基于特征化概念描述的氣象短信重點(diǎn)用戶數(shù)據(jù)挖掘方法*

褚希，周笑天，任廣治，王中英

（1.山東省氣象服務(wù)中心，山東 濟(jì)南 250031；2.山東省氣象信息中心，山東 濟(jì)南 250031）

1 引言

隨著經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步，為滿足人們?nèi)找嬖鲩L(zhǎng)的氣象服務(wù)需求，山東省氣象局于2004年4月成立了氣象聲訊服務(wù)中心，對(duì)外開展氣象聲訊服務(wù)工作，此時(shí)氣象短信應(yīng)運(yùn)而生。氣象短信為手機(jī)用戶獲取天氣預(yù)報(bào)提供了一種更快捷簡(jiǎn)便的方式，用戶可以隨時(shí)隨地獲取及時(shí)、準(zhǔn)確、專業(yè)、全面的氣象信息。十年間，氣象短信憑借其傳播便捷、準(zhǔn)確高效等服務(wù)優(yōu)勢(shì)，得到了通信運(yùn)行商的大力支持，一度在各通信運(yùn)行商增值業(yè)務(wù)品牌排名中名列前茅，同時(shí)也受到了廣大手機(jī)用戶的喜歡。目前山東省氣象短信用戶數(shù)由2004年初的100萬(wàn)增長(zhǎng)到近500萬(wàn)。

但是，近年來(lái)隨著3G網(wǎng)絡(luò)和智能手機(jī)的發(fā)展，出現(xiàn)了諸多的天氣通、墨跡天氣等智能手機(jī)應(yīng)用終端軟件，人們可以隨時(shí)隨地獲取各種氣象信息。另外，再加上各種非正規(guī)渠道發(fā)布的氣象信息充斥著市場(chǎng)，導(dǎo)致氣象短信用戶在近幾年一直處于下滑狀態(tài)[1]。據(jù)統(tǒng)計(jì)，山東省的氣象短信用戶的下滑率已高達(dá)5%，如何減少氣象短信用戶的流失已成為氣象服務(wù)部門急需解決的問題。

為減少用戶流失，氣象部門除了要不斷提高氣象服務(wù)能力之外，還應(yīng)對(duì)氣象短信用戶的相關(guān)情況進(jìn)行分析和研究，探討哪些用戶是氣象短信的重點(diǎn)需求用戶很有必要。本文以數(shù)據(jù)挖掘的相關(guān)理論為基礎(chǔ)，利用概念描述數(shù)據(jù)挖掘的相關(guān)知識(shí)，提出了一種基于特征化概念描述的氣象短信重點(diǎn)用戶數(shù)據(jù)挖掘方法，能夠?qū)庀蠖绦庞脩暨M(jìn)行發(fā)現(xiàn)，對(duì)重點(diǎn)用戶的特征進(jìn)行提取，發(fā)掘氣象服務(wù)重點(diǎn)用戶，從而為氣象部門進(jìn)行有的放矢的用戶挽留、減少用戶流失提供參考。

2 概念描述數(shù)據(jù)挖掘

數(shù)據(jù)挖掘（Data Mining）是數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Databases）中的一個(gè)步驟。它是從大量的數(shù)據(jù)中提取或挖掘可能有用的信息和知識(shí)，是在數(shù)據(jù)庫(kù)中發(fā)現(xiàn)有效的、新穎的、潛在有用的、可理解的模式的非平凡過程。通過數(shù)據(jù)挖掘，可以從數(shù)據(jù)庫(kù)提取有趣的知識(shí)、規(guī)律或高層信息，并可以從不同角度觀察或?yàn)g覽數(shù)據(jù)，數(shù)據(jù)挖掘發(fā)現(xiàn)的知識(shí)可以用于決策、過程控制、信息管理、查詢處理等。數(shù)據(jù)挖掘一般按照數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)選擇、數(shù)據(jù)變換、數(shù)據(jù)挖據(jù)、模式評(píng)估、知識(shí)表示等步驟進(jìn)行。目前，數(shù)據(jù)挖掘已廣泛地應(yīng)用于制造業(yè)、零售業(yè)、保險(xiǎn)業(yè)、電信業(yè)、市場(chǎng)營(yíng)銷、互聯(lián)網(wǎng)等諸多領(lǐng)域[2-5]。

概念描述是對(duì)含有大量數(shù)據(jù)的數(shù)據(jù)集合進(jìn)行概述性總結(jié)，并獲得簡(jiǎn)明、準(zhǔn)確的描述，通過綜合、匯總、歸納和對(duì)比來(lái)分析事物的特征。概念描述數(shù)據(jù)挖掘是描述式數(shù)據(jù)挖掘中的一種，它能夠以簡(jiǎn)單的、概要的方式描述數(shù)據(jù)，對(duì)給出數(shù)據(jù)進(jìn)行簡(jiǎn)潔匯總并形成目標(biāo)類數(shù)據(jù)的特征情況[6]。一般用t-weight 度量表示描述規(guī)則中對(duì)應(yīng)概化關(guān)系的某個(gè)元組的典型性，對(duì)于某個(gè)概化元組qa而言，qa的t-weight 是來(lái)自初始工作關(guān)系被qa涵蓋目標(biāo)類元組的百分比，t-weight 在特征規(guī)則中表示的是條件成為目標(biāo)類的充分條件。將目標(biāo)類與對(duì)比類進(jìn)行比較，其度量一般用d-weight 表示，qa的d-weight 是初始目標(biāo)類工作關(guān)系中被qa覆蓋的元組數(shù)與初始目標(biāo)類和對(duì)比類工作關(guān)系中被qa覆蓋的元組數(shù)的比，d-weight 表示的是條件成為目標(biāo)類的必要條件。因此，利用t-weight 和d-weight 即可對(duì)應(yīng)目標(biāo)類的充分必要條件。

3 基于概念描述的氣象短信重點(diǎn)用戶特 征數(shù)據(jù)挖掘方法

按照數(shù)據(jù)挖掘的步驟，給出基于特征化概念描述的氣象短信重點(diǎn)用戶挖掘方法的具體步驟如下：

（1）選取要進(jìn)行挖掘的氣象短信用戶數(shù)據(jù)，確定數(shù)據(jù)結(jié)構(gòu)。

（2）刪除與挖掘任務(wù)無(wú)關(guān)的用戶屬性。

（3）概化處理有大量不同值的用戶屬性。

其中，步驟（1）為數(shù)據(jù)挖掘任務(wù)的描述，步驟（2）、（3）為數(shù)據(jù)挖掘的預(yù)處理，步驟（4）、（5）、（6）為數(shù)據(jù)挖掘，步驟（7）為數(shù)據(jù)挖掘的結(jié)果表示。

4 氣象短信重點(diǎn)用戶特征數(shù)據(jù)挖掘?qū)嵗?/h2>

以氣象短信用戶的相關(guān)數(shù)據(jù)為例，隨機(jī)抽取氣象短信用戶系統(tǒng)數(shù)據(jù)庫(kù)中的3 000條信息，對(duì)上文提出的方法進(jìn)行驗(yàn)證。為了更好地分析氣象短信的用戶相關(guān)特征，抽取的用戶既包含當(dāng)前在網(wǎng)定制氣象短信業(yè)務(wù)的用戶，也包含曾經(jīng)定制過氣象短信但目前已退訂業(yè)務(wù)的用戶。

4.1 確定用戶數(shù)據(jù)結(jié)構(gòu)

定制氣象短信的用戶作為普通的手機(jī)用戶，首先，用戶的屬性信息一般包含姓名、身份證號(hào)、電話號(hào)碼；其次，用戶在定制氣象短信時(shí)會(huì)產(chǎn)生相應(yīng)的屬性信息，如定制時(shí)間、退訂時(shí)間、定制來(lái)源、定制產(chǎn)品類型、費(fèi)率、用戶號(hào)碼所在地、定制地區(qū)等信息。因此，氣象短信服務(wù)用戶的數(shù)據(jù)結(jié)構(gòu)包含以下多種屬性。相應(yīng)的數(shù)據(jù)結(jié)構(gòu)如表1所示：

表1 氣象短信用戶的數(shù)據(jù)結(jié)構(gòu)

由表1可知，氣象短信用戶系統(tǒng)中共有20個(gè)屬性，這些屬性在系統(tǒng)中存在是為了對(duì)氣象短信用戶進(jìn)行更好的管理。針對(duì)數(shù)據(jù)挖掘而言，有些屬性跟挖掘任務(wù)并不相關(guān)，需要?jiǎng)h除；有些屬性的數(shù)據(jù)粒度太過細(xì)節(jié)，需要進(jìn)行概化處理后再進(jìn)行挖掘。

4.2 用戶屬性的刪除

氣象短信用戶的數(shù)據(jù)結(jié)構(gòu)中，姓名、出生日期、身份證號(hào)、家庭地址、電子郵箱、手機(jī)號(hào)碼等屬性都是針對(duì)個(gè)人信息而言的，數(shù)據(jù)粒度太過細(xì)節(jié)，每個(gè)屬性均存在大量不同值，無(wú)法進(jìn)行數(shù)據(jù)概化處理，而且這些屬性對(duì)氣象短信重點(diǎn)用戶的特征化數(shù)據(jù)挖掘任務(wù)而言沒有挖掘意義，因此將這些屬性刪除。另外，性別、年齡、民族、文化程度、職業(yè)、郵政編碼、退訂時(shí)間屬性雖然可以進(jìn)行屬性的概化，但對(duì)氣象短信重點(diǎn)用戶的特征提取意義不大，為避免大數(shù)據(jù)量的挖掘運(yùn)算，也將這些屬性刪除。

4.3 用戶屬性的概化

經(jīng)過用戶屬性的刪除步驟后，氣象短信系統(tǒng)中需要概化的屬性及其取值情況處理為以下幾方面：

（1）在網(wǎng)時(shí)長(zhǎng)

在網(wǎng)時(shí)長(zhǎng)屬性反映用戶使用氣象短信業(yè)務(wù)的時(shí)間長(zhǎng)短，通過用戶的定制起始時(shí)間和退訂時(shí)間可得到其值，根據(jù)統(tǒng)計(jì)結(jié)果的情況，對(duì)該屬性概化為4項(xiàng)，取值為：{1（小于0.5年）、2（0.5—1年）、3（1—2年）、 4（大于2年）}。

（2）定制起始時(shí)間

定制起始時(shí)間屬性能反映不同時(shí)期用戶定制氣象短信的情況，并體現(xiàn)各階段氣象短信業(yè)務(wù)的發(fā)展?fàn)顩r，根據(jù)統(tǒng)計(jì)結(jié)果，對(duì)該屬性概化為4項(xiàng)，取值為：{1（最近半年內(nèi)）、2（最近1年內(nèi)）、3（最近2年內(nèi)）、4（2年前）}。

（3）定制地區(qū)

氣象短信業(yè)務(wù)目前針對(duì)用戶的定制地區(qū)只有某市區(qū)氣象短信和某縣區(qū)氣象短信這2類，因此對(duì)該屬性概化為2項(xiàng)，取值為：{1（市區(qū)）、2（縣）}。

（4）號(hào)碼歸屬地區(qū)

山東省共有濟(jì)南、青島、淄博、棗莊、東營(yíng)、煙臺(tái)、濰坊、濟(jì)寧、泰安、威海、日照、萊蕪、臨沂、德州、聊城、濱州、菏澤17個(gè)地級(jí)市，縣級(jí)單位140個(gè)。由于短信用戶的定制情況與當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展水平、人口數(shù)量等密切相關(guān)，因此根據(jù)山東省地市的實(shí)際經(jīng)濟(jì)與發(fā)展?fàn)顩r，將其概化為3項(xiàng)，取值為：{1（副省級(jí)市）、2（沿海地區(qū)）、3（中西部地區(qū)）}。其中，副省級(jí)市為：濟(jì)南、青島；沿海城市為：煙臺(tái)，威海，日照，東營(yíng)，濰坊；中西部城市為：淄博、棗莊、濟(jì)寧、泰安、萊蕪、臨沂、德州、聊城、濱州、菏澤。

（5）定制來(lái)源

氣象短信系統(tǒng)中該屬性共有3項(xiàng)取值：{1（客服電話）、2（網(wǎng)站）、3（上行短信）}，該屬性不需再概化。同樣，費(fèi)率和定制產(chǎn)品在氣象短信系統(tǒng)中的取值較少也不需概化，直接使用其取值。

經(jīng)過對(duì)屬性的刪除和概化，數(shù)據(jù)挖掘中的氣象短信用戶屬性共有8個(gè)。用于數(shù)據(jù)挖掘的屬性表如表2所示：

表2 用于數(shù)據(jù)挖掘的屬性表

4.4 t-權(quán)和d-權(quán)計(jì)算

4.5 特征分析

4.6 特征提取

由此可知，氣象短信重點(diǎn)用戶特征為：通過客服電話定制的、費(fèi)率為包月2元、定制某市區(qū)下午天氣預(yù)報(bào)產(chǎn)品的用戶。

5 評(píng)估結(jié)果分析

下面對(duì)上述結(jié)果進(jìn)行總結(jié)和分析。

首先，從氣象短信重點(diǎn)用戶特征提取的情況可知，如果一個(gè)用戶為氣象短信的重點(diǎn)用戶，那么他可能是省內(nèi)的沿海地區(qū)用戶，在網(wǎng)時(shí)長(zhǎng)為2年以上、在2年前定制了某市區(qū)的天氣預(yù)報(bào)地區(qū)，也可能是通過客服電話定制包月2 元的下午天氣預(yù)報(bào)。另一方面，如果一個(gè)用戶在省內(nèi)的中西部地區(qū)，在網(wǎng)時(shí)長(zhǎng)為0.5—1年，而且最近2年內(nèi)定制了某市區(qū)的包月2元的下午天氣預(yù)報(bào)，那么他很可能就是氣象短信的重點(diǎn)用戶。

其次，從氣象短信重點(diǎn)用戶的統(tǒng)計(jì)樣本數(shù)據(jù)來(lái)分析。氣象短信重點(diǎn)用戶的在網(wǎng)時(shí)長(zhǎng)和定制起始時(shí)間占較大的選項(xiàng)均為2年前，說(shuō)明在2年前氣象短信的用戶認(rèn)可度高、定制率高；最近半年內(nèi)的在網(wǎng)用戶以及定制起始時(shí)間在半年內(nèi)的用戶占比均不到10%，說(shuō)明近半年氣象短信用戶的發(fā)展較為緩慢。定制地區(qū)為市區(qū)的氣象短信用戶占70.63%，說(shuō)明氣象短信在城市用戶中認(rèn)可度較高，在縣級(jí)以下地區(qū)的認(rèn)可度較低，這與縣級(jí)以下地區(qū)經(jīng)濟(jì)發(fā)展水平欠發(fā)達(dá)以及氣象短信產(chǎn)品的基層宣傳力度不足有關(guān)。費(fèi)率為包月2元的業(yè)務(wù)更受用戶歡迎，說(shuō)明價(jià)格低廉是氣象短信的一大優(yōu)勢(shì)。另外，定制來(lái)源中客服電話的占比最高，說(shuō)明氣象短信的發(fā)展還主要依賴通信運(yùn)營(yíng)商的定制渠道，氣象部門自身拓展用戶市場(chǎng)的能力還不足，應(yīng)該進(jìn)一步加強(qiáng)與通信運(yùn)營(yíng)商的合作，借助通信運(yùn)營(yíng)商的力量更好地開拓氣象短信用戶市場(chǎng)。

表3 氣象短信重點(diǎn)用戶目標(biāo)類、對(duì)比類的t-權(quán)和d-權(quán)表

6 結(jié)論

本文以數(shù)據(jù)挖掘的相關(guān)理論為基礎(chǔ)，利用概念描述數(shù)據(jù)挖掘的相關(guān)知識(shí)，提出了一種基于特征化概念描述的氣象短信重點(diǎn)用戶數(shù)據(jù)挖掘方法。該方法能夠?qū)庀蠖绦胖攸c(diǎn)用戶的特征進(jìn)行提取，發(fā)掘氣象服務(wù)重點(diǎn)用戶特征。通過實(shí)例進(jìn)一步驗(yàn)證，該方法具有較強(qiáng)的可操作性，能夠?yàn)闅庀蟛块T進(jìn)行氣象短信用戶的市場(chǎng)分析、減少用戶流失提供參考。

[1] 李建,張鋒. 短網(wǎng)址技術(shù)在浙江省氣象短信業(yè)務(wù)中的應(yīng)用[J]. 計(jì)算機(jī)與網(wǎng)絡(luò), 2013(14): 72-75.

[2] 趙海青,李社宗,周幸福,等. 數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)及其在氣象中的應(yīng)用[J]. 河南氣象, 2002(2): 35-36.

[3] Mehmed Kantardzic. 數(shù)據(jù)挖掘——概念、模型、方法和算法[M]. 北京: 清華大學(xué)出版社, 2003.

[4] Han J W, Kamber M. 數(shù)據(jù)挖掘概念與技術(shù)[M]. 北京: 機(jī)械工業(yè)出版社, 2001.

[5] 馬廷淮,穆強(qiáng),田偉,等. 氣象數(shù)據(jù)挖掘研究[J]. 武漢理工大學(xué)學(xué)報(bào), 2010,32(16): 110-114.

[6] 徐鎮(zhèn)輝. 特征化概念描述的數(shù)據(jù)挖掘方法在學(xué)生評(píng)教中的應(yīng)用[J]. 漳州職業(yè)技術(shù)學(xué)院學(xué)報(bào), 2006,8(4): 21-23.★