin trong nhiều lĩnh vực của đời... dựng một kho dữ liệu (Data Warehouse) và phát triển một khuynh hướng dữ liệu mới đó là kĩ thuật phát hiện tri thức và khai phá dữ liệu 15 1.1.2 Khái niệm về khai phá dữ liệu Khai phá dữ liệu được dùng để mô tả quá trình phát hiện ra tri thức trong CSDL Quá trình này kết xuất ra các tri thức tiềm ẩn từ dữ liệu giúp cho việc dự báo trong kinh doanh, các hoạt động sản xuất,… Khai phá dữ liệu làm giảm... phương pháp truyền thống trước kia Sau đây là một số định nghĩa mang tính mô tả của nhiều tác giả về khai phá dữ liệu * Khai phá dữ liệu (data mining) là quá trình trích xuất các thông tin có giá trị tiềm ẩn bên trong lượng lớn dữ liệu được lưu trữ trong các CSDL, kho dữ liệu * Định nghĩa của Parsaye: Khai phá dữ liệu là quá trình trợ giúp quyết định, trong đó chúng ta tìm kiếm các mẫu thông tin chưa... thức Khai phá dữ liệu là một lĩnh vực liên quan tới rất nhiều ngành học khác như: Hệ CSDL, thống kê, trực quan hóa,… Hơn nữa, tùy vào cách tiếp cận được sử dụng, khai phá dữ liệu còn có thể áp dụng một số kĩ thuật như mạng Nơ ron, lý thuyết tập thô hoặc tập mờ, biểu diễn tri thức,… So với các phương pháp này, khai phá dữ liệu có một số ưu điểm rõ rệt: + So với phương pháp học máy: khai phá dữ liệu có. .. 2.2.2 Các ứng dụng quản lý và chăm sóc khách hàng Các công ty viễn thông quản lý một khối lượng lớn dữ liệu về thông tin khách hàng và dữ liệu về chi tiết cuộc gọi (call detail records) Những thông tin này có thể cho ta nhận diện được những đặc tính của khách hàng và thông qua đó có thể đưa ra các chính sách chăm sóc khách hàng thích hợp dựa trên dự đoán hoặc có một chiến lược tiếp thị hiệu quả Một... trên đó ta có thể tiên đoán trước ý định rời khỏi mạng của khách hàng, từ đó công ty viễn thông sẽ có các ứng xử phù hợp nhằm lôi kéo khách hàng Cuối cùng, một ứng dụng cũng rất phổ biến đó là phân lớp khách hàng Dựa vào kĩ thuật data mining học trên cây quyết định trên dữ liệu khách hàng và chi tiết cuộc gọi có thể tìm ra các luật để phân loại khách hàng Ví dụ ta có thể phân biệt được khách hàng nào... các thông tin về khách hàng cần được lưu trữ để dùng cho các ứng dụng như tính cước, tiếp thị,… Thông tin về khách hàng bao gồm số điện thoại, họ tên, địa chỉ và các thuộc tính quan trọng khác như quá trình thanh toán nợ, quá trình sử dụng các dịch vụ, thu nhập… Thông thường dữ liệu khách hàng phải được kết hợp với các dữ liệu khác, (ví dụ như dữ liệu chi tiết cuộc gọi) trong khi khai phá dữ liệu. .. qua việc khai thác CSDL trạng thái mạng (network data) 2.3 Nghiên cứu CSDL của mạng di động VNPT Để giải quyết bài toán dự đoán ý định rời mạng của khách hàng chúng ta dựa vào 3 cơ sở dữ liệu chính là chi tiết cuộc gọi (Call Record Detail), CSDL tính cước (Billing Data) và dữ liệu về khách hàng (Customer Data) Các cơ sở dữ liệu này chứa các mẩu tin bao gồm các thông tin đặc tả thuộc tính quan trọng... Fayyad: Khai phá tri thức là một quá trình không tầm thường nhận ra những mẫu dữ liệu có giá trị, mới, hữu ích, tiềm năng và có thể hiểu được” Nhiều người coi khai phá dữ liệu và một thuật ngữ thông dụng khác là khám phá tri thức trong cơ sở dữ liệu (Knowledge Discovery in Databases KDD) là như nhau Tuy nhiên trên thực tế khai phá dữ liệu chỉ là một bước thiết yếu trong quá trình khám phá tri thức