基于六度空間理論的通信社會(huì)關(guān)系網(wǎng)絡(luò)研究

基于六度空間理論的通信社會(huì)關(guān)系網(wǎng)絡(luò)研究.txt5２每個(gè)人都一條拋物線(xiàn)，天賦決定其開(kāi)口,而最高點(diǎn)則需后天的努力。沒(méi)有秋日落葉的飄零,何來(lái)新春綠芽的餓明麗?只有懂得失去，才會(huì)重新?lián)碛?。本文由eclipsky貢獻(xiàn)ｐｄf文檔可能在WAP端瀏覽體驗(yàn)不佳。建議您優(yōu)先選擇ＴＸT，或下載源文件到本機(jī)查看。中山大學(xué)碩士學(xué)位論文基于六度空間理論的通信社會(huì)關(guān)系網(wǎng)絡(luò)研究姓名：藍(lán)泳鑠申請(qǐng)學(xué)位級(jí)別:碩士專(zhuān)業(yè)：概率論與數(shù)理統(tǒng)計(jì)指導(dǎo)教師:宋世斌2０0９0526基于六度空間理論的通信社會(huì)關(guān)系網(wǎng)絡(luò)研究專(zhuān)業(yè)：概率論與數(shù)理統(tǒng)計(jì)碩士生：藍(lán)泳鑠指導(dǎo)教師：宋世斌副教授摘要為了改進(jìn)以往以孤立的觀(guān)點(diǎn)對(duì)待通信用戶(hù)進(jìn)行研究的不足，本研究借鑒互聯(lián)網(wǎng)行業(yè)的社會(huì)化網(wǎng)絡(luò)服務(wù)(ＳＮS）經(jīng)驗(yàn),首次在通信領(lǐng)域中引入六度空間的概念,并以此作為理論基礎(chǔ),對(duì)通信領(lǐng)域的社會(huì)關(guān)系網(wǎng)絡(luò)進(jìn)行了研究。首先，以某地區(qū)2００8年７月份的通信行為數(shù)據(jù)為基礎(chǔ),結(jié)合數(shù)據(jù)挖掘技術(shù),使用Lｏgisｔｉｃ回歸算法和改進(jìn)的模糊層次分析法建立用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型以及“關(guān)鍵聯(lián)系人"檢索模型,實(shí)現(xiàn)了通信社會(huì)關(guān)系網(wǎng)絡(luò)中高活躍社群的挖掘;其次，通過(guò)關(guān)聯(lián)路徑和最短路徑檢索算法的設(shè)汁,構(gòu)建了這些“關(guān)鍵聯(lián)系人”的通信社會(huì)關(guān)系網(wǎng)絡(luò)，包括用戶(hù)的通信網(wǎng)絡(luò)以及用戶(hù)間的最短通信路徑，并使用Ｆlｅx技術(shù)進(jìn)行前端界面開(kāi)發(fā);最后,從商業(yè)應(yīng)用角度出發(fā)，轉(zhuǎn)變傳統(tǒng)的“撒網(wǎng)式”營(yíng)銷(xiāo)模式，建立了以“關(guān)鍵聯(lián)系人”為核心的精確營(yíng)銷(xiāo)模式,并舉營(yíng)銷(xiāo)案例進(jìn)行說(shuō)明。本文突破以往孤立的研究方式，從通信用戶(hù)的關(guān)系網(wǎng)絡(luò)入手進(jìn)行研究,充分體現(xiàn)了人際關(guān)系的價(jià)值，同時(shí)也豐富了國(guó)內(nèi)電信業(yè)在該領(lǐng)域的研究。關(guān)鍵詞:六度空間、社會(huì)關(guān)系網(wǎng)絡(luò)、Ｌｏgｉｓtic回歸、模糊層次分析法、關(guān)鍵聯(lián)系人modｅintoｂuｉｌdingｔhｅｐｒｅcｉsemａｒｋeｔｉnｇmoｄeof‘ｋｅyeｘａmｐleｓｔｏｉlｌｕｓtrａｔeｃｏｎｔactｐeｒｓoｎs’，aｎｄｇａｖｅaｉtｓａpplｉcaｔｉoｎ．Tｈiｓpapｅrmａｄeｂrｅakｔｈｒougｈinｔhｅｐａstiｓｏｌatedｒesｅarcｈstyｌe，fulｌyｅｍｂodｉeｄthevａlueofintｅrpersｏｎaｌｒｅlａt(yī)iｏｎｓhｉｐ,ａndeｎｒｉcheｄｔhｅｒｅsｅaｒcｈｉnｔheｆiｅlｄｏｆＣｈｉnesｅteｌecｏｍiｎｄｕｓtｒy.KｅｙWordｓ：Siｘｄeｇrｅｅｓoｆｓｅｐaｒaｔｉoｎ，ｓoｃialrelａt(yī)ｉonneｔｗork，ｌｏｇｉｓｔｉｃｒegreｓsiｏｎ，fuzｚｙａnａlyｔｉcｈieｒａｒｃhｙprｏｃｅｓｓ，ｋeycｏｎtacｔｐｅrsonｓＨＩ論文原創(chuàng)性聲明內(nèi)容:本人鄭重聲明：所呈交的學(xué)位論文,是本人在導(dǎo)師的指導(dǎo)下,獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名:堇I聰g，日期：加。ｃ7年鄉(xiāng)月２ｆ日學(xué)位論文使用授權(quán)聲明本人完全了解中山大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即:學(xué)校有權(quán)保留學(xué)位論文并向國(guó)家主管部門(mén)或其指定機(jī)構(gòu)送交論文的電子版和紙質(zhì)版,有權(quán)將學(xué)位論文用于非贏利目的的少量復(fù)制并允許論文進(jìn)入學(xué)校圖書(shū)館、院系資料室被查閱,有權(quán)將學(xué)位論文的內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用復(fù)印、縮印或其他方法保存學(xué)位論文。學(xué)位論文作者簽名：耋海銣導(dǎo)師簽名:日期:.珈7年ｇ月二石日日期:川第一章引言１.1選題的目的和意義１967年,哈佛大學(xué)的社會(huì)心理學(xué)家米爾格蘭姆（StaｎlｅｙＭｉｌgｒａ】呻就設(shè)計(jì)了一個(gè)連鎖信件實(shí)驗(yàn)。他將一套連鎖信件隨機(jī)發(fā)送給居住在內(nèi)布拉斯加州奧馬哈的160個(gè)人,信中放了一個(gè)波士頓股票經(jīng)紀(jì)人的名字，信中要求每個(gè)收信人將這套信寄給自己認(rèn)為是比較接近那個(gè)股票經(jīng)紀(jì)人的朋友,朋友收信后照此辦理。最終,大部分信在經(jīng)過(guò)五、六個(gè)步驟后都抵達(dá)了該股票經(jīng)紀(jì)人，六度空間的概念由此而來(lái)【l】。六度空間理論(Sｉ）【DｅｇreeｓｏｆSeｐａratｉｏn），也稱(chēng)為六度分割理論、小世界理論等，指你和任何一個(gè)陌生人之間所間隔的人不會(huì)超過(guò)六個(gè)，也就是說(shuō),最多通過(guò)六個(gè)人你就能夠認(rèn)識(shí)任何一個(gè)陌生人。但是這并不是說(shuō)任何人與人之問(wèn)的聯(lián)系都必須要通過(guò)六個(gè)層次才會(huì)產(chǎn)生聯(lián)系,而是表達(dá)了這樣一個(gè)重要的概念：任何兩位素不相識(shí)的人之間，通過(guò)一定的聯(lián)系方式，總能夠產(chǎn)生必然聯(lián)系或關(guān)系。顯然，隨著聯(lián)系方式和聯(lián)系能力的不同，實(shí)現(xiàn)個(gè)人期望的機(jī)遇將產(chǎn)生明顯的區(qū)別。圖1.Ｉ六度空聞理論示意圈者,他們是各大互聯(lián)網(wǎng)事件的參與者，或者說(shuō)他們是創(chuàng)造者,可能這類(lèi)人只有20%，但他們確能創(chuàng)造80％的內(nèi)容。同時(shí)也有更多的一批人,他們雖然也是互聯(lián)網(wǎng)的使用者，但是確是一種比較被動(dòng)的方式參與，他們不制造內(nèi)容,或者說(shuō)制造的內(nèi)容也沒(méi)有影響力，他們更多的還是受眾。我們指望在ＷＥB２．Ｏ時(shí)代，人人成為內(nèi)容制造者實(shí)際上不可能的，大多數(shù)人還是習(xí)慣于成為內(nèi)容的消費(fèi)者。所以作為網(wǎng)站來(lái)說(shuō)，最重要的還是抓住那批20%的人【５】。在移動(dòng)通信領(lǐng)域同樣存在這種強(qiáng)弱節(jié)點(diǎn)的現(xiàn)象，這些人一般對(duì)于營(yíng)銷(xiāo)活動(dòng)響應(yīng)度較高,綜合使用語(yǔ)音、數(shù)據(jù)業(yè)務(wù)比較活躍,用戶(hù)的社交圈較廣，ｐ時(shí)Ｕ值適當(dāng)。因此，本文第一部分以2０08年７月份某地區(qū)的通信行為數(shù)據(jù)為基礎(chǔ),使用數(shù)據(jù)挖掘技術(shù)建立用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型以及“關(guān)鍵聯(lián)系人＂檢索模型,從而挖掘出這些輻射力、影響力較強(qiáng)的高活躍社群。其次,本文第二部分通過(guò)關(guān)聯(lián)路徑檢索算法和最短路徑搜索算法的設(shè)計(jì)，構(gòu)建了這些“關(guān)鍵聯(lián)系人”的通信社會(huì)關(guān)系網(wǎng)絡(luò)，該網(wǎng)絡(luò)主要包括通信用戶(hù)的“六度空間’’，即其朋友圈,以及用戶(hù)和用戶(hù)之間的通信路徑等,并采用ＦLEX開(kāi)發(fā)技術(shù)將該網(wǎng)絡(luò)以Ｆｌａsｈ的界面形式展現(xiàn)出來(lái)，以求直觀(guān)的了解。最后，本文第三部分提出該通信社會(huì)關(guān)系網(wǎng)絡(luò)的應(yīng)用方向,建立以“關(guān)鍵聯(lián)系人’’為核心的精確營(yíng)銷(xiāo),并以移動(dòng)飛信產(chǎn)品的營(yíng)銷(xiāo)策劃作為例子進(jìn)行說(shuō)明，充分體現(xiàn)人傳媒的價(jià)值，發(fā)揮其影響力、輻射力，有效占領(lǐng)市場(chǎng)并且降低營(yíng)銷(xiāo)成本。，1。４本文的創(chuàng)新點(diǎn)(1）社會(huì)關(guān)系網(wǎng)絡(luò)在通信行業(yè)的應(yīng)用豐富了國(guó)內(nèi)電信業(yè)在該領(lǐng)域的研究成果，改進(jìn)了以往以孤立的觀(guān)點(diǎn)對(duì)待通信用戶(hù)進(jìn)行研究的不足,建立通信社會(huì)關(guān)系網(wǎng)絡(luò)體系,用以描述通信網(wǎng)絡(luò)用戶(hù)及他們之間的聯(lián)系，并且利用該關(guān)系網(wǎng)絡(luò)對(duì)用戶(hù)特征進(jìn)行研究。（2)以統(tǒng)計(jì)理論為基礎(chǔ)，結(jié)合數(shù)據(jù)挖掘技術(shù)，在該地區(qū)某電信運(yùn)營(yíng)商的所有用戶(hù)中，挖掘出一批通信活躍，具有輻射力、影響力的巧關(guān)鍵聯(lián)系人"，并建立以“關(guān)鍵聯(lián)系人”為中心的口碑式營(yíng)銷(xiāo)模型,從而突破傳統(tǒng)的營(yíng)銷(xiāo)模式,利用“關(guān)鍵聯(lián)系人’’的影響力去推廣業(yè)務(wù),而不是運(yùn)營(yíng)商直接去對(duì)客戶(hù)推廣，既節(jié)?。戳顺杀荆秩〉昧诵Ч?。(３）本研究實(shí)現(xiàn)了通信社會(huì)關(guān)系網(wǎng)絡(luò)中關(guān)聯(lián)路徑和最短路徑的查找算法,借助該算法構(gòu)造了六度空間的數(shù)據(jù)存儲(chǔ)表，并結(jié)合SＡS軟件運(yùn)籌(ＯＲ)模塊的NＥＴＦLＯＷ運(yùn)算過(guò)程，實(shí)現(xiàn)了包括ＤiｊkSｔｒa【６】,Pｒiｎｌaｌ.Duａｌ內(nèi)點(diǎn)算法【７1等圖論計(jì)算算法,從而為六度空間原理的證明提供了有力的理論依據(jù)。5（1）結(jié)合商業(yè)需求，我們將“關(guān)鍵聯(lián)系人"定義為那些對(duì)于營(yíng)銷(xiāo)活動(dòng)響應(yīng)度較高,綜合使用語(yǔ)音、數(shù)據(jù)業(yè)務(wù)比較活躍,用戶(hù)的社交圈較廣,并且AＲＰＵ值(每用戶(hù)平均收入）適當(dāng)?shù)挠脩?hù)，由此確定以下6個(gè)指標(biāo)作為定義“關(guān)鍵聯(lián)系人”的核心指標(biāo),包括①營(yíng)銷(xiāo)活動(dòng)響應(yīng)度；②一度社交圈人數(shù)；③語(yǔ)音通話(huà)次數(shù);④短信收發(fā)次數(shù)；⑤彩信收發(fā)次數(shù)：⑥ＡRPｕ值。(2）使用用戶(hù)通信清單、數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)以及營(yíng)銷(xiāo)活動(dòng)數(shù)據(jù),建立用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型,然后使用該模型對(duì)2００８年7月份所有通信用戶(hù)的營(yíng)銷(xiāo)活動(dòng)響應(yīng)概率進(jìn)行預(yù)測(cè),并將此作為“關(guān)鍵聯(lián)系人”指標(biāo)之一——營(yíng)銷(xiāo)活動(dòng)響應(yīng)度。（3）結(jié)合商業(yè)需求，定義“關(guān)鍵聯(lián)系人”的“活躍度”為以上6個(gè)指標(biāo)的線(xiàn)性組合,使用改進(jìn)的層次分析法，即模糊層次分析法來(lái)計(jì)算這６個(gè)指標(biāo)的權(quán)重，確定“活躍度”的計(jì)算表達(dá)式,生成“關(guān)鍵聯(lián)系人＂名單。2.2營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型用戶(hù)對(duì)營(yíng)銷(xiāo)活動(dòng)的響應(yīng)情況是運(yùn)營(yíng)商開(kāi)展活動(dòng)的重要條件，因此本文基于用戶(hù)通信清單、數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)以及營(yíng)銷(xiāo)活動(dòng)數(shù)據(jù),結(jié)合數(shù)據(jù)挖掘技術(shù)，使用SAS軟件的ＥｎtｅrｐｒｉｓｅＭｉＩler工具建立Ｌｏgｉstｉc回歸模型,即用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型，然后使用該模型來(lái)計(jì)算2００8年７月份所有通信用戶(hù)的營(yíng)銷(xiāo)活動(dòng)響應(yīng)概率，并將此作為“關(guān)鍵聯(lián)系人”的指標(biāo)之一。２.2.１Logiｓｔiｃ回歸算法隨著信息技術(shù)迅速發(fā)展,數(shù)據(jù)庫(kù)的規(guī)模不斷擴(kuò)大,產(chǎn)生了大量的數(shù)據(jù)。但大量的數(shù)據(jù)往往無(wú)法辨別隱藏在其中的能對(duì)決策提供支持的信息，而傳統(tǒng)的查詢(xún)、報(bào)表工具無(wú)法滿(mǎn)足挖掘這些信息的需求。因此,需要一種新的數(shù)據(jù)分析技術(shù)處理大量數(shù)據(jù)，并從中抽取有價(jià)值的潛在知識(shí),數(shù)據(jù)挖掘(ＤaｔaＭｉｌｌing)技術(shù)由此應(yīng)運(yùn)而生。從2０世紀(jì)90年代以來(lái),數(shù)據(jù)挖掘技術(shù)的發(fā)展速度很快，在當(dāng)今世界的海量數(shù)據(jù)中隱藏著人們所需要的具有決策意義的信息,數(shù)據(jù)挖掘技術(shù)的產(chǎn)生和發(fā)展使得人們可以利用這些數(shù)據(jù)中挖掘出有用的、隱藏的商業(yè)和科學(xué)信息。由于7數(shù)據(jù)挖掘是多學(xué)科綜合的產(chǎn)物，它從多個(gè)學(xué)科汲取營(yíng)養(yǎng),包括數(shù)據(jù)庫(kù)技術(shù)、人工智能、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、統(tǒng)計(jì)學(xué)、模式識(shí)別、知識(shí)庫(kù)系統(tǒng)、信息檢索和數(shù)據(jù)庫(kù)可視化等，因此目前還沒(méi)有一個(gè)完整的定義。通常普遍認(rèn)同的一個(gè)十分廣泛的數(shù)據(jù)挖掘定義是:從數(shù)據(jù)庫(kù)中抽取隱含的、以前未知的、具有潛在應(yīng)用價(jià)值的模型或規(guī)則等有用知識(shí)的復(fù)雜過(guò)程,是一類(lèi)深層次的數(shù)據(jù)分析方法【8１。數(shù)據(jù)挖掘是以全球廣泛認(rèn)可的S臥嗄MA數(shù)據(jù)挖掘進(jìn)程作為方法論的，SEMＭA是抽樣(Sａ叫)ｌｅ)，探索(Ｅxｐloｒe），調(diào)整(Mｏｄｉｆ３,），建模(Modｅl)，評(píng)估（Ａsｓesｓ)的縮寫(xiě)，對(duì)應(yīng)數(shù)據(jù)挖掘的5個(gè)步驟,即數(shù)據(jù)取樣、數(shù)據(jù)特征探索、分析和預(yù)處理、數(shù)據(jù)調(diào)整和技術(shù)選擇、模型的研發(fā)和知識(shí)發(fā)現(xiàn)、模型和知識(shí)的綜合解釋和評(píng)價(jià)。具體如下：(１)Samｐｌr數(shù)據(jù)取樣當(dāng)進(jìn)行數(shù)據(jù)挖掘時(shí)，首先要從企業(yè)大量數(shù)據(jù)中取出一個(gè)與企業(yè)要探索問(wèn)題相關(guān)的樣板數(shù)據(jù)子集，而不是動(dòng)用全部企業(yè)數(shù)據(jù)。通過(guò)數(shù)據(jù)取樣，要把好數(shù)據(jù)的質(zhì)量關(guān)，一定要保證取樣數(shù)據(jù)的代表性、真實(shí)性、完整性和有效性,這樣才能通過(guò)此后的分析研究得出反映本質(zhì)規(guī)律性的結(jié)果。根據(jù)具體的需求，可以創(chuàng)建訓(xùn)練集、測(cè)試集和效驗(yàn)集。(２)ＥXｐｌoｒｅ一數(shù)據(jù)特征探索、分析和預(yù)處理當(dāng)用戶(hù)拿到了一個(gè)樣本數(shù)據(jù)集后，它是否達(dá)到用戶(hù)原來(lái)設(shè)想的要求，有沒(méi)有什么明顯的規(guī)律和趨勢(shì),有沒(méi)有出現(xiàn)用戶(hù)所從未設(shè)想過(guò)的數(shù)據(jù)狀態(tài)，各因素之間有什么相關(guān)性,可區(qū)分成怎樣~些類(lèi)別，這些都是首先要探索的內(nèi)容。在進(jìn)行數(shù)據(jù)特征的探索和分析時(shí)，應(yīng)用可視化數(shù)據(jù)操作的工具，對(duì)樣本數(shù)據(jù)進(jìn)行可視化的預(yù)分析,發(fā)現(xiàn)數(shù)據(jù)的異常趨勢(shì)和規(guī)律性。(３）Ｍoｄi分一數(shù)據(jù)調(diào)整和技術(shù)選擇通過(guò)Ｓamｐlｅ和Expｌoｒe兩步之后，用戶(hù)進(jìn)~步明確了原來(lái)要解決的問(wèn)題,這時(shí)要盡可能對(duì)問(wèn)題解決的要求作進(jìn)一步的量化。在問(wèn)題進(jìn)一步明確化的基礎(chǔ)上,用戶(hù)可以按照問(wèn)題的具體要求來(lái)審視數(shù)據(jù)集，看它是否適應(yīng)企業(yè)問(wèn)題的需要。針對(duì)問(wèn)題的需要，可能要對(duì)數(shù)據(jù)進(jìn)行增刪,也可能按照用戶(hù)對(duì)整個(gè)數(shù)據(jù)挖掘過(guò)程的新認(rèn)識(shí),組合或者生成一些新的變量,以體現(xiàn)對(duì)狀態(tài)的有效描述。（４)Moｄｅ卜一模型的研發(fā)和知識(shí)的發(fā)現(xiàn)８羹;蓁耄囊鎏囊耄羹塞囊奏霧菱霪萎；ｉ霉i囂鎏ｉ囊善耋！≤妻器鍪莖羹蠹霎垂蠢羹簍霧ｊ一妻薹霉羹鎏躉——囊羹鍪薹塞羹。羹藿薹霎耄薹璧；謄鏨蠢鏨耋薹萋蕈毫；霎蠶簍羹璺薹蠹——耋荔蠶曼萋薹ｊ萋囊饕蓁：奏簍羹萎囊萎。薹霪霎饕萋薹；囊薹薹萋蓁霎翼塑——囊薹霉羹冀霧蕙鋈蠶二奏薹鬟囊薹蠶；薹羹｜｜囊薹:垂薹鍪耋釜耋薹囊囊萋要姜霎蓁塞i鋈羹萎;摹囊薹霾妻囊囊冀霉主i莖薹囂ｉ。霞薹璧蠹羹羹鎏萎薹;莖薹鬟i;奏萎；砉ｉ耋薹i蓬蓬耋i薹霎羹薹羹簍霧奏霪輦;塞霉姜;ｉ薹霪霎簍砉ｌ耋囊秦霉ｊ冀霉萎|薹|l莖棗囊ｉｊ蓁冀羹蠹螢薹誓委垂÷i籮霎i萋薹薹蠹薹攀霎莖羹羹ｌ;詈羹；。耋霎妻蠢羹羹萋孳妻鬟霎霎羹委嚳甲I童攀＊萋羹薹箋莖囊,l襄ｉ簍委薹萎?。坏曰蟮啤芨F霎奏霉奏霎婁囊,蓁薹喜薹冀鎏霧囊鋈簍薹耋萋妻羹鬲i些萋奏霎．;iｉ搴妻蠢冀耋崮薹霎鍪冀簍耋鍪m蔞薹÷雩蓁蓁,鬟霎霪霎妻霪鎏｜髦窶薹冀蘿耋薹羹羹霧囊霎薹薹妻蠢羹鎏日薹霎砷；奏蓁鏨鋈蠢鋈囊羹霎霉萋鍪耋簍妻霎鍪囊鏨墓簍霪翼囊薹薹羹簍襄薹薹蠹囊鋈，蠶霎耋妻妻萋冀萎薹莖霧簍耋羹！囊窶蓁鍪菱簍霎簍。羹萋蓍蠹霧妻薹墓落荔霧蓁訓(xùn)磊騷蜘鐾掘蠹酋基羹鍪,囊霪簍蠶墼霎霎霎霧量薹至囊薹羹羹垂=輦誓霪主羹善薹簍蠢妻鏨霪。薹霧囊耋毒蠹囊ｌ薹鎏蠶纂霪耋羹ｊ羹霧霧簍；薹甍塑塞，霧鬟簍藿:薹薹鎣囊羹羹簍霎囊霉姜萋蔞孤萎薹;蔞鬟妻萋霉ｐ【羹霎謇薹耋簍襄羹。薹荔一妻析范疇，是社會(huì)學(xué)、生物統(tǒng)計(jì)學(xué)、臨床、數(shù)量心理學(xué)、市場(chǎng)營(yíng)銷(xiāo)等統(tǒng)計(jì)實(shí)證分析的常用方法。Lｏgiｓtｉｃ模型是對(duì)數(shù)線(xiàn)性模型(Lｏg-lmaｒｍoｄｅl)的~種特殊形式，當(dāng)對(duì)數(shù)線(xiàn)性模型中的一個(gè)二分類(lèi)變量當(dāng)作因變量并定義為一系列的自變量的函數(shù)時(shí),對(duì)數(shù)線(xiàn)性模型就變成了Ｌogiｓtiｃ回歸模型。本章中,考慮到通信用戶(hù)的響應(yīng)是營(yíng)銷(xiāo)活動(dòng)中的一個(gè)實(shí)際問(wèn)題，因此多元統(tǒng)計(jì)模型比較合適,其中Logｉsｔｉｃ回歸模型比Ｆｉsｈｅｒ或Bａｙeｓ等判別分析模型具有更大的應(yīng)用優(yōu)勢(shì)，主要體現(xiàn)在【ｌo】：(1）Logｉstｉc回歸模型不需要像判別分析模型那樣,要求變量滿(mǎn)足多元正態(tài)性假設(shè)。(２）Ｌｏｇiｓtiｃ回歸模型由于有直接的統(tǒng)計(jì)檢驗(yàn),能包含非線(xiàn)性效果和大范圍診斷，因此適用性強(qiáng)。(３）ＬoｇｉＳtｉｃ回歸模型對(duì)自變量無(wú)要求，可以是定性的或定量的，輸出可為二分類(lèi)或多分類(lèi)變量。標(biāo)準(zhǔn)１０9isｔic分布的均值為０,方差為７r２／3，其累積分布函數(shù)如下:.P(Ｊ,21l工）=雌≤心＋肛）】２壽1圖２－3Ｌｏgistｉc回歸圖該函數(shù)稱(chēng)為L(zhǎng)ｏｇiｓtiｃ函數(shù)，具有S型的分布。Loｇｉｓtｉｃ回歸模型假設(shè)事件發(fā)生的概率p與自變量＿之間的關(guān)系服從標(biāo)準(zhǔn)的L０９istic累積概率分布函數(shù)，當(dāng)有m個(gè)自變量時(shí)通常表示為:ｐ＝exｐ卜心+∑＿p叫』＝l式中因變量p的取值限制在o~１之間，并隨＠+∑x』ｐ』）的變化而連續(xù)變ｌＯ化，其中口和p』為系數(shù)。對(duì)上式進(jìn)行線(xiàn)性變換可得:南2eＸｐ（ａ＋嘉矽，)按照LｏgiＳｔｉc回歸模型的定義,事件發(fā)生（即研究對(duì)象的反映結(jié)果為1時(shí))的概率為ｐ，事件不發(fā)生的概率為１一p,ｐ／(1一ｐ）通常叫做勝算比,或者優(yōu)勢(shì)比（oｄdｓｒａｔｉｏ),它具有很好的物理解釋意義，表示事件發(fā)生的概率相對(duì)于不發(fā)生的概率的強(qiáng)度。對(duì)上式兩邊取對(duì)數(shù)可得:111圭＝a+羔_盧，卜ｐ笥∥’上式通常被稱(chēng)為觀(guān)測(cè)值少的Loｇｉstic形式。與線(xiàn)性回歸不同,由于Logiｓtｉｃ回歸是一類(lèi)非線(xiàn)性模型,估計(jì)參數(shù)口、ｐ,需要利用已知多組觀(guān)測(cè)樣本(即每組自變量xn，t:,…，‰）以對(duì)應(yīng)事件發(fā)生的觀(guān)測(cè)值y，(少,＝Ｏ或１），并采用最大似然估計(jì)法來(lái)求解。建立刀個(gè)觀(guān)測(cè)值的似然函數(shù)：L＝兀n∥（１一只）1一少，=１三是用觀(guān)測(cè)數(shù)據(jù)的概率來(lái)表示的，取三為最大來(lái)估計(jì)參數(shù)，其含義表示估計(jì)出來(lái)的參數(shù)能夠通過(guò)模型以最大概率再現(xiàn)樣本觀(guān)測(cè)數(shù)據(jù)。對(duì)上式取對(duì)數(shù)得到對(duì)數(shù)似然函數(shù)為:lｎ三＝∑陟血ｐ，+（１一只)lｎ(１一ｐ，)】對(duì)僅和盧』求偏導(dǎo)得:型些:ｏaａ掣:o(＇，:1，２，．.塒）８ｐ。、一＋‘上式通常被稱(chēng)為對(duì)數(shù)似然方程組,從中求得的最大值即為三的最大似然估計(jì)值Ⅲ-】2】。采用Ne、咖n.1泖１1S。n迭代法求解上式可得到待估的參數(shù)＆和房,代入Lｏｇisｔｉｃ回歸模型求得的p。稱(chēng)為條件概率只的最大似然估計(jì)，表示在ｘ條件下兒＝１的條件估計(jì)。Ｌoｇｉstiｃ回歸模型的估計(jì)包括參數(shù)檢驗(yàn)和模型檢驗(yàn)兩部分。盧,的估計(jì)值采用標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量z:旦ＳＥ（、ｐt、或者自由度為１的w口脅２＝z２來(lái)檢驗(yàn)，其中舾（盧／）為盧』的漸進(jìn)標(biāo)準(zhǔn)誤差，通過(guò)將迭代過(guò)程中的信息矩陣逆矩陣的對(duì)角元素開(kāi)方即可得到。整個(gè)模型的擬合程度可通過(guò)擬合優(yōu)度來(lái)檢驗(yàn),經(jīng)常采用的是ｐearＳoｎz２和Ｈoｓｍ￡r＿Lｅmｅｓhow檢驗(yàn)等，具體計(jì)算方法可參看文獻(xiàn)【１３Ⅲ】。2．２.2ＥｎtｅrｐriｓｅMiｎer介紹SＡSＥntｅｒpriＳｅMｉnｅｒ(簡(jiǎn)稱(chēng)ＥM)是基于全球廣泛認(rèn)可的ＳEＭＭA數(shù)據(jù)挖掘進(jìn)程。ＳEMＭA為執(zhí)行數(shù)據(jù)挖掘的核心任務(wù)提供了一個(gè)靈活的框架,所以不管是富有經(jīng)驗(yàn)的統(tǒng)計(jì)人員,還是經(jīng)驗(yàn)稍微欠缺的商業(yè)分析師,都可以在該框架的指導(dǎo)下開(kāi)發(fā)出更多更好的模型。ＳＡＳ獨(dú)特的SEＭMA方法采用了結(jié)構(gòu)化的進(jìn)程,以合理的方式對(duì)每一步所需的工具進(jìn)行組織，借助可以修改，保存和共享的流程圖,SE＾心壓Ａ能夠更方便地使用研究統(tǒng)計(jì)技術(shù)和視圖技術(shù)，選擇和變換最重要的變量，通過(guò)這些變量來(lái)創(chuàng)建模型，以便預(yù)測(cè)結(jié)果，對(duì)模型的精確度進(jìn)行確認(rèn)，并進(jìn)行模型部署的準(zhǔn)備工作。1２田２ｑs＾sＥｍe鄺由ｅＭimr操作界面ｓAs/EＭ是一個(gè)圖形化界面,菜單驅(qū)動(dòng)的，拖拉式操作，對(duì)用戶(hù)非常友好且功能強(qiáng)大的數(shù)據(jù)挖掘集成環(huán)境。主要集成以下幾個(gè)方面㈣：(１)數(shù)據(jù)獲取工具在sAs，EM的這個(gè)數(shù)據(jù)獲取工具中.可以通過(guò)對(duì)話(huà)框指定要使用的數(shù)據(jù)集的名稱(chēng),并指定要在數(shù)據(jù)挖掘中使用的數(shù)據(jù)變量。變量分為兩類(lèi)：區(qū)間變量（ＩmｅｒｖａlⅦ誼ｂｌe)和分類(lèi)變量(clasｓⅧiａblｅ)。區(qū)間變量是指那些要進(jìn)行統(tǒng)計(jì)處理的變量。對(duì)于這樣一些變量，在數(shù)據(jù)輸入階段可以指定它們是否要作最大值、晟小值、平均值、標(biāo)準(zhǔn)差等的處理，還可給出該變量是否有值的缺漏，缺漏的百分比是多少等。區(qū)問(wèn)變量以外的變量稱(chēng)之為分類(lèi)變量，在數(shù)據(jù)輸入階段將會(huì)提供每個(gè)分類(lèi)變量共有多少種值可供分類(lèi)之用。(２）數(shù)據(jù)抽樣工具對(duì)獲取的數(shù)據(jù),可再?gòu)闹凶鞒闃硬僮鳌３闃拥姆绞绞嵌喾N多樣的,包括隨機(jī)抽樣、等距抽樣、分層抽樣、從起始順序抽樣和分類(lèi)抽樣等方式。隨機(jī)抽樣:在采用隨機(jī)抽樣方式時(shí),數(shù)據(jù)集中的每一組觀(guān)測(cè)值都有相同的被抽樣的概率。如接１０%的比例對(duì)一個(gè)數(shù)據(jù)集進(jìn)行隨機(jī)抽樣,則每一組觀(guān)測(cè)值都有ＩO%的機(jī)會(huì)被取到。等距抽樣：如按5%的比例對(duì)一個(gè)有ｌoo組觀(guān)測(cè)值的數(shù)據(jù)集進(jìn)行等距抽樣,則有:１０0，5=2０，等距抽樣方式是取第20、４0、６0、８０和第1００等五組觀(guān)測(cè)值。分層抽樣：在這種抽樣操作時(shí),首先將樣本總體分成若干層次(或者說(shuō)分成若干個(gè)子集）。在每個(gè)層次中的觀(guān)測(cè)值都具有相同的被選用的概率,但對(duì)不同的層次可設(shè)定不同的概率。這樣的抽樣結(jié)果可能具有更好的代表性，進(jìn)而使模型具有更好的擬合精度。從起始順序抽樣:這種抽樣方式是從輸入數(shù)據(jù)集的起始處開(kāi)始抽樣。抽樣的數(shù)量可以給定一個(gè)百分比，或者就直接給定選取觀(guān)測(cè)值的組數(shù)。分類(lèi)抽樣：在前述幾種抽樣方式中,抽樣的單位都是一組觀(guān)測(cè)值。分類(lèi)抽樣的單位是一類(lèi)觀(guān)測(cè)值,這里的分類(lèi)是按觀(guān)測(cè)值的某種屬性進(jìn)行區(qū)分，如按客戶(hù)名稱(chēng)分類(lèi)、按地址區(qū)域分類(lèi)等。顯然在同一類(lèi)中可能會(huì)有多組觀(guān)測(cè)值，分類(lèi)抽樣的選取方式就是前面所述的幾種方式，只是抽樣以類(lèi)為單位。設(shè)置多種形式的抽樣方式不僅給了您抽樣的靈活性，更重要的是從抽樣階段您就能主動(dòng)的考慮數(shù)據(jù)挖掘的目的性，強(qiáng)化了最后結(jié)論的效果。（3）數(shù)據(jù)篩選工具通過(guò)數(shù)據(jù)篩選工具可從觀(guān)測(cè)值樣本中篩選掉不希望包括進(jìn)來(lái)的觀(guān)測(cè)值。對(duì)于分類(lèi)變量可給定某一類(lèi)的類(lèi)值說(shuō)明此類(lèi)觀(guān)測(cè)值是要排除于抽樣范圍之外的，對(duì)于區(qū)間變量可指定其值大于或小于某值時(shí)的這些組觀(guān)測(cè)值是要排除于抽樣范圍之外的,通過(guò)數(shù)據(jù)篩選使樣本數(shù)據(jù)更適合要數(shù)據(jù)挖掘的目標(biāo)。(4）數(shù)據(jù)變量轉(zhuǎn)換工具利用此工具可將某一個(gè)數(shù)據(jù)進(jìn)行某種轉(zhuǎn)換操作,然后將轉(zhuǎn)換后的值作為新的變量存放在樣本數(shù)據(jù)中。轉(zhuǎn)換的目的是為了使數(shù)據(jù)和將來(lái)要建立的模型擬合的更好。例如，原來(lái)的非線(xiàn)性模型線(xiàn)性化、加強(qiáng)變量的穩(wěn)定性等。可進(jìn)行取冪、對(duì)數(shù)、開(kāi)方等轉(zhuǎn)換,當(dāng)然，也可給定一個(gè)公式進(jìn)行轉(zhuǎn)換。(5)建立數(shù)據(jù)挖掘用的數(shù)據(jù)庫(kù)在進(jìn)行數(shù)據(jù)挖掘分析模型的操作之前，要建立一個(gè)數(shù)據(jù)挖掘的數(shù)據(jù)庫(kù)(ＤＭＤＢ），其中就放置此次要進(jìn)行操作的數(shù)據(jù)。因?yàn)榇撕罂赡芤M(jìn)行許多復(fù)雜的數(shù)學(xué)運(yùn)算,在這里建立一個(gè)專(zhuān)門(mén)的數(shù)據(jù)集將使工作更加有效率。在處理之前,可對(duì)選進(jìn)數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)的各個(gè)變量預(yù)先進(jìn)行諸如最大、最小、平均、標(biāo)準(zhǔn)差等處理,對(duì)一些要按其分類(lèi)的變量的等級(jí)也先放入MｅｔａＤａt(yī)a之中，以利接下來(lái)的１４操作，總之在這個(gè)數(shù)據(jù)庫(kù)中為數(shù)據(jù)挖掘建立一個(gè)良好的工作環(huán)境。（6)數(shù)據(jù)挖掘過(guò)程在數(shù)據(jù)挖掘的過(guò)程中可以使用ＳＡＳ廣泛的數(shù)學(xué)方法,以及實(shí)現(xiàn)最新數(shù)學(xué)方法的環(huán)境。ＳAS/ＥM提供豐富的數(shù)據(jù)挖掘模型和靈活算法,包括如下模型算法:聚類(lèi)分析、多元回歸模型／ＬogiSｔic回歸、決策樹(shù)模型、神經(jīng)網(wǎng)絡(luò)模型、關(guān)聯(lián)模式/序列模式分析、時(shí)間序列分析、鏈路分析模型、記憶基礎(chǔ)推理、SOM依ＯＨONEＮ神經(jīng)網(wǎng)絡(luò)分類(lèi)算法、主成分分析、二階模型等。同時(shí)，ＳＡS／EM提供Ｅnｓｅmｂｌｅ節(jié)點(diǎn)進(jìn)行多個(gè)模型的整合。EIｌseｍbｌｅ節(jié)點(diǎn)可以創(chuàng)建一個(gè)新的模型以平均來(lái)自多個(gè)前置模型的分類(lèi)目標(biāo)的后驗(yàn)概率或間隔目標(biāo)的預(yù)測(cè)值,由此可以使得生成的模型更加穩(wěn)定和高效。（７）數(shù)據(jù)挖掘的評(píng)價(jià)工具在SＡS/EＭ的評(píng)價(jià)工具中，提供了一個(gè)通用的數(shù)據(jù)挖掘評(píng)價(jià)的架構(gòu)，可以比較不同的模型效果,預(yù)報(bào)各種不同類(lèi)型分析工具的結(jié)果。ＳＡＳ／EM提供Asｓｅsｓｍeｍ節(jié)點(diǎn)進(jìn)行模型評(píng)估。在舡ｓesｓmｅnｔ節(jié)點(diǎn)中,可以使用LIＦT圖、PＲＯＦｌl億ＯSS圖、ROI圖、診斷分類(lèi)圖、I的Ｃ圖、Tｈrｅｓｈ０１ｄ-baｓeｄ圖等一系列標(biāo)準(zhǔn)的圖表，進(jìn)行模型比較與評(píng)估。在ＳＡＳ/EM的評(píng)價(jià)工具中，還可以進(jìn)行客戶(hù)化的工作，對(duì)那些標(biāo)準(zhǔn)的評(píng)價(jià)圖表按具體要求進(jìn)行更改。(８）結(jié)果輸出SAS/ＥＭ的Ｓｃｏｒe節(jié)點(diǎn)提供以SＡS數(shù)據(jù)步代碼的方式產(chǎn)生模型打分的公式。ＳAS／EＭ提供SｃoｒeCｏnｖｅrter節(jié)點(diǎn)，可以把Entｅ?。颍閟ｅＭiｆｌer的挖掘流程圖由Score節(jié)點(diǎn)產(chǎn)生的SAＳ數(shù)據(jù)步打分代碼轉(zhuǎn)換成C或ＪA、,Ａ語(yǔ)言,并且可以把這些Ｃ或JA、，Ａ語(yǔ)言的數(shù)據(jù)挖掘打分代碼集成到標(biāo)準(zhǔn)的Ｃ或JAVＡ應(yīng)用中去。2．２．３用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度計(jì)算基于用戶(hù)通信清單、數(shù)據(jù)業(yè)務(wù)數(shù)據(jù)以及營(yíng)銷(xiāo)活動(dòng)數(shù)據(jù)，通過(guò)Lｏgisｔｉｃ回歸模型,使用SAS／EＭ工具建立用戶(hù)營(yíng)銷(xiāo)活動(dòng)響應(yīng)度模型,計(jì)算２0０８年7月份該地區(qū)某電信運(yùn)營(yíng)商所有通信用戶(hù)對(duì)營(yíng)銷(xiāo)活動(dòng)的響應(yīng)概率，并作為“關(guān)鍵聯(lián)系入”的指標(biāo)之一。具體步驟如下:１５集團(tuán)內(nèi)被叫通話(huà)時(shí)長(zhǎng)短消息條數(shù)彩信條數(shù)夢(mèng)網(wǎng)消息條數(shù)彩鈴開(kāi)通情況GPRＳ開(kāi)通情況wＡＰ使用時(shí)長(zhǎng)1３9郵箱開(kāi)通情況是否無(wú)線(xiàn)音樂(lè)高級(jí)會(huì)員手機(jī)報(bào)紙殲通情況數(shù)據(jù)業(yè)務(wù)變量移動(dòng)飛信開(kāi)通情況天氣預(yù)報(bào)開(kāi)通情況來(lái)電提醒開(kāi)通情況國(guó)際一卡多號(hào)香港數(shù)碼通副號(hào)國(guó)際一卡多號(hào)香港萬(wàn)眾副號(hào)手機(jī)投注開(kāi)通情況套餐資費(fèi)提醒開(kāi)通情況語(yǔ)音信箱開(kāi)通情況ＸＩＯ實(shí)際值（分鐘）實(shí)際值實(shí)際值實(shí)際值開(kāi)通=１，未開(kāi)通＝0開(kāi)通＝１，未開(kāi)通＝０實(shí)際值（分鐘)開(kāi)通＝１,未開(kāi)通＝０是＝1,否＝0開(kāi)通=１,未開(kāi)通=0開(kāi)通=１，未開(kāi)通＝0開(kāi)通＝1,未開(kāi)通＝０開(kāi)通=１,未開(kāi)通=0是＝1，否＝０是＝1,否=0開(kāi)通＝１，未開(kāi)通＝０開(kāi)通＝１,未開(kāi)通=O開(kāi)通=1，未開(kāi)通=０工ｌｌｘ1２X1３工1４Ｘ１５工1６Ｘ17工１0Ｘ1９Z２0工2lX2２Ｘ23Ｘ２4X2ＳＺ26Ｘ２7(３）模型構(gòu)建使用SＡＳ數(shù)據(jù)挖掘工具EｎｔｅｒpｒiｓeMｍeｒ,以指標(biāo)“是否響應(yīng)＂作為因變量，其它27個(gè)指標(biāo)作為自變量，分別對(duì)三個(gè)品牌Ａ、B、Ｃ建立Logiｓｔｉｃ回歸模型，整個(gè)模型如圖所示:１7l｜lii圓國(guó)ｆ。魚(yú)l越奎ｉj‘lｉ＿｝i。｝限:｜7。｜蓄l｜Ｉ|｜ｉ?。暌蜓浴案薄Γ玻?數(shù)據(jù)挖掘模型圈ｌl結(jié)點(diǎn)Ａ＿M(jìn)ＯＤEＬ是Ａ品牌模型的輸入數(shù)據(jù)集，在此之前已經(jīng)對(duì)缺失值、邊界值、不規(guī)則分布等進(jìn)行處理，并按照上述的樣本選取標(biāo)準(zhǔn)建立的.包括２19５個(gè)樣本,２8個(gè)變量，將營(yíng)銷(xiāo)活動(dòng)響應(yīng)的概率作為日標(biāo)變量，取響應(yīng)為１，未響應(yīng),’一1．５0l—１．６4１５?勺一ｏ．ｔ'ｕZ，ＪIｏ+Ｕ.u２u,’２＋u?ｕ厶,而3+u？ｌ，yl丑s屹2丁‘幣石函面知而瓦麗面瓦瓦函面而；面l+Ｐ—ｌ？5０ｌ一1－“１５卻一o?0025札＋０?０２０缸12+ｏ?02３＾3＋ｏ?15９1cｈ１５結(jié)點(diǎn)得分根據(jù)相應(yīng)模型的規(guī)則對(duì)打分?jǐn)?shù)據(jù)集進(jìn)行打分,本文將２０08年7月份所有通信用戶(hù)作為打分?jǐn)?shù)據(jù)集,根據(jù)上述的表達(dá)式分品牌計(jì)算用戶(hù)在200８年7月份的營(yíng)銷(xiāo)活動(dòng)響應(yīng)概率，并將此作為“關(guān)鍵聯(lián)系人＂的指標(biāo)之一。2.3搿關(guān)鍵聯(lián)系人弦檢索模型根據(jù)定義，前文確定了“關(guān)鍵聯(lián)系人＂的６個(gè)判定指標(biāo)，為了計(jì)算這些指標(biāo)的權(quán)重，本文使用定性和定量結(jié)合的方法——層次分析法【161，但層次分析法具有判斷矩陣構(gòu)造主觀(guān)性強(qiáng)和一致性不易檢驗(yàn)等缺點(diǎn),因此本文在層次分析法中引入非結(jié)構(gòu)性決策模糊集分析單元系統(tǒng)理論,這種理論可改進(jìn)層次分析法的缺點(diǎn),同時(shí)將兩種方法結(jié)合起來(lái)又避免了非結(jié)構(gòu)性決策模糊集分析單元系統(tǒng)理論中計(jì)算總相對(duì)優(yōu)屬度時(shí)利用模糊識(shí)別或模糊優(yōu)選模型的復(fù)雜運(yùn)算，這種改進(jìn)的方法稱(chēng)為模糊層次分析法【１7】。本文使用這種方法來(lái)計(jì)算指標(biāo)權(quán)重,確定“活躍度"的計(jì)算表達(dá)式,并生成“關(guān)鍵聯(lián)系人"名單。2．3.1層次分析法決策是人們?cè)谏?、生產(chǎn)與科學(xué)實(shí)踐中常需要做出選擇或判斷的一種思維活動(dòng)。非結(jié)構(gòu)性決策變量無(wú)法量化,只能作定性分析,因而在決策時(shí)存在一系列的技術(shù)難題。在處理這類(lèi)問(wèn)題時(shí)常采用層次分析法(AHＰ)。層次分析法是美國(guó)運(yùn)籌學(xué)家,匹茲堡大學(xué)的A．L.Ｓａaｔｙ教授于２０世紀(jì)７０年代提出的一種定性分析和定量分析相結(jié)合的系統(tǒng)分析方法。層次分析法通過(guò)明確問(wèn)題,建立層次分析結(jié)構(gòu)模型，構(gòu)造判斷矩陣，層次單排序和層次總排序五個(gè)步驟計(jì)算各層次構(gòu)成要素對(duì)于總目標(biāo)的組合權(quán)重,從而得出不同可行方案的綜合評(píng)價(jià)值，為選擇最優(yōu)方案提供依據(jù)。（１）建立層次結(jié)構(gòu)模型。在深入分析實(shí)際問(wèn)題的基礎(chǔ)上，將有關(guān)的各個(gè)因素按照不同屬性自上而下地分解成若干層次，同一層的諸因素從屬于上一層的因２Ｉ童薹簍菱萋?主薹萋薹耋謄霎妻薹霉囊囊吲曩冀萋薹薹;鋈:耋耄霎薹霎鬟薹蓁蔞窶薹囊5霎≤８襄霎霎耋萎霪羹薹羹。羹雩萋蓍霎塞薹霎羹善蓁囊薹萋｜!耄耋薹囊薹鬟薹羹囊藿妻萋囊鍪鏨霧羹蠢譬耋耋鬟囊簍冀；薹萎圳建耄霎以塞季垂一囊蓁薹奏莖蔞8鴦莖藿蔞。j霎薹萎磊霎荔鍪羹2羹攀２藿妻薹攀蓁鎏,婺薹；薹萋j囊簍霾萋羹!霎差’薹薹霉窆囊蠶薹羹薹妻囊磐鰱??；囊霎霾’攀薹1莖羹冀萎薹鍪萋j簍薹羹霪;薹鍪囊蠢；霎霎囊鋈輦萎薹璧蠹,霎委耄萋萋薹囊囊薹簍藿薹蓁蠶ｉl一?｝薹囊霪荔曉囊。輦堂；驀囂薹鬢善囊囊薹霧豪鬟蓍耋霎蓁孽鍪墓琴萎萎鬟,囊薹墓冀塑蓁妻霎薹簍莖囊;羹薹冀墓羹藿薹？冀蓁嘉些盞窶羹耋！冀羹薹冀羹霪鬻薹妻．荔萋蓁霎圣垂嘉蓁羹萋?萋嬖薹：薹簍蓁霧塑磊耋羹霧萋：妻藿要霎萎耋霹霉霎冀囊鬟霎薹輦蕃奏羹薹需壘霉ｊ霧霎耋羹霧鬈i薹~雩霉再薹羹霎囊薹羹和霉霧n喜譬蓁攀墓璧：萎薹蓬蠢蠹薹垂霧。臼E羹鬟蓁囊萋薹,霎萋藿囊矍薹！萋翼翦i暖掣篡爹各;;醚隧∞鞠蠛滏焉霧季崩酗吲亨摯j邑鎣嚆簍＝喜蔞蓁差翰融圳李睡＝≯鰱剮雨囊夼謗焉黿性鎏孽霉粕看茸輔馨羈稀。燮痿鬈全兩示表塞嵩簽;瓤弱引妻景替餌薄霞臣４;融答霧薹８簍妻霞一誓丞旨鼎羹鐾嚏坦蠢蒴萜醴疆j蠼翼毳墓爵萎簍謦益茬霎磊羹謇|霧墼羹黿。爹薯鑭辱;霧羹薹囊薹萋耋冀薹蓁型：季奏奏冀薹鍪戮霧乏唾撐靼=豳薹囊萎萋蓁奏：妻霪莖簍羹蠹。薹鏨萋輦３霎囊蔓蠢羹鋈摹。鬟薹鍪萋妻簦委羹囊羹薹羹萋址耄;霎鬟羹薹萋薹耄卅囊霎蓁薹i蓁霎薹囊墓耋蓁；囊簍？萋妻墓菱簍萋鍪羹妻；薹羹冀冀耋妻霎蠹；簍一季薹璧莖蓁鋈薹霎簍薹鋈耋薹一墓。耋蓬萋霎÷鍪薹蠢要螽薹妻縫霧薹霧望霪萋一蓁囊簍藿妻薹冀＝妻霧萋萋羹鬟羹塹冀；冀霎莖霎ｊ蠶霧餮一垂：囊莖蓁薹萎二薹薹莖耋蠢一薹攀奏奏蓁霎襄萎：霧一簍羹耋霾霪羹薛曼薹:薹奏囊鐾囊霎薹窶囊?jiàn)淞忪F墓一。蓁ｆ越多，A的非一致性程度也就越嚴(yán)重,ｋ對(duì)應(yīng)的標(biāo)準(zhǔn)化特征向量也就越不能真實(shí)地反映出X＝扛．,ｘ：，…，ｘ。｝在對(duì)因素ｚ的影響中所占的比重。因此,對(duì)決策者提供的判斷矩陣有必要作一次一致性檢驗(yàn),以決定是否能接受它。對(duì)判斷矩陣的一致性檢驗(yàn)的步驟如下：①計(jì)算一致性指標(biāo)ａ：C/:蘭型二！刀一ｌ②查找相應(yīng)的平均隨機(jī)一致性指標(biāo)肼。對(duì)療=I,.--,９，Saatｙ給出了尉的值,如下表所示:表２-７平均隨機(jī)一致性指標(biāo)Ｒ/,ｚl23４５6７89R/0OO.５8０.901.121.２4１．3２1.４１1．45礎(chǔ)的值是這樣得到的，用隨機(jī)方法構(gòu)造500個(gè)樣本矩陣：隨機(jī)地從1，--.９及其倒數(shù)中抽取數(shù)字構(gòu)造正互反矩陣，求得最大特征根的平均值旯二艤，并定義：盯:查釜二竺刀一1③計(jì)算一致性比例CR：衄:垡Rｉ當(dāng)ＣＲ＜O．1０時(shí)，認(rèn)為判斷矩陣的一致性是可以接受的，否則應(yīng)對(duì)判斷矩陣作適當(dāng)修正。（４)層次總排序及一致性檢驗(yàn)。上面我們得到的是一組元素對(duì)其上一層中某元素的權(quán)重向量。我們最終要得到各元素，特別是最低層中各方案對(duì)于目標(biāo)的排序權(quán)重,從而進(jìn)行方案選擇，總排序權(quán)重要自上而下地將單準(zhǔn)則下的權(quán)重進(jìn)行合成。對(duì)層次總排序也需作一致性檢驗(yàn)，檢驗(yàn)仍象層次總排序那樣由高層到低層逐層進(jìn)行。這是因?yàn)殡m然各層次均已經(jīng)過(guò)層次單排序的一致性檢驗(yàn)，各成對(duì)比較判斷矩陣都已具有較為滿(mǎn)意的一致性。但當(dāng)綜合考察時(shí)，各層次的非一致性仍有可能積累起來(lái)，引起最終分析結(jié)果較嚴(yán)重的非一致性。設(shè)曰層中與彳，相關(guān)的因素的成對(duì)比較判斷矩陣在單排序中經(jīng)一致性檢驗(yàn)，（２）求行和‘2善乃,并利用轉(zhuǎn)換公式勺2等＋0.５將模糊判斷矩陣,=(兀）砌改造為模糊一致性判斷矩陣Ｒ＝(勺）～,模糊一致性矩陣滿(mǎn)足一致性條件，無(wú)需再進(jìn)行一致性檢驗(yàn)。（３）利用行和歸一法得到排序向量∥(。）：(川，…，%）r＝(_｝，…,{L)r?！啤剑臁啤甪=l（4)利用轉(zhuǎn)換公式P；,:皇將互補(bǔ)型判斷矩陣R：(0）蝴變?yōu)榛シ葱途仃噐iiＥ＝Ｑ打)～。（５）以排序向量形‘o’作為特征值法的迭代初值%，進(jìn)一步求精度較高的排序向量形（n,即:①以％=%（１,…ｖ∽…,’,。。）ｒ?yàn)榈踔担玫桔伲?。＝E圪求特征向量圪＋,，并求圪+。的無(wú)窮范數(shù)ll％＋。憶。②判斷：若…圪+，憶一ＩＩ圪叫＜s,則ｌ|圪＋。憶即為最大特征值旯一,將圪+-進(jìn)行歸一化處理后,圪+。＝１-．一，■■一，…,●■一1,七+ｌ,Ｉ１,盤(pán)+ｌ，２１，七＋l,＂所得向量∥‘七’=圪+ｌ即為∑‰小∑ＶM,，f=１f＝ｌ∑Ｖ川，,ｉ＝ｌ方案排序向量,迭代結(jié)束?！氡P(pán)＝船，最,…，揣卜…,再次迭代?！旅媾e一計(jì)算實(shí)例說(shuō)明:Ｏ.50１０．5００ｌl0.5０ｌ１l0.5．優(yōu)先判斷矩陣F=０0,行和１=３.５,吃＝2.5,吩＝１.５,■=Ｏ．5,０．5００O．３75０.6２5０.５０0Ｏ．3７50．250O.７５00．625Ｏ．5０００.3750.８７５Ｏ．75０Ｏ.６25O．5０0則模糊一致性判斷矩陣為Ｒ=(％）~＝０.2５00.１2５，利用行和歸一法求得排序向量為礦‘ｏ’＝（O．４３75，O．3125，0。１8７５,Ｏ.06２５)r，互反型判斷矩陣1.ＯOOOO.６００0１.６６６７1．0００００．６000０３３333.０0００１.6６671．0０００Ｏ．60００7.OOＯO３．０00０１.666７１.00００Ｅ＝(Ｐl(wèi)，)腳＝０．333３０．142９,以行和歸一法求得的排序向量形（ｏ’作為特征值法的迭代初值,迭代３次求得排序向量∥(5)=(O．4９５２,0.26７0,Ｏ.1541,O．08３７）r計(jì)算精度在O.ＯOOl,可以驗(yàn)證計(jì)算結(jié)果與實(shí)際情況較相吻合。改進(jìn)的模糊層次分析法其優(yōu)點(diǎn)在于:三標(biāo)度法屬互補(bǔ)型標(biāo)度，符合人們的思維邏輯,其形式簡(jiǎn)單，由其度量各元素之間的比較關(guān)系；就其質(zhì)而言,不存在度量不準(zhǔn)確的可能性,建立的優(yōu)先判斷矩陣雖然粗糙,但極易建立;由優(yōu)先判斷矩陣改造而成的模糊一致性矩陣滿(mǎn)足一致性條件,無(wú)需再進(jìn)行一致性檢驗(yàn)。若把由方根法或行和歸一法求得的目標(biāo)權(quán)重∥‘ｏ’=（Ⅵ，…，％)，作為特征值法的迭代初值虼＝％（％。，‰,…,%。)7’，則可大大減少迭代次數(shù),提高收斂速度，同時(shí)又可以滿(mǎn)足計(jì)算精度要求【１９】。２.3.３搿活躍度刀計(jì)算“關(guān)鍵聯(lián)系人’’是指那些高活躍人群,這些人群在其網(wǎng)絡(luò)中的短信使用頻繁、聯(lián)系人較多、具有高響應(yīng)概率、通話(huà)頻繁、以及具有一定—6時(shí)Ｕ值。根據(jù)上述商業(yè)定義,我們將“關(guān)鍵聯(lián)系人”６個(gè)指標(biāo)的線(xiàn)性組合從數(shù)學(xué)上定義為“活躍度＂,即“活躍度＂＝廠(chǎng)（營(yíng)銷(xiāo)活動(dòng)響應(yīng)度，～度社交圈人數(shù),語(yǔ)音通話(huà)次數(shù),短信收發(fā)次數(shù)，彩信收發(fā)次數(shù)，觸心U值）,廠(chǎng)函數(shù)是這６個(gè)指標(biāo)的一個(gè)線(xiàn)性組合。由于現(xiàn)有營(yíng)銷(xiāo)數(shù)據(jù)中沒(méi)有代表活躍度的指標(biāo),因此難以進(jìn)行建模來(lái)確定指標(biāo)的權(quán)重,這里采用改進(jìn)的模糊層次分析法CＦAｔ-ＩＰ）來(lái)確定各指標(biāo)的權(quán)重。對(duì)“關(guān)鍵聯(lián)系人’’的６個(gè)指標(biāo)，設(shè)語(yǔ)音通話(huà)次數(shù)為五，短信收發(fā)次數(shù)為彳：，彩信收發(fā)次數(shù)為也,一度社交圈人數(shù)為丘,營(yíng)銷(xiāo)活動(dòng)響應(yīng)度為Ｘ，，剮姆Ｕ值為瓦。結(jié)合商業(yè)需求，我們確定了三個(gè)品牌在模糊層次分析法上的比較矩陣,分別為:表２－８Ａ品牌的比較矩陣?A品牌五五Ｏ．5１１置O０.５l置０X‘l1五l托l(wèi)五墨ＸｔＯO．5ｌlＯlｌＯ．５ｌＯＯＯＯOO０,5ＩXｓO．５lＸ6ＯＯOO.５0O．5表2＿9B品牌的比較矩陣；ｉB品膊五O.5０五ｌO.５五ｌＯx(chóng)‘Ｏｘs０Xｂl墨五墨xｌ0ＯOO１O(jiān)l1ＩＯ.5ｌＯO,５OＯ。５lｌXｓl0llｌＯｌO五0Ｏ.5表2-１0Ｃ品牌的比較矩陣ic晶牌,。ＸＩＯ．5０置ｌ０．５Ｘ，ＩlxO０ＬＸｓＯ五ｌ五ｔX3XA０OｌＯOlＯｌO．５lOＯ．5Ｏ&5llXｓｌＯlＯllｌ0xb0Ｏ.5根據(jù)模糊層次分析法的計(jì)算原理，可以求出三個(gè)品牌對(duì)應(yīng)的6個(gè)指標(biāo)的權(quán)重，結(jié)果如下：表２_１1三個(gè)品牌的指標(biāo)權(quán)重≯oi≥，權(quán)重。置Ａ品牌Ｏ.16l０．２35B品牌O.1５９０.０４８C晶牌0．15９五五ＸＡO.１1００３690．0６2O.11０0.２３４Ｏ．0４８０.23４五ｘ6Ｏ.“2Ｏ.３７3Ｏ．３730.0７5O.062０.075由于6個(gè)指標(biāo)的量綱不一致,因此對(duì)其進(jìn)行標(biāo)準(zhǔn)化,標(biāo)準(zhǔn)化公式=１000×(指標(biāo)值.指標(biāo)最小值）／(指標(biāo)最大值等旨標(biāo)最小值)。設(shè)6個(gè)指標(biāo)標(biāo)準(zhǔn)化后的變量分別為膏l(xiāng)、叉：、牙,、又。、牙,、ｊ。，由此可以分模型、分品牌構(gòu)建“活躍度"的得分表達(dá)式，然后將得分按品牌進(jìn)行排序，再根據(jù)商業(yè)上的需要選取一定比例的高活躍度用戶(hù)作為“關(guān)鍵聯(lián)系人"進(jìn)行精確營(yíng)銷(xiāo),得分表達(dá)式如下：ＳcｏrｅA＝0.16１Ｘl＋０．２3５X2＋0．3６９Ｘ3＋0．06２X4+Ｏ．１１２墨－Ｉ-０.0６２X6SｃｏｒｅB=0.１5９Xｌ+０．０4８X2＋０．1ＩＯX３+0．２３４X4+0．３7３Ｘ5+0．０７５X6ScoｒｅC=Ｏ.159Ｘｌ－Ｉ-０.１１Ｏｊ，２+０．０48Ｘ３＋０.２34X４＋Ｏ．3７3Ｘ５－ｔ-０．0７5Ｘ6第三章通信社會(huì)關(guān)系網(wǎng)絡(luò)的構(gòu)建3.１構(gòu)建流程六度空間理論是指社會(huì)關(guān)系網(wǎng)絡(luò)中的任意兩個(gè)節(jié)點(diǎn),他們之間至少存在著一條度小于等于6的關(guān)聯(lián)路徑。該理論已經(jīng)得到眾多實(shí)驗(yàn)的驗(yàn)證,包括微軟最近進(jìn)行的一項(xiàng)調(diào)查研究，通過(guò)對(duì)２０06年６月間1.８億人的３００多億次即時(shí)對(duì)話(huà)進(jìn)行了深入分析,這些信息占當(dāng)時(shí)全部即時(shí)消息流量的一半左右,得出了這個(gè)星球上任意兩個(gè)人互相聯(lián)系的橋梁平均需要通過(guò)６．６個(gè)人的結(jié)論，也再次驗(yàn)證了六度空間理論的正確性。由于通信社會(huì)關(guān)系網(wǎng)絡(luò)擁有完整社會(huì)關(guān)系網(wǎng)絡(luò)的幾乎所有性質(zhì),并且其數(shù)據(jù)規(guī)模的適中性,通信用戶(hù)之間的通信關(guān)系的可靠性以及通信數(shù)據(jù)的完整性，使得通信社會(huì)關(guān)系網(wǎng)絡(luò)更加適合于挖掘。因此,本章通過(guò)設(shè)計(jì)關(guān)聯(lián)路徑和最短路徑檢索算法,來(lái)構(gòu)建前一章“關(guān)鍵聯(lián)系人"的通信社會(huì)關(guān)系網(wǎng)絡(luò)，該網(wǎng)絡(luò)主要包括通信用戶(hù)的“六度空間’’,即其朋友圈,以及用戶(hù)和用戶(hù)之間的通信路徑等,并通過(guò)界面開(kāi)發(fā)將其通信社會(huì)關(guān)系網(wǎng)絡(luò)以Fｌaｓｈ的界面形式展現(xiàn)出來(lái)，從而為該地區(qū)電信運(yùn)營(yíng)商的社會(huì)網(wǎng)絡(luò)分析提供數(shù)據(jù)基礎(chǔ)。本章通信社會(huì)關(guān)系網(wǎng)絡(luò)的構(gòu)建流程主要包括:(1）匯總上述“關(guān)鍵聯(lián)系人”在２0０8年7月份的通信記錄清單數(shù)據(jù),構(gòu)建這些人群的ｌ度空間數(shù)據(jù)，即1度朋友圈。(２）使用關(guān)聯(lián)路徑檢索算法,逐級(jí)構(gòu)建２度至６度的通信路徑匯總數(shù)據(jù)，構(gòu)建過(guò)程中，對(duì)于已經(jīng)存在于低度空間中的路徑進(jìn)行遞歸去重運(yùn)算。（3)將以上１至６度的空間數(shù)據(jù)存儲(chǔ)于六度空間的數(shù)據(jù)存儲(chǔ)表中,并對(duì)該表中的通信主體字段加索引。（４)搜索兩個(gè)用戶(hù)（如A，B用戶(hù)）之間的最短路徑，以A(或者Ｂ）用戶(hù)作為通信主體,從六度空間的數(shù)據(jù)存儲(chǔ)表中過(guò)濾出該用戶(hù)的6度通信路徑數(shù)據(jù),生成臨時(shí)數(shù)據(jù)表,然后使用最短路徑搜索算法,即ＳAS軟件運(yùn)籌(OＲ）模塊的最短路徑計(jì)算過(guò)程(ＮETＦＬＯW過(guò)程)，計(jì)算出Ａ，B用戶(hù)間的最短距離和29（4）當(dāng)所=門(mén)時(shí),以=４一。并上滿(mǎn)足＆。，=&-l'：的4號(hào)碼集合,然后遞歸去除么。=峨'ｉ’s。,2】脹2中可能存在于么等，(厶一2圓彳辨＿Ｉ)刪，……,(4固…以一：＠以一。)唧的路徑組合。令Ｄ砌（度）=刀,將4存入六度空間的數(shù)據(jù)存儲(chǔ)表。通過(guò)以上的關(guān)聯(lián)路徑遞歸檢索可以得到一張用以存儲(chǔ)用戶(hù)通信關(guān)聯(lián)路徑的六度空間數(shù)據(jù)存儲(chǔ)表，如下所示：表3－ｌ六度空間數(shù)據(jù)存儲(chǔ)表；手機(jī)號(hào)AＡ度ll起始號(hào)碼ＡA結(jié)束號(hào)碼ＣＤ總通話(huà)時(shí)長(zhǎng)２０００900通話(huà)頻數(shù)３０２0短信頻數(shù)５04０彩信頻數(shù)”3０10A22ＣDB８0０７０0202０4０４０２０2０AAAHXY３３ＢH９00６００3０50２０５01０3０ＢlBX9008００３0202040102０ＢｌＢC３．2.２最短路徑搜索算法最短路徑是最優(yōu)化重要問(wèn)題之一，它不僅直接應(yīng)用于解決生產(chǎn)實(shí)踐中的許多問(wèn)題,如管道的鋪設(shè)、線(xiàn)路的安排、廠(chǎng)區(qū)的選址和布局、設(shè)備的更新等，而且也經(jīng)常被作為一種基本工具,用于解決其他的最優(yōu)化問(wèn)題和預(yù)測(cè)、決策問(wèn)題。這種制約網(wǎng)絡(luò)問(wèn)題都能夠使用SAS軟件運(yùn)籌(OＲ）模塊的ＮETFLＯＷ過(guò)程解決,該過(guò)程可以接受某種指定的網(wǎng)絡(luò)規(guī)格，也可以解決大部分線(xiàn)性規(guī)劃問(wèn)題;單純形法算法雖然是求解線(xiàn)性規(guī)劃問(wèn)題的有效方法，但是Ⅺeｅ和Mｎｙ構(gòu)造的例子證實(shí)了單純形算法不是多項(xiàng)式算法,因此NＥＴFLOＷ過(guò)程使用了內(nèi)點(diǎn)算法來(lái)解決網(wǎng)絡(luò)問(wèn)題和線(xiàn)性規(guī)劃問(wèn)題。本文在研究用戶(hù)之間的通信關(guān)系時(shí)設(shè)計(jì)的最短路徑搜索算法正是基于SＡＳ軟件運(yùn)籌(ＯＲ）模塊的NＥＴＦＬO(píng)Ｗ運(yùn)算過(guò)程，實(shí)現(xiàn)了包括DｉikＳｔｒa，Ｐｒ硫ａ１.Dｕal內(nèi)點(diǎn)算法等圖論計(jì)算算法，具有精確,高效,適于處理大型數(shù)據(jù)矩陣的特性。在大量的求解最短路徑算法中,Dｉjｋｓｔra算法是一種最經(jīng)典的算法，傳統(tǒng)的算法時(shí)間復(fù)雜度為０（Ⅳ２）,許多算法都是在此算法的基礎(chǔ)上改進(jìn)發(fā)展而來(lái)的。Ｄ弘ｓｔｒa算法的基本思想是:以屹為起點(diǎn)，從圖中找出與其距離最短的頂點(diǎn)。假設(shè)該點(diǎn)為K，然后再以杉作為參照點(diǎn)，從余下的頂點(diǎn)中找出與其距離最短的頂點(diǎn)，依次類(lèi)推，直到所有的頂點(diǎn)都對(duì)比完為止，至此,以到各頂點(diǎn)的最短距離就已經(jīng)求出來(lái)了。至于具體的最短路徑，常用的方法是“反向追蹤法”。即從終點(diǎn)出發(fā),“順藤摸瓜”找到最短距離上的各個(gè)點(diǎn),按照有向圖的方向，就可以得到最短路徑【2１1。近十幾年來(lái)內(nèi)點(diǎn)算法已經(jīng)成為數(shù)學(xué)規(guī)劃中非?；钴S的研究方向,其收斂性和計(jì)算速度均優(yōu)于單純形算法,并已形成勢(shì)函數(shù)投影、仿射尺度和路徑跟蹤法三大類(lèi)內(nèi)點(diǎn)算法。其中仿射尺度算法使用簡(jiǎn)單的仿射變換替代了勛１11ａ咄aｒ原來(lái)的投影變換,從而使人們可以直接解一般形式的線(xiàn)性規(guī)劃問(wèn)題,Ｋ踟naｒｋar算法對(duì)單純形結(jié)構(gòu)的特殊要求被放松了。仿射尺度算法的的基本思想是：每步迭代先作仿射尺度變換，然后使用最速下降步驟。它分為原仿射尺度算法,對(duì)偶仿射尺度算法和原始.對(duì)偶仿射尺度算法三類(lèi)。其中原始．對(duì)偶仿射尺度算法在初始點(diǎn)和迭代步長(zhǎng)選取適當(dāng)時(shí),可證明為多項(xiàng)式算法。在原仿射尺度算法中尺度矩陣為Ｘ,而在對(duì)偶仿射尺度算法中尺度矩陣為Z，在此算法中尺度矩陣既不取x也不取Ｚ,而是?。?(Ｚ－1設(shè)x‘,Ｘ）m。原始一對(duì)偶仿射尺度算法的基本框架如下【22】：(ｙ。，ｚ‘)分別為原問(wèn)題和對(duì)偶問(wèn)題的內(nèi)點(diǎn)可行解,令ｘ）¨2，對(duì)線(xiàn)性規(guī)劃（三Ｐ）x=旃昭＠?，…，ｘ:),ｚ=西昭@？，…,ｘ：)，Ｄ=(z＿１作D.仿射尺度變換,變?yōu)椋韎npｒｉＩ盈=6，ｉ≥o},其中萬(wàn)=眈，彳＝么Ｄ,i=D-1ｘ。仿照原仿射尺度算法取下降方向：血=D【，一刪ｒ（4Ｄ２４7’)＿１彳Ｄ】眈,仿照對(duì)偶仿射尺度算法取下降方向：緲＝一(彳Ｄ２4r）－１６,止=么ｒ（么D２么r)－１６，令x七+1＝ｘ‘一ａ血,J,M＝y(tǒng)七一ａ妙,z¨＝z‘一ａ△Ｚ,其中O<a<１。完成一次迭代,此算法由于在每次迭代中始終保持ｘ‘的原可行性，(ｙ。,ｚ七）的對(duì)偶可行性,32并通過(guò)適當(dāng)選取步長(zhǎng)口使對(duì)偶問(wèn)隙有固定比例的縮減，從而導(dǎo)致一個(gè)多項(xiàng)式算法?；谝陨蠄D論算法，結(jié)合ＮETＦＬＯW過(guò)程，我們?cè)O(shè)計(jì)如下算法：（１）設(shè)Ⅳ表示該地區(qū)某電信運(yùn)營(yíng)商的電話(huà)號(hào)碼總數(shù),Ａ,＝(a(i，J，1）)Ⅳx＾r(nóng)為1次關(guān)聯(lián)矩陣，當(dāng)號(hào)碼S。與Sj有通訊聯(lián)系時(shí)，a（i,J,1)=1,否則該元素取為+０0。令A(yù)。＝(口（,,Ｊ,ｍ))ⅣｘⅣ是ｍ次聯(lián)系矩陣,其元素口（f，/，聊)=min{ａ（ｉ,ｋ，１）＋口（后,J，m一１I1≤k≤N,ｋ≠ｆ，ｋ≠/））。該元素的意義為:若號(hào)碼Ｓ,能夠通過(guò)擾次聯(lián)系與Ｓ』關(guān)聯(lián)，則元素的取值為ｍ，否則取值為+ｏｏ。設(shè)，ｚ（f,／）＝.ｍ,iｎa（i，J，ｍ)表示S，到S，的最小關(guān)聯(lián)次數(shù)，即S,最少要通過(guò)多少次聯(lián)系ｌS塒S∞。關(guān)聯(lián)到Ｓ/。我們將問(wèn)題描述為，對(duì)任意兩個(gè)號(hào)碼S，與S/,若咒（ｆ,J）=．m…inａ（i，J，掰)＜佃,則給出由Ｓ,到達(dá)S，的最短路徑。ISmＳO。(2)對(duì)號(hào)碼Ｓ。，給出其～度關(guān)聯(lián)集合,即與S,有直接聯(lián)系的號(hào)碼集合B。(ｆ)，若J∈Ｂ。（ｆ），貝0,ｚ(f，J)＝1，否貝0，若日（ｆ）ｎ罵(／）≠驢，貝U，z(i,J）=２。(3）對(duì)艿l（ｆ)中的元素,再分別求一度關(guān)聯(lián)集合,可以記成B：（ｆ）,若Ｂ１(i)ｎＢl（／）=妒，Ｂ２（ｆ）ｎ且(/）≠妒,則，ｚ(f，J)=3，否則，若Ｂ２(ｆ)r、Ｂl(/)=妒,B２(f)廠(chǎng)、吃(／)≠驢,貝.１Ｊn（ｉ,／）=４。(４）類(lèi)似可以給出色(ｆ),若芝(ｆ）n吃（/）＝≯，Ｂ3（ｆ)廣、Ｂ2(歹)≠≯,則，z(ｆ,J)=5,否則，若色(ｆ）ｒ、B：(/)=妒,B3（ｆ)n馬（／）≠驢,則，ｚ（ｆ√）=６，若B(ｆ）ｎ色(/)＝≯,貝，lＪn（ｉ，J）≥6，關(guān)聯(lián)失敗。(５)最后將六度空間數(shù)據(jù)存儲(chǔ)表及其生成的臨時(shí)數(shù)據(jù)表作為源數(shù)據(jù)輸入ＳAS軟件運(yùn)籌模塊的ＮEＴFＬＯW過(guò)程,將需要查詢(xún)的起始號(hào)碼,結(jié)束號(hào)碼作為參數(shù)輸入以上ＮＥTＦLＯＷ計(jì)算過(guò)程，并設(shè)置NＥTFLOＷ計(jì)算過(guò)程的輸出結(jié)果。運(yùn)行以上計(jì)算過(guò)程,輸出結(jié)果中即包含起始號(hào)碼與結(jié)束號(hào)碼之間的最短路徑長(zhǎng)度,以及最短路徑上經(jīng)過(guò)的節(jié)點(diǎn)號(hào)碼（如果兩個(gè)號(hào)碼存在聯(lián)系)。由于對(duì)所有的號(hào)碼Ｓ。，給出集合局（f）,其存貯量可能非常巨大，總的可zＨ匕１.-，達(dá)到1０0０Ｇ到100００Ｇ級(jí)別，因此存貯資源的限制使得我們只能統(tǒng)計(jì)三度以?xún)?nèi)的關(guān)聯(lián)。３.3Fｌeｘ技術(shù)開(kāi)發(fā)為求將構(gòu)建的通信社會(huì)關(guān)系網(wǎng)絡(luò)直觀(guān)地展現(xiàn)出來(lái),本文考慮到Fｌｅｘ技術(shù)具有更好的網(wǎng)絡(luò)交互能力，更加絢麗的表現(xiàn)效果，同時(shí)在企業(yè)級(jí)的擴(kuò)展上也游刃有余，并且對(duì)軟件開(kāi)發(fā)人員的要求并不苛刻,用相對(duì)簡(jiǎn)單的代碼就可以完成絢麗高效的Fｌｅx應(yīng)用程序等特點(diǎn)，因此本文基于多層模式的體系結(jié)構(gòu),采用Ｆｌex技術(shù)來(lái)構(gòu)建通信社會(huì)關(guān)系網(wǎng)絡(luò)的前端展現(xiàn)。Intｅｍｅt已經(jīng)是我們生活的一部分，而“看網(wǎng)頁(yè)＂可以說(shuō)是網(wǎng)絡(luò)瀏覽者與Inｔｅｍeｔ最簡(jiǎn)單的溝通方式。打開(kāi)瀏覽器，進(jìn)入~個(gè)網(wǎng)站瀏覽，這就是瀏覽者們看到的最直觀(guān)的Ｉｍeｎlｅt的外表。盡管頁(yè)面上不是單一的文字,但也僅僅是“頁(yè)＂。然而如今這些傳統(tǒng)的呆板的“頁(yè)”已經(jīng)不再能滿(mǎn)足網(wǎng)絡(luò)瀏覽者的要求了。多媒體、多元化的信息表現(xiàn)在一個(gè)頁(yè)面上，的確很是單薄。另一方面，開(kāi)發(fā)人員也一直在為過(guò)分依賴(lài)于頁(yè)面刷新、請(qǐng)求響應(yīng)等諸多傳統(tǒng)網(wǎng)頁(yè)開(kāi)發(fā)技術(shù)固有的問(wèn)題而煩惱。當(dāng)然我們不能忽略Ｂ/ｓ架構(gòu)能夠取代Ｃ/Ｓ長(zhǎng)期大行其道有一個(gè)重要的因素，就是網(wǎng)絡(luò)帶寬問(wèn)題。傳統(tǒng)網(wǎng)頁(yè)內(nèi)容簡(jiǎn)單，節(jié)省網(wǎng)絡(luò)帶寬的優(yōu)勢(shì)是與生俱來(lái)的,而如今網(wǎng)絡(luò)技術(shù)在不斷地發(fā)展，軟硬件發(fā)展又達(dá)到了一個(gè)并駕齊驅(qū)的時(shí)期,軟件系統(tǒng)已經(jīng)不需要等待硬件的發(fā)展而發(fā)展。有了強(qiáng)烈的需求,又有了充足的硬件基礎(chǔ)，新技術(shù)應(yīng)運(yùn)而生,對(duì)A的出現(xiàn)給網(wǎng)絡(luò)瀏覽者和開(kāi)發(fā)人員都帶來(lái)了全新的體驗(yàn)【２3】。砒Ａ是RｉchIｎｔemｅｔＡppｌｉcatioｎｓ的縮寫(xiě)，翻譯成中文為豐富互聯(lián)網(wǎng)應(yīng)用程序,豐富互聯(lián)網(wǎng)應(yīng)用程序是將桌面應(yīng)用程序的交互的用戶(hù)體驗(yàn)與傳統(tǒng)的Wｒeb應(yīng)用的部署靈活性結(jié)合起來(lái)的網(wǎng)絡(luò)應(yīng)用程序。ⅪA是集桌面應(yīng)用程序的最佳用戶(hù)界面功能與W曲應(yīng)用程序的普遍采用和快速、低成本布署以及互動(dòng)多媒體通信的實(shí)時(shí)快捷于一體的新一代網(wǎng)絡(luò)應(yīng)用程序。ⅪA中的礎(chǔ)chＣIiｅｎt（豐富客戶(hù)端）提供可承載己編譯客戶(hù)端應(yīng)用程序(以文件形式，用HＴTP傳遞)的運(yùn)行環(huán)境,客戶(hù)端應(yīng)用程序使用異步客戶(hù)/服務(wù)器架構(gòu)連接現(xiàn)有的后端應(yīng)用服務(wù)器,這是一種安全、可升級(jí)、具有良好適應(yīng)性的新的面向服務(wù)模型，這種模型由采用的Ｗreｂ服３4第四章通信社會(huì)關(guān)系網(wǎng)絡(luò)的應(yīng)用過(guò)通并，掘挖行進(jìn)點(diǎn)節(jié)鍵關(guān)的高較度躍活中絡(luò)網(wǎng)對(duì)術(shù)技據(jù)數(shù)用使文前關(guān)聯(lián)路徑和最短路徑算法構(gòu)建了這些關(guān)鍵節(jié)點(diǎn)的通信社會(huì)關(guān)系網(wǎng)絡(luò)。利用這些關(guān)鍵節(jié)點(diǎn)在其網(wǎng)絡(luò)中的影響力，并結(jié)合其網(wǎng)絡(luò)屬性,我們對(duì)其實(shí)施口碑式營(yíng)銷(xiāo)，通過(guò)它向它的朋友圈進(jìn)行產(chǎn)品推廣，轉(zhuǎn)變傳統(tǒng)的運(yùn)營(yíng)商直接對(duì)用戶(hù)的營(yíng)銷(xiāo)模式,體現(xiàn)出六度空間理論在商業(yè)應(yīng)用上的價(jià)值。４.1應(yīng)用方向分析隨著３Ｇ(第三代移動(dòng)通信）時(shí)代的到來(lái)，對(duì)于消費(fèi)者而言,手機(jī)可以集眾料.推動(dòng)新型建材廠(chǎng)的發(fā)展:也可從中多功能于一身，視頻通話(huà)、收看電視、下載音樂(lè)、在線(xiàn)游戲、實(shí)時(shí)導(dǎo)航、網(wǎng)上購(gòu)?fù)恋膿胶戏诌x漂珠、微珠、鐵精粉、碳、鋁等有用物、手機(jī)錢(qián)包等等使其更像一個(gè)網(wǎng)絡(luò)終端，其功能不再是“打電話(huà)＂那么簡(jiǎn)單。物質(zhì)。此外.煤矸石還可用于造氣、回通信商完全可以突破原則只是滿(mǎn)足真實(shí)耋蓬霧霧蠢萋萋羹羹萋ｉ薹囊霧薹蓁萎羹收伴生礦產(chǎn)資源、生產(chǎn)各種化工產(chǎn)品、建筑材料和復(fù)合肥料等．煤層氣主要是瓦斯氣。瓦斯的溫室效應(yīng)是ＣＯ，的２１倍．直接排放會(huì)嚴(yán)重污染環(huán)境。然而．瓦斯又是一種潔凈霪熏霾鬟霎霧囂羹霪蠶。羹霎蓉冀羹囊瑟霎萋羹登塑毳可用作水泥、砂漿、混凝能源．純瓦斯的熱值大于３３000千焦，立方米．與常規(guī)天然氣相當(dāng).每100０立方米瓦斯就相當(dāng)于１噸原油．具有