摘要
为提升5G网络分流能力,文章利用机器学习算法精准识别目标场景客户及高价值小区。一是利用XGBoost算法预测潜在5G终端客户,助力5G终端精准营销;二是利用K-M聚类算法细分客户群体特征,加速高价值客户向5G网络迁转;三是基于POI点密度及客户价值DBSCAN聚类输出高价值小区。应用结果表明:5G分流比由1.92%提升至26.26%,具有应用推广意义。
In order to improve the 5G network diversion capability,this paper accurately identifies target scene customers and high-value communities based on machine learning algorithms.First,XGBoost algorithm is used to predict potential 5G terminal customers and help 5G terminal precision marketing;The second is to use K-M clustering algorithm to segment the characteristics of customer groups and accelerate the migration of high-value customers to the 5G network;Third,based on POI point density and customer value,DBSCAN clustering algorithm is used to output high-value cells.The application results show that the 5G split ratio is increased from 1.92% to 26.26%,which is of significance for application and popularization.
作者
王哲辉
程纪
瞿安
张国龙
徐艳梅
WANG Zhehui;CHENG Ji;QU An;ZHANG Guolong;XU Yanmei(Network Management Center,China Mobile Xinjiang Co.,Ltd.,Urumqi 830063,China)
出处
《数字通信世界》
2022年第12期73-76,80,共5页
Digital Communication World
作者简介
王哲辉(1980-),男,汉族,高级工程师,研究方向为通信与信号处理、大数据分析应用;程纪(1994-),女,汉族,硕士,研究方向为大数据分析应用、网络质量分析;瞿安(1984-),男,汉族,工程师,研究方向为网络质量分析、端到端质量管理;张国龙(1988-),男,汉族,工程师,研究方向为信息与通信工程、数据运营管理;徐艳梅(1995-),女,汉族,硕士,研究方向为大数据分析应用、网络质量分析。
