电信网帐务系统及辅助决策研究与开发
摘要
随着电信市场的逐步开放和电信业务的不断发展，市场竞争更加激烈，用户对电信服务的要求越来越高，电信计费帐务系统是中国电信业务支撑的关键应用系统之一。提高计费准确率、完善帐务处理流程及提高帐务系统的准确性是杜绝帐务投诉，优质高效开展帐务工作的必要条件。本论文在此背景下，研究和开发了电信计费帐务系统。
在电信计费帐务系统研究的基础上，本论文还研究开发了97接口系统。该系统通过分析电信业务流程，实现异种结构数据转换，解决了原有的“97系统”和现在的计费帐务系统之间用户资料存在的差异问题，这是影响计费准确率、实时话单算费和实时帐务处理的一个重要因素。论文中所论述的97接口系统实现了实时或定时转换“97数据库”中业务信息至帐务系统，研究了实现两个系统间信息通信的方法。
为了完成信息资源的深层次应用，解决电信企业在市场经营中面临的种种问题，需要从大量数据中提取出隐藏的关键信息，为领导正确决策提供重要依据。论文中，研究了在电信行业中运用数据挖掘技术处理业务数据，总结规律的方法，通过这些数据挖掘方法的运用，为决策分析提供了科学依据。
本论文所开发的计费帐务系统和接口系统及其运用数据挖掘技术辅助电信领导层决策等项目内容，都已在杭州地区各地方电信局得到应用。
With the gradual opening of telecom market and the continuous evolution of telecom services, the competitions of market become more intense. Customers hope to get higher quality service. As one of the telecommunication service fundmental application systems, the billing system is the important tool for the improvement of the service quality, the management level, the management efficiency and the enterprise competition. It's greatly necessary to improve the billing precision. Under this background, the billing system has been researched and developed in this thesis.
Based on the research of the telecom billing system, the "97-interface system" has been developed. Through the analyses of the operational flow, this system has realized the conversion between the two different structures of data, and has solved the problem that the original "97 project system" has many differences with our billing system, which make it difficult to bill on time. How to realize the communication between the two systems has been introduced.
To find the deeper application of the information resources, understand more requirements of the customers, solve the problems in the management, it's necessary to get the hidden information from a great deal of data, and apply it to assist the enterprise leader to make decisions, hi this thesis, the Data Mining application in the telecom services has been researched.
The billing system, "97-interface system" and the telecom services decision-making assistance by the Data Mining technique have been used in many district telecommunication companies around Hangzhou.
在电信计费帐务系统研究的基础上，本论文还研究开发了97接口系统。该系统通过分析电信业务流程，实现异种结构数据转换，解决了原有的“97系统”和现在的计费帐务系统之间用户资料存在的差异问题，这是影响计费准确率、实时话单算费和实时帐务处理的一个重要因素。论文中所论述的97接口系统实现了实时或定时转换“97数据库”中业务信息至帐务系统，研究了实现两个系统间信息通信的方法。
为了完成信息资源的深层次应用，解决电信企业在市场经营中面临的种种问题，需要从大量数据中提取出隐藏的关键信息，为领导正确决策提供重要依据。论文中，研究了在电信行业中运用数据挖掘技术处理业务数据，总结规律的方法，通过这些数据挖掘方法的运用，为决策分析提供了科学依据。
本论文所开发的计费帐务系统和接口系统及其运用数据挖掘技术辅助电信领导层决策等项目内容，都已在杭州地区各地方电信局得到应用。
With the gradual opening of telecom market and the continuous evolution of telecom services, the competitions of market become more intense. Customers hope to get higher quality service. As one of the telecommunication service fundmental application systems, the billing system is the important tool for the improvement of the service quality, the management level, the management efficiency and the enterprise competition. It's greatly necessary to improve the billing precision. Under this background, the billing system has been researched and developed in this thesis.
Based on the research of the telecom billing system, the "97-interface system" has been developed. Through the analyses of the operational flow, this system has realized the conversion between the two different structures of data, and has solved the problem that the original "97 project system" has many differences with our billing system, which make it difficult to bill on time. How to realize the communication between the two systems has been introduced.
To find the deeper application of the information resources, understand more requirements of the customers, solve the problems in the management, it's necessary to get the hidden information from a great deal of data, and apply it to assist the enterprise leader to make decisions, hi this thesis, the Data Mining application in the telecom services has been researched.
The billing system, "97-interface system" and the telecom services decision-making assistance by the Data Mining technique have been used in many district telecommunication companies around Hangzhou.
引文
[1]Chen Mingyan, Han Jiawei, Yu P S: "Data mining: An overview from a database perspective", IEEE Trans on Knowledge and Data Engineering, 1996, 8(6)
[2]Cai Yangdong, Han jiawei:"Attribute oriented induction in large database",Menlo Park, AAAI/MIT Press, 1996
[3]R Agrawal, H Mannila, R Srikant ctal: "Fast Discovery of Association Rules In Advances in Knowledge Discovery and Data Mining", AAAI Press, 1996
[4]Ming-Syan Chen, JiaWei Han, Philip S. Yu. Data mining: "an overview from database perspective", IEEE Transactions on knowledge and data engineering, 1996, 8(6)
[5]R. Agrawal, et al.: "Database Mining: A Performance Perspective", IEEE Transactions on knowledge and data engineering, 1993, 5(6)
[6]Han J. Data: "driven Discovery of Quantitative Rules in Relational Databases", IEEE Trans Knowledge and Data Engineering, 1993, 55
[7]Mohua Banerjee, Sushmita, Sankar K: "Rough fuzzy MLP: Knowledge encoding and classification", IEEE Transactions on Neural Networks, 1998.9(6)
[8]Chen M S, Yu P S, Wu K L: "Optimization of parallel execution for multi-join queries",IEEE Transaction on Knowledge and Data Engineering, 1996.8(3)
[9]Chen M S, Yu P S: "Combining join and semijoin operations for distributed query processing", IEEE Transactions on Knowledge and Data Engineering, 1993, 5(3)
[10]JIANG HAN, MICHELINE KAMBER: "Data Mining: Concept and Techniques", Morgan Kaufmann Publishers Inc, 2001
[11]王实，高文：“数据挖掘中的聚类方法”，计算机科学，2000，Vol．27，No．4
[12]R. Ng and J. Han: "Efficient and Effective Clustering Method for Spatial Data Mining",Proc. of 1994 Int'l Conf. on Very Large Data Bases (VLDB'94), Santiago, Chile, September 1994
[13]M. Kamber, L. Winstone, W. Gong, S. Cheng, and J. Han: "Generalization and Decision Tree Induction: Efficient Classification in Data Mining", Proc. of 1997 Int'l Workshop on Research Issues on Data Engineering (RIDE'97), Birmingham, England, April 1997, 111-120.
[14]R.Agrawal, R. Srikant: "Fast algorithms for mining association rules", In Proc. 20th int'l conf. very large databases, Santiago, Chile, Sept. 1994
[15]J. R. Quinlan. C4.5: "programming for machine learning", Morgan Kaufmann, 1993
[16]彭建平，王变琴：“再探多连接查询优化方法”，中山大学学报(自然科学版)，2001，Vol．40，No．2
[17]丁夷：“数据挖掘—技术与应用综述”，管理信息系统，1998，(11)
[18]刘玉葆：“交易数据库中关联规则采掘的预处理”，电脑与信息技术，2000，No．2
[19]聂永红：“项集间关联规则的挖掘”，广西工学院学报，2001，Vol．12，No．1
[20]刘向东：“数据挖掘技术浅析”，电脑学习，2002，No．4
[21]刘兴华：“数据挖掘技术及其应用研究”，辽宁师范大学学报(自然科学版)，2002，Vol．25，No．2
[22]陈文伟：“决策支持系统及其开发”，清华大学出版社，2000
[23]李雄飞，苑森淼，董立岩：“基于相关规则的数据挖掘理论”，吉林大学自然科学学报，2000，No．4
[24]钟武，胡守仁：“一种改进的多连接查询优化方法”，软件学报，1998，Vol．9，No．2
[25]于金龙，李晓红，孙立新：“连续属性的整体离散化”，哈尔滨工业大学学报，2000，Vol32，No．3
[26]陈文伟：“智能决策技术”，电子工业出版社，1998
[27]左万利：“含有类别属性数据集中联系性规则的挖掘”，吉林大学自然科学学报，1999，No．1
[28]梁曼君，张瑞，熊范纶：“从数据库中发掘定量型关联规则”，计算机科学，1999，Vol26，No．8
[29]陆丽娜，陈亚萍，魏恒义，杨麦顺：“挖掘关联规则中Apriori算法的研究”，小型微型计算机系统，2000，Vol．21，No．9
[30]唐华松，姚耀文：“数据控掘中决策树算法的探讨”，计算机应用研究，2001，No．8
[31]赵中林：“对阶段性话费优惠的处理”，山西通信科技，2000，Vol．21，No．2
[32]中国人民大学统计学系数据挖掘中心：“数据挖掘中的决策树技术及其应用”，统计与信息论坛，2002，Vol．17，No．2
[33]王大玲，于戈，鲍玉斌，王国仁：“一种基于关联性度量的决策树分类方法”，东北大学学报，2001，Vol．22，No．5
[34]祝悦敏：“三次指数平滑预测方法的应用”，西铁科技，1995，No．4
[35]陈传波，潘非，李其申，陆枫：“时间序列趋势加权平滑预测模型研究”，小型微型计算机系统，2001，Vol．22，No．11
[36]钱锋，徐麟文：“数据挖掘及在营销中的应用”，杭州电子工业学院学报，2001，Vol．21，No．4
[37]仇佩亮：“信息论及其应用”，浙江大学出版社，2000
[38]苑淼淼，程晓青：“数量关联规则发现中的聚类方法研究”，计算机学报，2000 Vol．23，No．8
[39]宋高志，武亚荣：“电信本地网集中计费管理系统建设的探讨”，山西通信科技，1998，Vol．19，No．3
[40]唐守廉：“电信集中计费系统的开放性”，电信科学，1998，No．12
[41]陈立明：“SQL查询语句优化方法的研究”，山西电子技术2002，No．4
[42]宗薇，董占球：“聚簇索引在数据库查询中的重要作用”，微机发展，2000，No．5
[43]李昶，余立人：“数据库应用系统性能与数据查询优化”，现代计算机，2002，Vol．135，No．3
[44]钟雯：“长途电话集中计费业务规范探讨”，广东通信技术，2000，Vol．20，No．6
[45]钟继红，黄丽华，王传利：“浅议提高计费淮确性”，电信技术，2000，No．3
[46]宋仁海：“电信‘九七工程’的重构设想”，广西通信技术，2001，No．9
[47]王秀屏，李日高：“电信业务收费的几个特点”，世界电信，2000，No．6
[48]李惠群：“浅谈电信企业电话计费系统的安全性”，通信热点，2001，No．10
[49]魏威，张风雨：“本地固定电话网的联机集中计费”，电信技术，1999，No．7
[50]郑东晖：“市话表式计费系统的设计”，电信技术，2001，No．11
[51]胡敏，郑铁刚：“支局集中计费系统的设计与实现”，1999，Vol．16，No．3
[2]Cai Yangdong, Han jiawei:"Attribute oriented induction in large database",Menlo Park, AAAI/MIT Press, 1996
[3]R Agrawal, H Mannila, R Srikant ctal: "Fast Discovery of Association Rules In Advances in Knowledge Discovery and Data Mining", AAAI Press, 1996
[4]Ming-Syan Chen, JiaWei Han, Philip S. Yu. Data mining: "an overview from database perspective", IEEE Transactions on knowledge and data engineering, 1996, 8(6)
[5]R. Agrawal, et al.: "Database Mining: A Performance Perspective", IEEE Transactions on knowledge and data engineering, 1993, 5(6)
[6]Han J. Data: "driven Discovery of Quantitative Rules in Relational Databases", IEEE Trans Knowledge and Data Engineering, 1993, 55
[7]Mohua Banerjee, Sushmita, Sankar K: "Rough fuzzy MLP: Knowledge encoding and classification", IEEE Transactions on Neural Networks, 1998.9(6)
[8]Chen M S, Yu P S, Wu K L: "Optimization of parallel execution for multi-join queries",IEEE Transaction on Knowledge and Data Engineering, 1996.8(3)
[9]Chen M S, Yu P S: "Combining join and semijoin operations for distributed query processing", IEEE Transactions on Knowledge and Data Engineering, 1993, 5(3)
[10]JIANG HAN, MICHELINE KAMBER: "Data Mining: Concept and Techniques", Morgan Kaufmann Publishers Inc, 2001
[11]王实，高文：“数据挖掘中的聚类方法”，计算机科学，2000，Vol．27，No．4
[12]R. Ng and J. Han: "Efficient and Effective Clustering Method for Spatial Data Mining",Proc. of 1994 Int'l Conf. on Very Large Data Bases (VLDB'94), Santiago, Chile, September 1994
[13]M. Kamber, L. Winstone, W. Gong, S. Cheng, and J. Han: "Generalization and Decision Tree Induction: Efficient Classification in Data Mining", Proc. of 1997 Int'l Workshop on Research Issues on Data Engineering (RIDE'97), Birmingham, England, April 1997, 111-120.
[14]R.Agrawal, R. Srikant: "Fast algorithms for mining association rules", In Proc. 20th int'l conf. very large databases, Santiago, Chile, Sept. 1994
[15]J. R. Quinlan. C4.5: "programming for machine learning", Morgan Kaufmann, 1993
[16]彭建平，王变琴：“再探多连接查询优化方法”，中山大学学报(自然科学版)，2001，Vol．40，No．2
[17]丁夷：“数据挖掘—技术与应用综述”，管理信息系统，1998，(11)
[18]刘玉葆：“交易数据库中关联规则采掘的预处理”，电脑与信息技术，2000，No．2
[19]聂永红：“项集间关联规则的挖掘”，广西工学院学报，2001，Vol．12，No．1
[20]刘向东：“数据挖掘技术浅析”，电脑学习，2002，No．4
[21]刘兴华：“数据挖掘技术及其应用研究”，辽宁师范大学学报(自然科学版)，2002，Vol．25，No．2
[22]陈文伟：“决策支持系统及其开发”，清华大学出版社，2000
[23]李雄飞，苑森淼，董立岩：“基于相关规则的数据挖掘理论”，吉林大学自然科学学报，2000，No．4
[24]钟武，胡守仁：“一种改进的多连接查询优化方法”，软件学报，1998，Vol．9，No．2
[25]于金龙，李晓红，孙立新：“连续属性的整体离散化”，哈尔滨工业大学学报，2000，Vol32，No．3
[26]陈文伟：“智能决策技术”，电子工业出版社，1998
[27]左万利：“含有类别属性数据集中联系性规则的挖掘”，吉林大学自然科学学报，1999，No．1
[28]梁曼君，张瑞，熊范纶：“从数据库中发掘定量型关联规则”，计算机科学，1999，Vol26，No．8
[29]陆丽娜，陈亚萍，魏恒义，杨麦顺：“挖掘关联规则中Apriori算法的研究”，小型微型计算机系统，2000，Vol．21，No．9
[30]唐华松，姚耀文：“数据控掘中决策树算法的探讨”，计算机应用研究，2001，No．8
[31]赵中林：“对阶段性话费优惠的处理”，山西通信科技，2000，Vol．21，No．2
[32]中国人民大学统计学系数据挖掘中心：“数据挖掘中的决策树技术及其应用”，统计与信息论坛，2002，Vol．17，No．2
[33]王大玲，于戈，鲍玉斌，王国仁：“一种基于关联性度量的决策树分类方法”，东北大学学报，2001，Vol．22，No．5
[34]祝悦敏：“三次指数平滑预测方法的应用”，西铁科技，1995，No．4
[35]陈传波，潘非，李其申，陆枫：“时间序列趋势加权平滑预测模型研究”，小型微型计算机系统，2001，Vol．22，No．11
[36]钱锋，徐麟文：“数据挖掘及在营销中的应用”，杭州电子工业学院学报，2001，Vol．21，No．4
[37]仇佩亮：“信息论及其应用”，浙江大学出版社，2000
[38]苑淼淼，程晓青：“数量关联规则发现中的聚类方法研究”，计算机学报，2000 Vol．23，No．8
[39]宋高志，武亚荣：“电信本地网集中计费管理系统建设的探讨”，山西通信科技，1998，Vol．19，No．3
[40]唐守廉：“电信集中计费系统的开放性”，电信科学，1998，No．12
[41]陈立明：“SQL查询语句优化方法的研究”，山西电子技术2002，No．4
[42]宗薇，董占球：“聚簇索引在数据库查询中的重要作用”，微机发展，2000，No．5
[43]李昶，余立人：“数据库应用系统性能与数据查询优化”，现代计算机，2002，Vol．135，No．3
[44]钟雯：“长途电话集中计费业务规范探讨”，广东通信技术，2000，Vol．20，No．6
[45]钟继红，黄丽华，王传利：“浅议提高计费淮确性”，电信技术，2000，No．3
[46]宋仁海：“电信‘九七工程’的重构设想”，广西通信技术，2001，No．9
[47]王秀屏，李日高：“电信业务收费的几个特点”，世界电信，2000，No．6
[48]李惠群：“浅谈电信企业电话计费系统的安全性”，通信热点，2001，No．10
[49]魏威，张风雨：“本地固定电话网的联机集中计费”，电信技术，1999，No．7
[50]郑东晖：“市话表式计费系统的设计”，电信技术，2001，No．11
[51]胡敏，郑铁刚：“支局集中计费系统的设计与实现”，1999，Vol．16，No．3