基于Smart-DI和Smart-AutoML的电信行业挖掘平台研究及应用

来源 :江苏通信 | 被引量 : 0次 | 上传用户:carjitar
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
基于电信行业目前营销资源利用不足、数据挖掘难度大、门槛高等问题,通过建设电信行业智能挖掘分析平台,创新性地提出利用智能数据编排技术(Smart-DI,Data Integration)和智能自动建模技术(Smart-AutoML)进行电信行业各种营销模型的数据编排、模型搭建、模型训练、模型推理及模型输出,为电信行业提供全流程的自动化挖掘和营销数据服务.
其他文献
btrfs(b-tree文件系统)新增了ext系列文件系统没有的功能特性.本文简要阐述了btrfs文件系统新增的一些特性,并主要对比分析了与ext4文件系统在创建文件系统、删除文件、拷贝文件、读写文件方面的性能差异.对比分析了btrfs是否启用COW(Copy-on-write)机制,和选择不同压缩算法对文件读写性能的影响.通过对比分析ext4,btrfs在创建文件系统、拷贝文件和随机读写文件性能方面,其明显优于ext4.btrfs新增了COW机制,同时新增的zlib和lzo算法能够大幅提升文件的读写性能
区块链技术以其去中心化、公开透明、不可篡改等诸多优势被越来越多地应用于各行各业.文章将区块链技术与农业结合,聚焦当前普遍存在的消费者对食品安全信任危机问题,分析区块链技术在农产品供应链信源追溯上的天然优势,从功能体系、物理体系两个角度分别探讨区块链农产品供应链信源追溯体系的构建.文章从供应链全局角度出发提出了一套新的体系构建方法,综合考虑各环节角色存在的监管溯源问题,旨在通过区块链技术确保普通消费者“舌尖”上的安全.
阜宁阿特斯5G工业互联网项目,采用UPF下沉的方式降低信号延时,增强数据的安全性,但接入方式需要调整为本地B设备向下接入.本文以A设备与UPF的上行网关路由器互联,通过二层VPLS(Virtual Private Lan Service)和Eth-Trunk透传,实现B设备与网关三层交换机的互通,同时根据业务需求新增相应的VPN实例,做相应的静态路由和BFD设置,实现了下沉UPF的接入.
方位角作为最重要的天线参数,目前主要通过人工勘测获得,耗时耗力,还存在一定安全隐患,无法满足网络优化工作的高效进行.本文提出一种基于网络终端采样数据AOA(信号到达角度)的方位角自动化预测方法,在福建省宁德市随机抽取256个样本小区,利用MDT(最小化路测)数据、资管工参,建立终端上报的AOA、用户经纬度和基站经纬度之间的数学关系模型,实现天线方位角的自动化实时预测,并利用AOA偏差指标实现高精度预测小区筛选.将预测结果与人工勘测方位角进行比较发现:(1)此方法可以高效实现天线方位角的准确预测,10°、2
当前,EPON/GPON作为宽带接入网的主要接入方式,当用户带宽速率持续提升的情况下,接入带宽往往不能满足需求.从E/GPON向10G PON网络升级演进中,本文根据10G PON新建、10G PON与EPON/GPON共存两种组网模式下的用户带宽模型计算,得出10G PON网络在建设中的用户带宽和最佳用户数配置,以确定增加PON带宽或降低分光比达到千兆宽带接入网建设的最佳选择,为千兆宽带接入建设、快速部署10G PON网络提供参考.
5G建网初期主要以NSA网络为主,电信联通共建共享后,在NSA单双锚点边界,为了占用5G,共享方用户需要从自己的4G网络切换到建设方4G锚点.由于双方4G网络为异频组网,存在切换不及时问题,影响共享方用户体验.本文通过对NSA单双锚点边界切换策略的研究,提出了NSA单双锚点边界缓冲带方案,有效解决了边界异频切换对共享用户的影响,提升了网络质量和用户体验.
通信光缆是国家信息化建设的关键基础设施,也是国家信息安全的重要影响因素.除光缆本身质量对信息传输有影响外,外部敷设环境的差异也对光缆传输的质量和安全性有着重要影响.当前,在一些植被发达、鼠害严重的地区,常出现刚敷设完成的光缆就被破坏的情况,因此光缆的防鼠保护已成为通信、电力等行业重点关注的问题.本文对比分析光缆防鼠的几种主要措施,结合野外实地试验,对普通架空光缆和扁平防鼠光缆以及非金属纤维材料铠装圆形防鼠光缆进行防鼠性能的验证研究,为后续光缆防鼠措施的改进提供思路.
通过大数据分析方法,计算建设期内流量和端口增长速率,挖掘需要扩容的设备,并通过大数据思维,分析设备和板卡的关联关系,建立板卡库,根据算法自动推荐所需扩容的板卡类型和数量,最终自动生成扩容板卡方案.通过本文的研究方案,可以定期生成板卡扩容方案,提高建设效率,缩短建设周期,减少人工成本,解决现有板卡扩容方案存在的问题.
传统的训练模式需先将所有的数据汇聚再一起,才能进行后续的模型训练.在网络边缘进行大规模的数据汇聚会增加高昂的传输开销.为了避免原始数据传输,面向边缘设备上不断到达的流式数据,本文提出的边缘训练方法,能在边缘设备峰值负载可控的前提下,在保障训练效果的同时,降低边缘训练的总体开销.
本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.