基于用户行为分析的骚扰电话识别系统

发布时间：2020-05-15 19:34

【摘要】：随着人们的收入水平不断提高,移动通信业务的不断发展,移动终端的价格持续下降。截至2018年12月底,中国移动的移动终端总数为9.25亿,中国电信的手机用户总数为3.03亿,中国联通的手机用户总数为3.15亿,中国手机用户总数已达到15.43亿,可见,手机已经成为人们生活的必需品。移动通信的快速发展为人们带来了便利,同时,也使一些人为了商业目的而进行电话营销,骚扰和欺诈。甚至一些国内外的团体也使用移动通信来促进和传播一些非法信息用于政治目的,导致骚扰电话的泛滥。它已成为用户投诉电信运营商的重要原因之一,也对通信网络设备的负荷造成了重大影响。为了创建绿色的网络环境,对骚扰电话的识别成为考验政府、电信运营商、学术界需要重点解决的问题之一。本论文研究的对象是通过大数据、数据挖掘等技术识别骚扰电话行为的特征。首先,以中国移动NO.7信令数据为分析对象,从某省移动公司的业务支撑网、网管网、信令网、客服等系统中采集各类和用户相关的通信数据,使用数据库进行存储;然后,利用分类数据挖掘等技术,构建疑似骚扰电话的分析模型,对用户拨打电话的行为进行分析,实现识别拨打骚扰电话的行为;最后,通过自动拨测等技术进行回拨取证,提供给电信运营商进行处理,实现骚扰电话识别和封堵。本论文的技术关键点和创新点一是应用分类挖掘技术中的贝叶斯算法对拨打骚扰的行为进行筛选,应用聚类挖掘技术分析骚扰电话的生命周期,从而保证利用有限资源实施高效的拦截。二是对疑似骚扰电话进行自动取证。本文实现的系统在中国移动某省公司的试运行结果表明,通过用户行为分析识别拨打电话进行骚扰行为的方法效果显著,可以作为识别骚扰电话的手段之一。
【图文】：

数据集

4.7.3 使用 SPSS 实现骚扰电话识别算法的建模通过上面的分析，我们可以看到，算法的计算是非常复杂的，尤其是针对客户量巨大的通信数据所以，，这里我们使用 SPSSmodeler 进行模型的建立 SPSSmodeler是一款专门的数据挖掘软件，它不仅涵盖了目前流行的大部分数据分析方法和经典的数据挖掘模型，而且把不同操作和分析模型集成到不同节点中，使用方便，简单易用，具有很好的可视化界面同时，modeler 专门对模型算法进行了优化，使其更加适用于大型数据，模型构建时间更短，更加节约系统资源，模型的结果也更加准确[28] 这里，我们就用例子对贝叶斯分类进行介绍这里，我们提取了某运营商 3 天的 CDR 数据，首先筛选出服务商为 ***μ，主叫地区为长春μ的数据，再经过数据的初步计算整合，得到我们需要的属性信息由于数据量较大，我们对数据进行随机抽样，得到 3457 条记录下面，我们就基于上述数据建立骚扰电话识别模型 ξ1ο数据格式该数据集包括 8 个变量，3457 条记录，如图 4.10 所示：

数据流图,模型流,节点

图 4.12 模型流程图下面我们基于数据流图对整个建模过程进行分析介绍：节点 1：数据导入节点由该节点将数据导入到模型构建流中该节点能够导入以多种格式存储的数据，这些格式包括平面文件 SPSSStatisticξs.savο SAS MicrosoftExcel 和 ODBC 兼容关系数据库也可以使用用户输入节点生成综合数据节点 2：数据类型节点主要用于分析数据集中不同属性数据的测量级别ξ连续分类或者时间戳数据ο，值范围，缺失值处理方式以及数据方向ξ输入或者输出ο等内容上面的图 4.12 就是该实验的数据类型节点节点 3：数据审核节点过数据审核节点，使您可以对数据各项统计信息ξ最大最小值平均值方差等ο有一个基本的了解，同时还可以生成各种数据准备节点ξ如极值缺失值处理节点ο 上面的表 4-17 就是一个数据审核节点的内容节点 4：特征选择节点通过该节点对影响决策变量的所有属性进行分析，剔除不重要的变量不重要变量的选择基于以下原则进行：
【学位授予单位】：长春工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F626;TP311.13

【相似文献】