WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     || 2 |

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Поволжская государ

На правах рукописи

ственная академия телекоммуникаций и информатики Научный руководитель – доктор технических наук

, Мелик-Шахназаров Артём Витальевич профессор Кораблин М.А.

Официальные оппоненты – доктор технических наук, профессор Карташевский В.Г., кандидат технических наук, доцент Симановский Е.А.

РАЗРАБОТКА МОДЕЛЕЙ ВЫЯВЛЕНИЯ ВЗАИМОЗАВИСИМЫХ ФАКТОРОВ В Ведущая организация – Институт проблем управления ТЕЛЕКОММУНИКАЦИОННОМ ТРАФИКЕ НА сложными системами РАН.

ОСНОВЕ РЕГРЕССИОННО-КОГНИТИВНЫХ ГРАФОВ Специальность 05.13.13

Защита диссертации состоится «_»2007 г. в час.

Телекоммуникационные системы и компьютерные сети на заседании диссертационного совета Д 219.003.02 при Поволжской государственной академии телекоммуникаций и информатики (ПГАТИ) по адресу: 443010, г. Самара, ул. Л. Толстого, 23.

С диссертацией можно ознакомиться в библиотеке ГОУВПО ПГАТИ.

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата технических наук

Автореферат разослан «_» _2007г.

Учёный секретарь диссертационного совета Д 219.003.02, д.т.н., доцент Мишин Д.В.

Самара, 2007 2

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Для достижения поставленной цели требуется решить слеАктуальность темы дующие задачи:

Количество видов телекоммуникационных услуг постоянно рас- 1.Провести анализ существующих биллинговых систем.

тет, а их объемы варьируются от клиента к клиенту, изменяются во 2.Выявить наиболее перспективные алгоритмы Data Mining времени, подвержены сезонным изменениям и т.п. Взаимосвязи между для анализа трафика биллинговой системы.

объемами услуг разных видов неочевидны: существуют ли скрытые 3.Проанализировать выявленные алгоритмы с целью разработсвязи между услугами, какова «сила» этих связей и к чему приведут ки моделей, которые позволят наиболее эффективно решать задачу возможные изменения объемов оказываемых услуг Ответ на эти и прогнозирования трафика.

подобные вопросы имеет вполне определенное практическое значение, 4.Разработать алгоритм анализа и прогноза объемов телекомпозволяющее предсказать изменение объемов и, соответственно, эко- муникационных услуг.

номические эффекты, свойственные той или иной ситуации, склады- 5.Провести моделирование, основанное на предложенном алвающейся на рынке телекоммуникационных услуг. горитме и реальных данных биллинговой системы, и сделать выводы о Одна из современных парадигм анализа данных, направленная целесообразности использования предложенных моделей.

на выявление скрытых закономерностей, реализуется при помощи меМетоды исследования тодов информационной технологии Data Mining (Интеллектуальный Основные теоретические и экспериментальные исследования Анализ Данных). Эта технология относится к мультидисциплинарной диссертационной работы выполнены с применением методов матемаобласти, возникшей и развивающейся на основе достижений статиститической статистики, когнитивного моделирования, регрессионного ки, распознавания образов, методов искусственного интеллекта, теории анализа и использованием аналитической системы PolyAnalyst баз данных. Большой вклад в развитие этой технологии внесли работы (Megaputer).

М. Бонгарда, Ф. Розенблатта, У. Мак-Каллока, У. Питса, Е.Фикса, Д.

Ходжеса, Г. Лбова, Р. Фогеля, А.Ивахненко, Л. Бреймана, Т. Рипли, Т. Научная новизна заключается в следующем:

Фрейдмана.

Предложен новый алгоритм регрессионно-когнитивного модеМетоды технологии Data Mining широко применяются для ана- лирования, который позволяет производить прогнозирование объема лиза трафика в телекоммуникационных компаниях. Наиболее извест- трафика телекоммуникационной компании на основе биллингового ными являются система МineSet и разработки С. Рамакришнана, А. файла. На базе предложенного алгоритма разработана модель, осноМейдана, Б. де Виля, В. Дюка, М. Куприянова, а также компаний SPSS, ванная на концепции когнитивных графов.

StatSoft, WizSoft, Megaputer, BaseGroup, Microsoft. Вместе с тем эти разработки не позволяют в полной мере реализовать выявление скрыПрактическая ценность работы тых закономерностей в телекоммуникационном трафике, что ограни- Представленное регрессионно-когнитивное моделирование чивает возможности их использования для достоверного прогнозиро- позволит телекоммуникационным компаниям эффективно анализирования объемов предоставленных услуг. вать биллинговые файлы и выстраивать работу, ориентированную на В связи с этим, решение проблемы разработки моделей выявле- качественное предоставление услуг клиентам для различных тарифных ния скрытых закономерностей в телекоммуникационном трафике, попланов на этапе заключения договора.

зволяющих рационально перераспределять ресурсы компанииРеализация результатов работы оператора, является актуальной. Разработанный в работе алгоритм регрессионно-когнитивного Объектом исследования являются данные биллинговой сис- моделирования принят к использованию Самарским филиалом ОАО темы телекоммуникационной компании. «ВолгаТелеком», внедрен в учебный процесс в Поволжской государстЦелью работы является построение моделей для анализа ин- венной академии телекоммуникаций и информатики г. Самара.

формации, хранящейся в биллинговой системе, обеспечивающих раАпробация работы циональное использование ресурсов компании-оператора. Основные результаты по теме диссертационного исследования докладывались на Международной научно-технической конференции 3 "Проблемы техники и технологии телекоммуникаций" (Самара, 2006). услугами. Использование этих взаимосвязей позволит оператору созНаучные и прикладные результаты диссертационной работы опубли- дать новые модели, которые скрыты в файлах данных и использование кованы в 5 статьях в периодических научных изданиях. которых может быть гарантом успешной работы на телекоммуникациПубликации онном рынке.

Основное содержание диссертации отражено в 6 научных из- даниях. Сервис для клиентов На защиту выносятся:

Работа с дилерами и - модель прогнозирования объемов телекоммуникационных ус- партнерами Управление сетевым оборудованием луг, построенная на основе регрессионно-когнитивного аналиБухгалтерский учет за;

Мониторинг процес- алгоритм реализации вышеупомянутой модели применительно сов к реальным данным оператора связи;

Биллинговая система - результаты применения модели для прогнозирования объемов телекоммуникационных услуг.

Анализ исходной Структура и объём работы Функции приложения СУБД информации Диссертационная работа состоит из введения, четырёх глав, заключения, списка литературы и приложений. Основная часть работы Запросы к коммутато- Тарификация ру содержит 136 страниц машинописного текста, 44 рисунка, 5 таблиц.

Формирование Список литературы содержит 82 наименования.

табличных данных Работа со счетаСОДЕРЖАНИЕ РАБОТЫ

ми Введение Здесь обоснована актуальность темы, приведён обзор работ по теме диссертации, сформулированы цель и основные задачи исследо- вания, описан состав и структура работы, определена научная новизна. Рисунок 1. Функции биллинговой системы.

Глава 1 посвящена обзору биллинговых систем и структуре Глава 2 посвящена сравнительному анализу использования их построения. В ней обозначены цели исследования телекоммуника- методов Data Mining (интеллектуальный анализ данных), для выявлеционного трафика. ния скрытых закономерностей в информации о трафике, содержащейся Биллинговые системы представляют собой комплексы, рабо- в биллинговой системе тающие во взаимосвязи с коммутатором и другими внешними устрой- В телекоммуникациях технология Data Mining используется ствами, вычисляющие стоимость услуг связи для каждого клиента, для решения различных задач:

хранящие информацию обо всех тарифах и прочих стоимостных харак- - Сегментация рынка, с помощью которой компании могут теристиках, которые используются телекоммуникационными операто- создавать «маркетинговые сегменты», объединяя клиентов в группы по рами для выставления счетов абонентам и взаиморасчетов с другими предпочтениям и запросам, используемым услугам и их объемам;

поставщиками услуг. На рисунке 1 представлены «стандартные» функ- - Построение профиля абонента компании для выработки цеции биллинговых систем. ленаправленной маркетинговой политики, обеспечения лояльности Управление трафиком на сегодняшний день является одной из клиента;

центральных задач телекоммуникационного оператора. Аналитическое - Повышение эффективности рекламных кампаний путем выуправление позволит оператору найти в своем трафике такие зависи- деления целевой аудитории (Direct marketing);

мости, которые ранее не учитывались, но правильное использование - Выявление групп нелояльных абонентов.

которых позволит установить взаимосвязи между предлагаемыми 5 - Персонализация содержания web-сайта оператора для приУровень прибыли влечения и удержания посетителей сайта, увеличения продаж услуг через Интернет. Цены на услуги - Управление телекоммуникационным трафиком и перерас+ Количество телеком- пределение услуг, предоставляемых телекоммуникационной компани- муникационных операей.

торов - Предоставления данных для CRM и ERP систем.

Одной из актуальных задач для любого телекоммуникацион– ного оператора является задача управления трафиком, связанная с перераспределением услуг. Решение данной задачи позволит, например, + решать такую проблему, как загруженность каналов. Задачу можно Уровень + решить, используя эволюционное программирование, имеющее в своКоличество 3 конкуренции ем составе мощный аналитический аппарат.

предоставляемых услуг Глава 3 посвящена исследованию нового класса регрессионно-когнитивных моделей (РКМ). В ней приведены основные принципы Рисунок 2. Пример когнитивной карты ситуации моделирования при помощи данной методологии, описаны системные подходы, связанные с прогнозированием объемов трафика телекоммуНа рисунке 3 отражена схема взаимодействий когнитивного никационной компании на основе данных биллинговой системы.

моделирования, в основу которого положены входные факторы. С учеКогнитивный подход к поддержке принятия управленческих том этих факторов создается модель исследуемой ситуации как соворешений ориентирован на то, чтобы активизировать интеллектуальные купность гипотез, способных объяснить развитие системы. Кроме того, процессы эксперта и помочь ему зафиксировать свое представление о создаются гипотезы, способные объяснить механизмы влияния между проблемной ситуации в виде формальной модели. В качестве такой теми или иными факторами системы и установить причинномодели обычно используется так называемая когнитивная карта ситуаследственные связи между ними.

ции (А. Кулинич, Ф. Робертс, Д. Хейс), которая представляет известные эксперту основные законы и закономерности наблюдаемой ситуации в виде ориентированного знакового графа, в котором вершины Когнитивная модель графа – это факторы (признаки, характеристики ситуации), а дуги между факторами – причинно-следственные связи.

Графовая модель такой карты характеризуется наличием верВходные факторы Причинношин-факторов и дуг, помеченных знаками «+» и «–». Такая разметка следственные связи определяет положительные и отрицательные связи между факторами.

Пример когнитивной карты некоторой ситуации для рынка телекоммуникационных услуг представлен на рисунке 2. Более детальная модель Гипотезы о движущих силах требует перехода на следующий уровень структуризации информации, т.е. к собственно когнитивной модели. Цель когнитивного моделирования заключается в генерации и проверке гипотез о функциональной структуре наблюдаемой ситуации, способной объяснить поведение Рисунок 3. Схема взаимодействий когнитивного моделирования системы.

Такие взаимосвязи, как правило, не очевидны, поэтому возникает вопрос: существуют ли скрытые связи между различными факторами, какова «сила» этих связей и к чему приведут возможные количе 7 ственные изменения для каждого из факторов. Ответ на эти и подоб- На следующем этапе на основе имеющихся данных проводитные вопросы имеет вполне определенное практическое значение, по- ся количественный анализ взаимных влияний в сконструированном зволяющее предсказать экономические эффекты, свойственные той полносвязном графе. Для этого создается регрессионная модель для или иной ситуации, складывающейся на рынке телекоммуникацион- каждого из имеющегося набора факторов.

ных услуг.

i i = 1, n; j j = 1, n; exept i = j;

Для анализа и прогнозирования взаимовлияний телекоммуни n Ф = Фi + kФ Ф (1) кационных факторов предлагается использовать методологию регрес i б Фi j сионно-когнитивного моделирования, которая дополняет когнитивный j j = граф ситуации механизмами регрессионного анализа. Весь процесс j i регрессионно-когнитивного моделирования можно разделить на несколько этапов, представленных на рисунке 4. Здесь представлена линейная модель из n факторов, Ф1 б, Ф2 б, …, Фn б – базовые значения факторов (свободные члены регрессий), k – 1 Выдвижение гипотез о ситуации коэффициенты влияния. Например, kФ Ф2 определяет влияние факэтап (Определение факторов и конструирование тора Ф1 на фактор Ф2.

полносвязного графа когнитивной модели) В общем случае влияние связей и цепочек когнитивного графа исследуемой системы, реализуемое через коэффициенты влияния kФ Ф, определенные статистическими методами, должны учитывать i j Проверка и принятие гипотез о ситуации и временные задержки изменения зависимых и влияемых факторов.

Pages:     || 2 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»