基于云計(jì)算的網(wǎng)絡(luò)技術(shù)研究與應(yīng)用

聞鋒　張世奇

摘 要：現(xiàn)今，伴隨著無線網(wǎng)絡(luò)與通信技術(shù)的飛速發(fā)展，云計(jì)算的概念得以孕育而出并被廣泛應(yīng)用于各個(gè)領(lǐng)域。 同樣的，在云計(jì)算技術(shù)的不斷發(fā)展和完善之時(shí)，云計(jì)算的思想與技術(shù)在電信網(wǎng)絡(luò)分析技術(shù)方面也得到了充分的應(yīng)用。本文在深度剖析當(dāng)前云計(jì)算的發(fā)展情況與運(yùn)用云計(jì)算技術(shù)的價(jià)值的同時(shí)，也對其在通訊網(wǎng)絡(luò)關(guān)系中的運(yùn)用，如好友推薦、社團(tuán)特征、客戶價(jià)值預(yù)測等算法進(jìn)行了簡明扼要的分析。

本文以用戶特征為基礎(chǔ)，從個(gè)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(yù)測其價(jià)值。分位點(diǎn)的引入使得客戶類別的分類和標(biāo)簽不再僅局限于經(jīng)驗(yàn)邊界值，而是可以依據(jù)相對概念對客戶類別進(jìn)行再分類，進(jìn)而可以得出消費(fèi)者的相對價(jià)值。同樣的，由個(gè)體進(jìn)行分析，在客戶的行為特征與信息的基礎(chǔ)上，研討與分析的對象為選擇已產(chǎn)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(jìn)行相應(yīng)的好友推薦。其算法脫身于云計(jì)算技術(shù)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(jìn)一步描繪客戶的行為偏好。

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

關(guān)鍵詞：云計(jì)算 客戶價(jià)值 好友推薦 社團(tuán)特征 關(guān)系分析

1.云計(jì)算的簡介

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

2.云計(jì)算的發(fā)展現(xiàn)狀

在當(dāng)下云計(jì)算技術(shù)的研究與應(yīng)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(shù)進(jìn)行著相關(guān)的研究，并根據(jù)自身特點(diǎn)，提出相應(yīng)的云計(jì)算架構(gòu)體系。雖然不同廠商提出的架構(gòu)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(jì)算的理解與研究方向。

換個(gè)角度來說，在度過了初期的緩步發(fā)展后，云計(jì)算技術(shù)得到了相當(dāng)?shù)拇蟮奶岣撸杂幸恍┴酱鉀Q的問題存在于其主要技術(shù)的研究與運(yùn)用中，例如QOS問題、云環(huán)境下的網(wǎng)絡(luò)安全、多虛擬機(jī)之間功能融合的實(shí)現(xiàn)等一系列相關(guān)問題。

3.云計(jì)算在電信通信網(wǎng)絡(luò)關(guān)系分析中的應(yīng)用

3.1基于云計(jì)算的客戶價(jià)值預(yù)測

在電信通信網(wǎng)絡(luò)的客戶價(jià)值預(yù)測工作中，通常不僅需要進(jìn)行大量的運(yùn)算，還需涉及非常廣博的知識面。若在客戶價(jià)值預(yù)測的工作中運(yùn)用云計(jì)算的相關(guān)技術(shù)，則可對用戶的個(gè)人信息、偏好行為、通訊信息等相關(guān)數(shù)據(jù)進(jìn)行深度的數(shù)據(jù)挖掘以得到其內(nèi)在的關(guān)聯(lián)性。通過分位點(diǎn)概念的運(yùn)用使得新用戶價(jià)值的預(yù)測變得更加有效，且此預(yù)測方法相較于傳統(tǒng)的預(yù)測方法而言，可有效降低誤差。

客戶價(jià)值預(yù)測主要流程為：

（1）獲取客戶的個(gè)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(jìn)行拼接。

（2）再對用戶的個(gè)人信息進(jìn)行相關(guān)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(guān)信息。

（3）聯(lián)合分位點(diǎn)的相關(guān)概念并以通訊時(shí)長作主要參考依據(jù)，對通話記錄進(jìn)行相關(guān)的分類。若劃分了n個(gè)分位點(diǎn)，則可據(jù)此將用戶歸為n+1類，而后對已歸類的n+1個(gè)文件的不同類分別進(jìn)行Bayesian模型訓(xùn)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(yàn)上述模型的實(shí)際效果。

3.2基于云計(jì)算的好友推薦

3.2.1好友推薦的分析

通過使用云計(jì)算技術(shù)處理好友推薦算法的計(jì)算時(shí)，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(xiàn)度完成相關(guān)檢索。據(jù)此推薦算法獲得相關(guān)熟悉度后，可按照二度好友的相關(guān)熟悉度對朋友屬性執(zhí)行加權(quán)算法，從而得到精確地偏好特性。

這種計(jì)算方法需要依據(jù)電信數(shù)據(jù)的特征，獲取通訊時(shí)長與頻率頻次等相關(guān)信息，并依據(jù)二度好友的用戶行為偏好、相關(guān)熟悉度以及屬性相似度等信息進(jìn)行計(jì)算可得出總推薦度，而后對總推薦度進(jìn)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(zhǔn)。

3.2.2好友推薦算法流程

好友推薦算法的主要計(jì)算流程：

首先，對一度好友間的相似度進(jìn)行一定的計(jì)算，并根據(jù)運(yùn)算結(jié)果獲得其熟悉度與之相關(guān)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(jì)算其相似度，并按照上述一度好友的計(jì)算結(jié)果得出用戶環(huán)境與行為的偏好。

最后，對用戶的相關(guān)屬性、環(huán)境與行為的偏好以及二度好友間的相關(guān)熟悉度進(jìn)行一定量的運(yùn)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(yīng)的推薦結(jié)果。

3.3基于云計(jì)算的電信社團(tuán)特征結(jié)構(gòu)化存儲及驗(yàn)證

云計(jì)算應(yīng)用于電信社團(tuán)特征結(jié)構(gòu)化存儲的主要計(jì)算方法為：

分析一個(gè)月內(nèi)的通話記錄，并統(tǒng)計(jì)分析其其所在的社團(tuán)屬性。依據(jù)社團(tuán)特征給出相關(guān)聯(lián)的結(jié)構(gòu)化存儲方案，并利用通訊網(wǎng)絡(luò)檢驗(yàn)所得方案的一致性。而后將社團(tuán)結(jié)構(gòu)特征的分析結(jié)果執(zhí)行歸一化處理的操作，并存儲于相應(yīng)的存儲結(jié)構(gòu)中，以便對其再次分析與檢驗(yàn)。其中以社團(tuán)為單位進(jìn)行研究并執(zhí)行存儲方案的驗(yàn)證時(shí)，剖析其所感興趣的相關(guān)數(shù)據(jù)的散布詳情，并與上述研討所得的相關(guān)數(shù)據(jù)進(jìn)行對照分析與測驗(yàn)，再將差異特征值加以統(tǒng)計(jì)。

主要計(jì)算流程為：

（1）對社團(tuán)中的各個(gè)特征屬性加以統(tǒng)計(jì)，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(jì)特征屬性所獲取的結(jié)果執(zhí)行歸一化處理的操作，并制訂其相關(guān)的概率分布詳情。

（3）最后對統(tǒng)計(jì)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(jié)果存于上述的存儲結(jié)構(gòu)中。

參考文獻(xiàn)：

[1] 王攀. IP網(wǎng)絡(luò)業(yè)務(wù)識別關(guān)鍵技術(shù)研究_王攀[D]. [出版地不詳]： 南京郵電大學(xué)， 2013.

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

[3] 閆海煜. 基于數(shù)字電子技術(shù)的通信網(wǎng)絡(luò)應(yīng)用研究分析_閆海煜[J]. 數(shù)字技術(shù)與應(yīng)用， 2013， 卷缺失（8）： 25.