随着通信行业的不断发展和体制改革的进一步的深化,国内通信行业内部各大运营商之间的竞争愈演愈烈。通信行业内部运营商之间的竞争主要是用户的争夺。用户的基数直接影响着运营商的收入和利润。运营商为了获得更多的用户资源以及占有更大的市场份额,往往会采取降价的价格战争以及广告宣传,比如虚拟运营商通过低廉的价格战争吸引新用户,导致传统的三大基础运营商不得不降低资费挽留用户,促使了通信行业的提速降费。本文基于移动运营商的通信数据,设计了一套预测用户流失的概率模型。首先,对原始通信数据进行特征处理,通过分析通信数据特征,提取数据的隐藏特征,并构建数据特征,对数据特征进行离散化处理,通过对构建好的数据特征进行特征选择,这三步的目的是使处理后的数据能更好体现出用户流失的意愿;然后,对选择后的数据特征进行建模,建立了基于隐马尔可夫模型的概率预测模型,该概率模型通过隐状态和观测状态在时序上进行概率推理预测的过程。并对该概率预测模型进行改进,提出了基于朴素贝叶斯-马尔可夫链的概率预测模型;最后,鉴于移动通话记录的数据量巨大,任何单台高性能计算机可能都无法对其进行高效地处理,本文对所设计的所有内容均进行了基于MapReduce编程模型的并行化设计。本文对所设计的基于移动通信数据的用户流失预测模型进行了基于MapReduce的并行化实现,并使用中国移动辽宁分公司的真实通话记录数据集对所设计的概率推理预测模型进行了验证和性能分析。实验结果表明,本文所设计的概率推理预测模型在真实的数据集上具有较好的性能,是可行且有效的。