3G网络用户数据分析技术与应用研究

摘要

随着3G网络的快速发展和3G用户数目的迅速增长,越来越多的国内外研究人员参与到3G网络数据分析的研究中。本文使用Hadoop存储、运算平台和Hive等工具,解析海量3G网络数据,达到了90％的DPI应用类型识别率,实现了3G应用识别和不同终端的匹配,从信令面和数据面的角度研究3G网络,分析不同移动用户的行为特征,例如各类应用流量分布、各类终端流量分布、用户基站访问次数等维度的分析;接着,本文使用基站合并算法对用户移动路径中的噪音进行消除并自定义规则提取用户路径,进一步分析用户的移动性。最后,本文使用朴素贝叶斯分类器方法,在将近1TB规模的数据的支持下,通过新用户的各类应用短期流量、终端类型、移动性等特性预测其长期的流量使用情况,并通过实验进一步证明了该方法的可行性和有效性,平均预测准确性可以达到80%以上。本文的方法克服了大规模数据存储和操作困难的缺点,并从更丰富的用户特征来预测用户长期的流量使用情况,不仅能为研究人员,也能为业界提供有力的技术背景支持。

目录

封面

声明

中文摘要

英文摘要

目录

图录

表录

第一章 绪论

1.1课题背景及研究意义

1.2国内外相关研究背景及研究现状

1.3论文的主要工作

1.4论文的组织结构安排

第二章 分析3G网络海量数据

2.1分析数据集

2.2数据关联分析

2.3局限性

第三章 用户移动性分析

3.1基站日志信息预操作

3.2基站合并

3.3用户移动性定义（加权移动性）

第四章 基于朴素贝叶斯方法的用户流量预测

4.1贝叶斯定理

4.2朴素贝叶斯分类器

4.3属性选取

4.4类别变量选取

4.5样本预测

4.6预测效果验证实验

第五章 实验结果与分析

5.1实验软硬件环境

5.2实验数据集

5.3实验结果与分析

5.4本章小结

第六章 结束语

6.1主要工作及结论

6.2未来研究方向

参考文献

致谢

攻读硕士学位期间已发表或录用的论文及参与的项目