本文主要研究如何利用关联规则发现电信企业各项电信增值服务之间的内在关联,帮助运营商分析客户消费行为,识别客户特征,辅助运营商进行有效的市场营销和客户服务。首先,阅读和分析了大量国内外相关文献,总结了电信企业服务管理的研究现状和数据挖掘在电信行业中的应用情况。然后介绍了关联规则的基本概念、经典算法,讨论了在电信数据库中较为常见的数量关联规则挖掘的一般步骤和存在的问题以及负关联规则的基本原理。再次,提出了基于云模型改进的正负云关联规则挖掘算法。在电信运营商的数据库中存在着大量的数值型数据,进行数量关联规则挖掘的难点之一就是数值区间离散化问题。传统的划分方法由于不能反映数据间的分布规律或者是划分的边界过硬,使得最终都不能得到富有意义的、易于理解的关联规则。本文提出了一种基于云模型的数值区间离散方法,这种划分摒弃了以前的硬划分,使得到的结果除了保留传统硬划分所具有的优点以外,也更加符合实际的数据分布和人的思维方式,从而最终得到概括的、易理解的、有效的关联规则。同时,利用相关性系数判断事务间的关联关系,不但挖掘数据库中的正关联规则,也关注有意义的负向关联。为了提高算法的效率,采用多重最小支持度约束,对不同长度的项集设置不同的最小支持度,控制短项集产生的同时保留了可能有意义的长项集。最后,构建了电信企业服务挖掘的系统框架,探讨了客户行为的基本模式和影响因素,运用正负云关联规则挖掘各种电信服务之间的关联,作为后续研究的基础,或者直接指导企业的客户服务实践。本课题作为一项跨学科的研究,涉及客户关系管理、服务管理、数据挖掘等领域,综合运用了数量关联规则、负关联规则、云模型等理论、方法与模型。