基于云计算的网络技术研究与应用

闻锋　张世奇

摘 要：现今，伴随着无线网络与通信技术的飞速发展，云计算的概念得以孕育而出并被广泛应用于各个领域。 同样的，在云计算技术的不断发展和完善之时，云计算的思想与技术在电信网络分析技术方面也得到了充分的应用。本文在深度剖析当前云计算的发展情况与运用云计算技术的价值的同时，也对其在通讯网络关系中的运用，如好友推荐、社团特征、客户价值预测等算法进行了简明扼要的分析。

本文以用户特征为基础，从个体的角度展开分析，把从未有过呼叫记录的新用户作为主要探讨的对象并预测其价值。分位点的引入使得客户类别的分类和标签不再仅局限于经验边界值，而是可以依据相对概念对客户类别进行再分类，进而可以得出消费者的相对价值。同样的，由个体进行分析，在客户的行为特征与信息的基础上，研讨与分析的对象为选择已产生呼叫行为的老用户，并针对性的对这些老用户的行为偏好进行相应的好友推荐。其算法脫身于云计算技术所完成的二度好友熟悉度测试算法，并据客户好友的特征来进一步描绘客户的行为偏好。

除却个体角度的分析，本文还从群体角度通过社团的特征与演化进行研究。在进行个体分析时，无论新老用户，其进行研讨的对象都是单一的个体，至于多用户的分析，则需从群体角度的进行研究与讨论，研究其成员在群体内的诸多联系，此处将这样的群体定义为社团。

关键词：云计算 客户价值 好友推荐 社团特征 关系分析

1.云计算的简介

若从技术角度分析云计算，可通过分层的模式体现云计算的主要概念，并将之视为一种基础设施，而它的物理硬件层是虚拟化的，在此设施上构建数个框架以组成其主要架构。这样的架构能够给予系统一个轻便灵敏且具有自适应性的平台，使之可良好响应于各层次的业务需求，并可交付给第三方平台进行相关的计算，如PAAS、SAAS、LAAS等主流平台。

2.云计算的发展现状

在当下云计算技术的研究与应用中，Oracle、Redhat、IBM、微软等大型主流软硬件厂商也投入了大量资金及技术进行着相关的研究，并根据自身特点，提出相应的云计算架构体系。虽然不同厂商提出的架构或多或少都存在一定的差异，但在基本概念上却都是一致的，差异较大的在于各厂商对云计算的理解与研究方向。

换个角度来说，在度过了初期的缓步发展后，云计算技术得到了相当的大的提高，但仍有一些亟待解决的问题存在于其主要技术的研究与运用中，例如QOS问题、云环境下的网络安全、多虚拟机之间功能融合的实现等一系列相关问题。

3.云计算在电信通信网络关系分析中的应用

3.1基于云计算的客户价值预测

在电信通信网络的客户价值预测工作中，通常不仅需要进行大量的运算，还需涉及非常广博的知识面。若在客户价值预测的工作中运用云计算的相关技术，则可对用户的个人信息、偏好行为、通讯信息等相关数据进行深度的数据挖掘以得到其内在的关联性。通过分位点概念的运用使得新用户价值的预测变得更加有效，且此预测方法相较于传统的预测方法而言，可有效降低误差。

客户价值预测主要流程为：

（1）获取客户的个人信息、偏好行为与通讯记录中的有效字段，并按照一定规则对其进行拼接。

（2）再对用户的个人信息进行相关的分析，如：年龄、性别、所在地区等信息，而后剔除解析完成后不符要求的用户及其相关信息。

（3）联合分位点的相关概念并以通讯时长作主要参考依据，对通话记录进行相关的分类。若划分了n个分位点，则可据此将用户归为n+1类，而后对已归类的n+1个文件的不同类分别进行Bayesian模型训练，并依据类的不同分别存储n+1类数据。

（4）最后，需要利用测试集测验上述模型的实际效果。

3.2基于云计算的好友推荐

3.2.1好友推荐的分析

通过使用云计算技术处理好友推荐算法的计算时，用户的熟悉度与相似度作为其主要的参考依据。以此为主要依据的算法拥有良好的发展前景，算法中的熟悉度为其绝对量，并可依据二度好友的熟悉度与贡献度完成相关检索。据此推荐算法获得相关熟悉度后，可按照二度好友的相关熟悉度对朋友属性执行加权算法，从而得到精确地偏好特性。

这种计算方法需要依据电信数据的特征，获取通讯时长与频率频次等相关信息，并依据二度好友的用户行为偏好、相关熟悉度以及属性相似度等信息进行计算可得出总推荐度，而后对总推荐度进行分析，并给用户推荐总相似度高的二度好友，从而完善推荐算法使之更加精准。

3.2.2好友推荐算法流程

好友推荐算法的主要计算流程：

首先，对一度好友间的相似度进行一定的计算，并根据运算结果获得其熟悉度与之相关的二度好友之间的联系。

其次，依据二度好友间的联系计算其相似度，并按照上述一度好友的计算结果得出用户环境与行为的偏好。

最后，对用户的相关属性、环境与行为的偏好以及二度好友间的相关熟悉度进行一定量的运算，从而解得算法的总推荐度，并按照总推荐度取值的大小或高低对不同的用户给出相应的推荐结果。

3.3基于云计算的电信社团特征结构化存储及验证

云计算应用于电信社团特征结构化存储的主要计算方法为：

分析一个月内的通话记录，并统计分析其其所在的社团属性。依据社团特征给出相关联的结构化存储方案，并利用通讯网络检验所得方案的一致性。而后将社团结构特征的分析结果执行归一化处理的操作，并存储于相应的存储结构中，以便对其再次分析与检验。其中以社团为单位进行研究并执行存储方案的验证时，剖析其所感兴趣的相关数据的散布详情，并与上述研讨所得的相关数据进行对照分析与测验，再将差异特征值加以统计。

主要计算流程为：

（1）对社团中的各个特征属性加以统计，若存在尚未记录的特征属性，则需记录其单属性。

（2）对统计特征属性所获取的结果执行归一化处理的操作，并制订其相关的概率分布详情。

（3）最后对统计特征属性的概率分布情况执行一致化处理操作，并把处理结果存于上述的存储结构中。

参考文献：

[1] 王攀. IP网络业务识别关键技术研究_王攀[D]. [出版地不详]： 南京邮电大学， 2013.

[2] 廉捷. 基于用户特征的社交网络数据挖掘研究_廉捷[D]. [出版地不详]： 北京交通大学， 2014.

[3] 闫海煜. 基于数字电子技术的通信网络应用研究分析_闫海煜[J]. 数字技术与应用， 2013， 卷缺失（8）： 25.