彩铃业务是移动运营商的一项重要增值业务。当前由于彩铃用户普及率趋向饱和,用户活跃性降低,运营商为吸引用户使用和更新彩铃,经常开展各项彩铃营销活动向用户推荐铃音,但由于传统营销缺乏针对性,推荐的成功率不甚理想。基于关联规则进行商品推荐是目前应用最为广泛的推荐模式,目前在彩铃推荐方面应用的多是根据单维度的“铃音→铃音”的关联规则进行相应的关联推荐。这样的推荐模式在应用过程中具有一些不足,例如对新上线铃音的推荐力度不足、对重点铃音的推荐力度不足等。彩铃专项分析系统中的铃音推荐模块有效地解决了以上问题。铃音推荐模块主要由ETL(Extract,Transform,Load)子模块、关联规则子模块、推荐权重调整子模块及推荐子模块组成。铃音推荐模块采用了多维关联规则进行推荐,变“铃音→铃音”的关联规则为“分类→分类”的关联规则,有效解决了对新上线铃音的推荐力度不足的问题。另外,本模块在推荐时充分参考了铃音的“推荐权重”。通过系统自动或用户手动调整推荐权重,重点铃音的推荐强度能够得到加强,故有效解决了对重点铃音的推荐力度不足的问题。铃音推荐模块支持基于铃音进行铃音推荐、基于用户进行铃音推荐、基于铃音进行用户推荐等推荐模式。在具体推荐应用时,支持离线和在线两种应用方式。其中离线方式可以生成用于群发的推荐清单,提供给营销执行平台(如短信平台);在线方式提供Web Services供彩铃平台调用,用于开展在线的实时推荐。铃音推荐模块所采用的推荐模式不仅适用于彩铃推荐,也适用于无线音乐、多媒体回铃音等相关产品推荐,在其它产品的推荐方面也具有一定参考价值。本文首先在第一章介绍了相关背景,包括彩铃业务及发展现状简介、ETL过程简介、关联规则数据挖掘理论简介、Web Services核心技术简介、彩铃专项分析系统简介等;在第二章中,对于铃音推荐模块进行了概述,主要内容是模块需求分析以及模块总体设计说明;在第三章中,对ETL子模块进行了介绍,ETL子模块负责保证从数据源定时同步数据,并将数据转换为系统所需格式,是后续数据挖掘的基础;在第四章中,对于关联规则子模块进行了介绍,关联规则子模块的主要功能是基于彩铃定制立方体,挖掘出有效的彩铃定制多维关联规则;在第五章中,首先提出了推荐权重的概念,然后对于推荐权重调整子模块进行了介绍,推荐权重调整子模块的主要功能是通过系统自动或用户手动的方式,设定铃音的推荐权重;在第六章中,对于推荐子模块进行了介绍,推荐子模块的主要功能是基于多维关联规则和推荐权重,实现多种方式的铃音推荐,如基于铃音进行铃音推荐、基于用户进行铃音推荐、基于铃音进行用户推荐等,并提供对离线与在线两种推荐方式的支持。