语音通话包括固定电话和移动电话,是一种通过语音并借助传输媒介的沟通方式,具有很好的实时性、私密性、真实性,不受时间、空间的限制,是长期以来被广泛使用的信息交互方式。然而,语音通话的各种优越性在给人们的工作、生活带来极大便利的同时,也会给大量客户甚至电信运营商自身带来不少负面影响,例如:电信诈骗、恶意欠费及广告骚扰。在海量的通话记录中挖掘有价值的信息需要花费大量的人力物力,因此通过人工智能选择有效的算法从海量语音通话记录中自动挖掘出有价值的信息成为近些年来研究的热点。本文为能够利用海量的语音通信记录,拟对各种语音通信行为异常的客户(电信诈骗客户、广告客户等)进行聚类分析,设计构建了语音通信异常客户的行为特征模型,并基于该模型提出了一种语音通信行为异常客户的聚类分析算法。首先,通过分析客户的通话记录得出客户通话次数、接通率等通话行为特征,然后将AHP模型与DEMATEL方法融合,构建语音通信行为异常客户的行为特征模型(AHP-DEMATEL模型);其次,基于该模型提出了一种改进的K-means算法,即AD-Kmeans算法;并实现根据语音通信记录对异常客户进行聚类分析。随后,使用真实数据进行了验证分析。结果表明,相较于其他类似算法,本文算法在多类型异常客户综合聚类分析和单类型异常客户聚类分析时,其性能都得到了较大幅度的提高。最后,针对实际应用需求,基于Hadoop云平台,将本文研究成果应用于语音通话行为分析,设计并实现了相关应用系统。