基于協(xié)同過(guò)濾的互聯(lián)網(wǎng)用戶行為分析技術(shù)研究.pdf

1、隨著社會(huì)信息化趨勢(shì)的不斷加深,以及互聯(lián)網(wǎng)內(nèi)容和應(yīng)用的不斷完善,互聯(lián)網(wǎng)用戶數(shù)量也正在迅速增長(zhǎng)。目前,作為掌握大量流量數(shù)據(jù)的網(wǎng)絡(luò)運(yùn)營(yíng)商,有必要深入挖掘流量?jī)r(jià)值,分析用戶行為,促進(jìn)業(yè)務(wù)發(fā)展,提升用戶體驗(yàn)。Web2.0時(shí)代的到來(lái),使得萬(wàn)維網(wǎng)逐步發(fā)展成為一個(gè)全球性的用戶參與、共享和互動(dòng)的平臺(tái),而不是原來(lái)的海量信息資源庫(kù)。這對(duì)現(xiàn)有的互聯(lián)網(wǎng)知識(shí)發(fā)現(xiàn)研究帶來(lái)了新的挑戰(zhàn)。首先,使分布在萬(wàn)維網(wǎng)上各類復(fù)雜數(shù)據(jù)類型,如音頻、圖像、視頻等快速增加;其次,互聯(lián)網(wǎng)用

2、戶個(gè)性化的操作需求也在不斷增長(zhǎng)。因此,怎么樣有效支持互聯(lián)網(wǎng)用戶行為分析,并將分析結(jié)果加以有效應(yīng)用,成為當(dāng)前基于互聯(lián)網(wǎng)的知識(shí)發(fā)現(xiàn)技術(shù)所面臨的挑戰(zhàn)。
　　在一個(gè)層面上,網(wǎng)絡(luò)上數(shù)據(jù)中的各種復(fù)雜的類型,如在圖像的急劇增加的分布,音頻,視頻等;另一層面,個(gè)人用戶中的操作方面的需要互聯(lián)網(wǎng)也越來(lái)越大。因此,基于因特網(wǎng)的當(dāng)前知識(shí)發(fā)現(xiàn)面臨的技術(shù)兩大挑戰(zhàn)演變成如何有效地支持互聯(lián)網(wǎng)用戶行為分析,和分析的結(jié)果,以有效地應(yīng)用。
　　在本文中,我們對(duì)互

3、聯(lián)網(wǎng)用戶行為分析技術(shù),在以下方面進(jìn)行了研究和探索:
　　1.提出了一種在多Web站點(diǎn)、多標(biāo)簽瀏覽的網(wǎng)絡(luò)訪問(wèn)環(huán)境中用戶瀏覽行為采集和預(yù)處理的方法,首先利用網(wǎng)絡(luò)嗅探器來(lái)采集用戶瀏覽行為數(shù)據(jù),然后將采集到的數(shù)據(jù)進(jìn)行過(guò)濾清理。數(shù)據(jù)過(guò)濾方法是采取從捕獲過(guò)濾、傳統(tǒng)過(guò)濾到基于引用和時(shí)間關(guān)系過(guò)濾的三次逐級(jí)過(guò)濾清理方式。從而為用戶行為模型為基礎(chǔ)的數(shù)據(jù)挖掘提供了較為準(zhǔn)確的數(shù)據(jù)源。
　　2.分類算法的適用性和具體每個(gè)數(shù)據(jù)庫(kù)的特征很大程度上被屬性選

4、擇方法所取決,所有的數(shù)據(jù)庫(kù)和各種挖掘方法不可能被一種屬性選擇方法所適用。屬性選擇首先要考慮屬性選擇維數(shù)的降低程度,其次要考慮算法的運(yùn)行時(shí)間,同時(shí)還要考慮選擇后的屬性集對(duì)分類算法的精度影響。論文充分考慮上訴因素,采用了過(guò)濾法和打包法相結(jié)合的方法進(jìn)行屬性選擇,并應(yīng)用于上網(wǎng)行為數(shù)據(jù)預(yù)處理。
　　3.在基于用戶行為數(shù)據(jù)采集的基礎(chǔ)上,有效地發(fā)掘用戶間興趣的相似度是互聯(lián)網(wǎng)用戶行為分析系統(tǒng)的主要內(nèi)容。推薦系統(tǒng)是一種根據(jù)用戶訪問(wèn)行為分析,自動(dòng)發(fā)現(xiàn)

5、用戶興趣點(diǎn)的一種信息過(guò)濾方式。本文提出了一種以項(xiàng)目分類為基礎(chǔ)的協(xié)同過(guò)濾推薦改進(jìn)的算法。該算法首先利用項(xiàng)目信息為項(xiàng)目預(yù)測(cè)評(píng),通過(guò)計(jì)算類內(nèi)用戶相似度得到鄰居,最后進(jìn)行推薦。該算法可以準(zhǔn)確地獲取用戶興趣最近鄰,有效地解決數(shù)據(jù)稀疏性問(wèn)題;同時(shí),該算法還極大地提高了系統(tǒng)的工作效率及可擴(kuò)展性。
　　4.基于以上研究成果,設(shè)計(jì)開(kāi)發(fā)了一個(gè)互聯(lián)網(wǎng)用戶行為分析原型系統(tǒng)UBAS,利用部分運(yùn)營(yíng)商作為應(yīng)用對(duì)象,驗(yàn)證了關(guān)鍵技術(shù)可行性,完成了用戶行為分析。

6、r>　　本文以改進(jìn)的數(shù)據(jù)采集和過(guò)濾技術(shù)為基礎(chǔ)進(jìn)行了基礎(chǔ)數(shù)據(jù)的采集,在此基礎(chǔ)上,結(jié)合基于項(xiàng)目分類的協(xié)同過(guò)濾改進(jìn)算法,進(jìn)行了互聯(lián)網(wǎng)用戶行為分析。這樣的算法可以準(zhǔn)確地獲取用戶興趣最近鄰,有效地解決數(shù)據(jù)稀疏性問(wèn)題。下一步將把社交網(wǎng)絡(luò)中的推薦系統(tǒng)以及在用戶行為分析的基礎(chǔ)上增加反饋機(jī)制作為未來(lái)研究方向。在電信運(yùn)營(yíng)商領(lǐng)域,基于本文的研究結(jié)果取得了良好的應(yīng)用效果,尤其是針對(duì)用戶行為分析的再精確營(yíng)銷。這從側(cè)面證明了本文成果具有廣闊的商用前景,同時(shí)具備積極