一直以来用户流失是电信企业面临的一个非常严峻的问题,电信运营商为了能够争取到更多的市场份额,不断的推出新的套餐模式,希望可以吸引到更多的用户数量,但各种各样的套餐模式,使得用户眼花缭乱,不知道到底使用哪种套餐经济实用,这在很大程度上造成了用户的不稳定性,导致用户流失的现象经常发生。论文工作结合电信运营商用户套餐历史记录,利用数据挖掘技术,发现影响用户使用套餐稳定性的特征因素,并基于这些因素挖掘用户流失模型,用于对未流失用户进行预判式分析,以便针对各类用户推送定制式套餐服务,挽留用户。主要工作如下:(1)基于电信运营商积累的大量用户使用套餐历史记录,结合挖掘用户流失模型主题,确定目标数据源,提出一种适用于通信用户多个连续数值属性约简拟合的特征提取方法。对原始数据进行预处理,兼顾数据可用性的同时有效压缩数据规模,生成挖掘数据集;(2)根据本文涉及的挖掘问题和应用需求,提出关联模式挖掘和分类模式挖掘相结合的复合挖掘策略,降低决策树分类挖掘易产生的过度拟合风险,缓解关联模式挖掘可能造成的过多的无用规则对后续流失预测的干扰影响。(3)结合所构建的关联规则库和分类规则库,设计基于k近邻思想的用户流失预测方法,实现对用户流失的预测。在此基础上,实现基于数据挖掘的电信套餐用户流失预警原型系统。目前,系统已部署完毕,处于运行应用中。