[发明专利]一种基于隐马尔可夫模型的移动通信用户流失预测方法

说明书

技术领域

本发明属于数据业务领域，特别涉及一种基于隐马尔可夫模型的移动通信用户流失预测方法。

背景技术

移动通信用户流失预测，对移动通信网络制定适当的营销策略非常关键。营销策略是移动通信网络公司通过对移动通信用户的通信数据进行详细分析，向移动通信用户推荐合适的套餐，减少用户的损失，有利于挽回将要流失的其他通信网络的用户，由此加强移动用户的忠诚度，挽回和吸引其他通信网络的用户，从而促进移动通信网络的发展。

有关移动通信用户流失预测方法的现有文献中，硕士学位论文“基于数据挖掘的移动客户虚假离网研究”比较接近，其中的虚假离网是指某在网用户因各种原因暂时离网后，又以相同(或不同)的名义入网。该方法主要是通过人工分析影响移动客户流失的因素有哪些，从而建立模型，研究移动客户虚假离网。但该方法仅仅是通过对小量数据进行分析建模，难免会对移动用户流失的关键因素产生错误判断。

发明内容

针对现有技术存在的不足，本发明提供一种基于隐马尔可夫模型的移动通信用户流失预测方法。

本发明的技术方案是这样：

一种基于隐马尔可夫模型的移动通信用户流失预测方法，包括以下步骤且各步骤均是在hadoop大数据平台上完成：

步骤1：采集移动用户的通信记录数据；

步骤2：数据预处理；

基于移动用户的通信记录数据，以月为单位，并按照下述8种属性类别对移动用户的通信情况进行统计：(1)计费用户号码；(2)月通话时长；(3)月通话次数；(4)月主被叫比例；(5)月漫游次数；(6)月掉话次数；(7)月基本费用；(8)月长途费用；

步骤3：建立隐马尔可夫模型，以下简称HMM模型；

定义隐马尔可夫模型中的观测状态节点集合S_sum＝{S₀,S₁,…,S₆}对应{月通话时长，月通话次数，月主被叫比例，月漫游次数，月掉话次数，月基本费用，月长途费用}；隐状态节点X＝{0,1}，其中0代表客户流失状态，1代表客户未流失状态；

步骤4：对观测状态节点对应的数据进行处理；

步骤4.1：将观测状态节点对应的静态数据转换成趋势数据；

利用公式(1)将观测状态节点的静态数据转换成趋势数据；