基于云計算的網絡技術研究與應用

聞鋒　張世奇

摘 要：現(xiàn)今，伴隨著無線網絡與通信技術的飛速發(fā)展，云計算的概念得以孕育而出并被廣泛應用于各個領域。 同樣的，在云計算技術的不斷發(fā)展和完善之時，云計算的思想與技術在電信網絡分析技術方面也得到了充分的應用。本文在深度剖析當前云計算的發(fā)展情況與運用云計算技術的價值的同時，也對其在通訊網絡關系中的運用，如好友推薦、社團特征、客戶價值預測等算法進行了簡明扼要的分析。

本文以用戶特征為基礎，從個體的角度展開分析，把從未有過呼叫記錄的新用戶作為主要探討的對象并預測其價值。分位點的引入使得客戶類別的分類和標簽不再僅局限于經驗邊界值，而是可以依據(jù)相對概念對客戶類別進行再分類，進而可以得出消費者的相對價值。同樣的，由個體進行分析，在客戶的行為特征與信息的基礎上，研討與分析的對象為選擇已產生呼叫行為的老用戶，并針對性的對這些老用戶的行為偏好進行相應的好友推薦。其算法脫身于云計算技術所完成的二度好友熟悉度測試算法，并據(jù)客戶好友的特征來進一步描繪客戶的行為偏好。

除卻個體角度的分析，本文還從群體角度通過社團的特征與演化進行研究。在進行個體分析時，無論新老用戶，其進行研討的對象都是單一的個體，至于多用戶的分析，則需從群體角度的進行研究與討論，研究其成員在群體內的諸多聯(lián)系，此處將這樣的群體定義為社團。

關鍵詞：云計算 客戶價值 好友推薦 社團特征 關系分析

1.云計算的簡介

若從技術角度分析云計算，可通過分層的模式體現(xiàn)云計算的主要概念，并將之視為一種基礎設施，而它的物理硬件層是虛擬化的，在此設施上構建數(shù)個框架以組成其主要架構。這樣的架構能夠給予系統(tǒng)一個輕便靈敏且具有自適應性的平臺，使之可良好響應于各層次的業(yè)務需求，并可交付給第三方平臺進行相關的計算，如PAAS、SAAS、LAAS等主流平臺。

2.云計算的發(fā)展現(xiàn)狀

在當下云計算技術的研究與應用中，Oracle、Redhat、IBM、微軟等大型主流軟硬件廠商也投入了大量資金及技術進行著相關的研究，并根據(jù)自身特點，提出相應的云計算架構體系。雖然不同廠商提出的架構或多或少都存在一定的差異，但在基本概念上卻都是一致的，差異較大的在于各廠商對云計算的理解與研究方向。

換個角度來說，在度過了初期的緩步發(fā)展后，云計算技術得到了相當?shù)拇蟮奶岣?，但仍有一些亟待解決的問題存在于其主要技術的研究與運用中，例如QOS問題、云環(huán)境下的網絡安全、多虛擬機之間功能融合的實現(xiàn)等一系列相關問題。

3.云計算在電信通信網絡關系分析中的應用

3.1基于云計算的客戶價值預測

在電信通信網絡的客戶價值預測工作中，通常不僅需要進行大量的運算，還需涉及非常廣博的知識面。若在客戶價值預測的工作中運用云計算的相關技術，則可對用戶的個人信息、偏好行為、通訊信息等相關數(shù)據(jù)進行深度的數(shù)據(jù)挖掘以得到其內在的關聯(lián)性。通過分位點概念的運用使得新用戶價值的預測變得更加有效，且此預測方法相較于傳統(tǒng)的預測方法而言，可有效降低誤差。

客戶價值預測主要流程為：

（1）獲取客戶的個人信息、偏好行為與通訊記錄中的有效字段，并按照一定規(guī)則對其進行拼接。

（2）再對用戶的個人信息進行相關的分析，如：年齡、性別、所在地區(qū)等信息，而后剔除解析完成后不符要求的用戶及其相關信息。

（3）聯(lián)合分位點的相關概念并以通訊時長作主要參考依據(jù)，對通話記錄進行相關的分類。若劃分了n個分位點，則可據(jù)此將用戶歸為n+1類，而后對已歸類的n+1個文件的不同類分別進行Bayesian模型訓練，并依據(jù)類的不同分別存儲n+1類數(shù)據(jù)。

（4）最后，需要利用測試集測驗上述模型的實際效果。

3.2基于云計算的好友推薦

3.2.1好友推薦的分析

通過使用云計算技術處理好友推薦算法的計算時，用戶的熟悉度與相似度作為其主要的參考依據(jù)。以此為主要依據(jù)的算法擁有良好的發(fā)展前景，算法中的熟悉度為其絕對量，并可依據(jù)二度好友的熟悉度與貢獻度完成相關檢索。據(jù)此推薦算法獲得相關熟悉度后，可按照二度好友的相關熟悉度對朋友屬性執(zhí)行加權算法，從而得到精確地偏好特性。

這種計算方法需要依據(jù)電信數(shù)據(jù)的特征，獲取通訊時長與頻率頻次等相關信息，并依據(jù)二度好友的用戶行為偏好、相關熟悉度以及屬性相似度等信息進行計算可得出總推薦度，而后對總推薦度進行分析，并給用戶推薦總相似度高的二度好友，從而完善推薦算法使之更加精準。

3.2.2好友推薦算法流程

好友推薦算法的主要計算流程：

首先，對一度好友間的相似度進行一定的計算，并根據(jù)運算結果獲得其熟悉度與之相關的二度好友之間的聯(lián)系。

其次，依據(jù)二度好友間的聯(lián)系計算其相似度，并按照上述一度好友的計算結果得出用戶環(huán)境與行為的偏好。

最后，對用戶的相關屬性、環(huán)境與行為的偏好以及二度好友間的相關熟悉度進行一定量的運算，從而解得算法的總推薦度，并按照總推薦度取值的大小或高低對不同的用戶給出相應的推薦結果。

3.3基于云計算的電信社團特征結構化存儲及驗證

云計算應用于電信社團特征結構化存儲的主要計算方法為：

分析一個月內的通話記錄，并統(tǒng)計分析其其所在的社團屬性。依據(jù)社團特征給出相關聯(lián)的結構化存儲方案，并利用通訊網絡檢驗所得方案的一致性。而后將社團結構特征的分析結果執(zhí)行歸一化處理的操作，并存儲于相應的存儲結構中，以便對其再次分析與檢驗。其中以社團為單位進行研究并執(zhí)行存儲方案的驗證時，剖析其所感興趣的相關數(shù)據(jù)的散布詳情，并與上述研討所得的相關數(shù)據(jù)進行對照分析與測驗，再將差異特征值加以統(tǒng)計。

主要計算流程為：

（1）對社團中的各個特征屬性加以統(tǒng)計，若存在尚未記錄的特征屬性，則需記錄其單屬性。

（2）對統(tǒng)計特征屬性所獲取的結果執(zhí)行歸一化處理的操作，并制訂其相關的概率分布詳情。

（3）最后對統(tǒng)計特征屬性的概率分布情況執(zhí)行一致化處理操作，并把處理結果存于上述的存儲結構中。

參考文獻：

[1] 王攀. IP網絡業(yè)務識別關鍵技術研究_王攀[D]. [出版地不詳]： 南京郵電大學， 2013.

[2] 廉捷. 基于用戶特征的社交網絡數(shù)據(jù)挖掘研究_廉捷[D]. [出版地不詳]： 北京交通大學， 2014.

[3] 閆海煜. 基于數(shù)字電子技術的通信網絡應用研究分析_閆海煜[J]. 數(shù)字技術與應用， 2013， 卷缺失（8）： 25.