基于TF-IDF算法的运营商用户画像分析

随着通信技术的迅速发展，海量日志的产生给企业运营带来了安全隐患，除了能否及时检测出电信运营商企业内各类业务系统及设备的海量日志是否安全、合规之外，基于用户行为的分析对日志安全也尤为重要。为了直观掌握用户行为，本文基于TF-IDF标签权重算法对运营商海量用户业务日志数据构建用户画像。根据实际业务场景构建RFS模型，通过开发的用户画像标签体系分析研究运营商用户行为，对用户操作日志中的潜在高风险信息进行数据挖掘，并输出可视化用户行为分析画像结果。实际应用表明，通过用户画像能识别风险用户行为信息，同时也能为日志安全分析提供参考价值，帮助企业实现数据安全运营动态监测。     

在线教育平台学习者的用户画像研究与构建

在大数据时代下的数据量呈指数级增长,基于统计模型的用户画像已经无法满足人们的个性化要求,利用学习行为数据绘制用户学习画像将成为未来教学模式的一种趋势。文章对在线学习者的日志和行为数据提取特征数据集,使用主流的大数据生态框架部署大数据离线批处理平台,并在此平台上构建学习者画像的标签体系以及使用规则匹配的机器学习算法完成用户画像模型的构建。与传统的用户画像相比,文中提出的标签模型和用户画像模型能挖掘出较为准确的学习者画像数据,以便为个性化推荐服务提供更好的支持。     

手机用户画像在大数据平台的实现方案

大数据平台通过对DPI上网日志的加工处理和分析,形成用户上网行为的特征刻画;同时结合经分系统现有用户基础信息、套餐信息、终端信息、业务订购等信息,进行深度数据融合及交叉分析,形成手机用户画像,实现电信业务针对性营销。     

基于移动数据业务大数据应用的用户行为标签库模型

为了缩小运营商与互联网公司之间在大数据分析方面的差距,设计了用户行为标签库模型。基于用户手机上网日志采集系统和XDR话单的数据分析和挖掘,给出了音乐业务的用户行为标签库模型,为实现音乐等数据业务的精益运营提供了方案。     

IPTV日志数据分析系统的设计与实现

交互式网络电视(Interactive Personality TV,IPTV)是一种集互联网、多媒体、网络通讯等技术于一身,向家庭用户提供数字电视在内的多种交互式用户体验的全新电视技术。日志是计算机系统运行时产生事件记录,记载着时间、使用者及动作等相关操作的描述信息。本文研究的IPTV日志是指交互式网络电视播控系统每时每刻产生的用户行为日志,这些日志对了解用户使用IPTV的情况、节目播放信息等都具有非常大的商业价值。系统对用户登录、播放、订购等IPTV日志信息进行业务分析,采用B/S体系结构,基于.NET企业级应用开发平台,按照软件工程生命周期模型,设计并实现了IPTV日志数据分析系统。系统主要划分为用户数据分析、订购数据分析、收视数据分析、活动专题分析、搜索收藏分析五个部分,以四川广播电视台IPTV播控平台为基础,建立了较为完整的IPTV日志分析数据模型,从技术、业务、内容多方面对开发过程中涉及相关功能进行了阐述,为IPTV日志数据分析提供了清晰的解决方案,通过该系统IPTV业务人员可以有效的分析用户行为,并结合用户推荐信息提高使用率,规避内容采购风险提升收益,具有一定的参考和使用价值。     

基于标签的个性化信息服务研究

标签(Tag)是一种灵活、有趣的日志分类方式,具有社会化、人性化、随意性等特点,可以为每篇日志添加一个或多个标签,根据所注标签聚合具有相似性的资源。文章通过引入聚类分析,推测用户兴趣偏好,构建用户兴趣模型,从而构建基于Tag的用户个性化信息服务流程框架。     

基于视频大数据的用户画像构建

为了能更加高效地发挥用户在跨平台收视中产生的视频大数据资产,充分挖掘视频大数据中潜在的用户基础信息和行为偏好,基于大数据构建用户画像在视频领域的应用越来越广泛.首先阐述了用户画像的基本概念、构建原则以及在相关领域的应用.然后对视频大数据进行了深度剖析,对视频大数据的界定以及视频大数据的应用进行了阐述.接着阐述了基于视频大数据进行用户画像构建的基本步骤,从数据源、标签和权重、数据建模以及数据可视化层面对用户画像的搭建进行了深度介绍.最后介绍了用户画像在视频领域的应用案例,由于用户画像的应用相当广泛,着重从个性化推荐和精准营销两个层面介绍了用户画像在视频领域的应用案例.     

基于运营商大数据技术的精准营销应用研究

运营商大数据包含丰富的用户行为信息,具有全面性、多维性、客观性的特点。运用Hadoop大数据技术,通过分析建模、机器学习等操作,构建用户标签体系,对用户行为特征及偏好画像。销售企业能够结合自身产品服务的特点和用户画像信息,精确筛选目标客户进行营销,从而降低推广成本,提高转化效率,这就是基于运营商大数据的精准营销。     

基于大数据平台的IPTV用户行为分析

IPTV业务的不断发展积累了大量的用户和数据,这些宝贵的数据资源如果能充分挖掘和利用,将会为业务设计、营销决策等提供坚实的数据基础。本文采用大数据技术对IPTV用户的收视和行为数据进行科学的分析,通过IPTV用户画像和收视路径分析,准确发现用户的收视和行为特点,优化用户的个性化收视体验,为IPTV业务运营带来更好的决策依据。     

在线健康社区用户特征研究——以“甜蜜家园”为例

随着互联网应用的发展,越来越多的患者通过在线健康社区获取健康信息。以"甜蜜家园"为例,通过描述性统计和聚类模型,分析用户行为特征,对论坛用户生成内容进行主题聚类并绘制词云图以挖掘用户需求特征,从用户行为和需求两个维度构建用户画像,以期为在线健康运营者提供启示和建议方法,更好地为用户提供服务。     

基于信令数据的智能终端价值挖掘与应用

用户使用设备或业务产生的数据,对用户行为分析和画像具有重要帮助。基于用户使用互联网产生的海量信令数据,挖掘分析从终端分布情况、终端接入性能、终端业务性能等维度的终端数据信息,为网络规划、市场支撑以及客户投诉提供了有力的支撑保障。通过分析信令数据挖掘智能终端的价值,与网络规划、市场支撑、用户投诉等工作相结合,能有效地保障网络指标、提升网络资源的利用率、服务领导决策、快速地定位解决用户投诉。     

基于防火墙日志的网络管理与用户行为分析

网络管理问题已经成为企业IT部门所面临的重要问题。此外,如何检测网络用户使用哪些业务,并在这些业务的基础上进一步分析出用户的兴趣和行为,这也是许多企业十分关注的问题。文章通过对防火墙日志的分析,为监视网络运行状况和分析用户行为提供了一种简单易行的方法。     

基于用户画像对抑郁倾向人群的识别研究

随着新冠肺炎疫情肆虐全球,抑郁症患病率大幅增加,高患病率和低就诊率成为抑郁症面临的两大挑战。人工智能与机器学习的快速发展为精准识别出抑郁倾向人群奠定了基础。文中借助微博平台,建立用户画像对用户进行抑郁倾向识别,构建基于用户画像的TCNN-GRU-PR融合识别模型。首先,利用TF-IDE算法扩充基础种子词,构建抑郁倾向情绪词典;然后,采用TCNN-GRU模型进行情绪特征提取识别,引入PageRank算法从社交网络维度进行再次识别;最后,将机器学习得出的情绪标签概率值与PR值加权求和,判断抑郁倾向程度。实验结果表明,TCNN-GRU-PR模型结合文本识别和社交网络识别两个维度能准确识别出情绪状态和抑郁程度,对于抑郁倾向人群的早期识别与干预治疗有重要意义。     

基于用户行为的网站推荐系统模型

网上营销的难点是如何寻找潜在客户。识别用户行为是一个复杂的过程,建议采用二维模型来寻找相关的项目,然后推荐给用户。但太多不相干的建议转化为用户信息过载问题。本研究的目的是在每个维度中找出已被用户搜索的项目／对象,最受好评的每个维度中的项目可给予建议。要做到这一点,我们采用张量,它可以有效地模拟多维Web日志中的用户搜索数据,然后确定在每一个搜索维度上的用户模型。所有的评估均基于真实数据集,这清晰地显示出比其他广泛使用的向量和矩阵方法的有效性。     

基于异构混搭架构的大数据平台

广电运营商是天然的收视数据生产者 [1]与数据资产拥有者,广电运营商手中拥有着庞大数据.随着数字电视运营在业务挖掘方面不断深化,为提高服务质量和规划业务发展方向,广电运营商对数字电视用户收视行为进行调查和分析的需求越发迫切.收视率 [2]作为电视播放的关键性指标具有重要的作用和巨大的市场价值,在数字电视业务迅猛发展的冲击下,传统的收视率调查方法会受到制约,特别是用于模拟电视的仪器测量法更是会在数字电视中无用武之地.随着大数据技术的出现,提供了针对海量数据的高效精准分析的技术手段,通过对电视机顶盒数据的采集、解析、分析挖掘 [3],实现对用户收视率及收视行为的分析洞察,从宏观上,实现对数字电视业务进行全方位细致管控;从微观上,支撑对个体用户的行为的标签画像 [4],支撑公司对业务运营的全面掌控及针对用户提供个性化的营销及维系服务工作.     

基于分布式架构的IP电视用户行为分析系统

传统电视受众研究的方法存在实现代价大、准确性不高、灵活性低等问题。为了适应IP电视用户行为研究,本文设计并实现一种基于分布式体系架构的面向IP电视用户行为的分析系统。该系统可以从时间、区域、频道等多个维度进行分析．得到准确的频道收视率、用户地域分布等重要信息。能很好满足运营商和视频提供商的需求。对网络电视的业务发展和经营分析具有重要意义。     

基于网络行为的人物心理刻画方法

随着网络用户的日益增多,许多互联网企业甚至事业部门需要使用用户画像来对不同网络用户进行心理刻画来了解用户。但用户画像算法一般存在着聚类算法的簇值必须手动指定以及无效关键字过多的问题。因此文章设计了一种新的基于网络行为的用户画像方法。该方法首先会对搜集到的用户数据进行分类;接着设计算法自动确定簇值,并将簇值代入聚类算法与分类算法后执行它们,从而在数据中提取关键字;之后使用分词算法进行标签的生成,并利用停用词过滤和关键字补遗机制来去除无效关键字;最后,使用词云算法生成用户画像文件。在采集不同用户的网络数据进行实验后,结果表明文章改进后的用户算法成功简化了聚类步骤,且无效关键字显著减少,用户画像能够更加精准地描述用户特征。     

基于大数据分析的新媒体用户画像构建及应用——以第一财经为例

第一财经根据财经媒体特点,自主设计并构建了集用户行为分析、用户画像、精准运营推送于一体的用户系统。本文以第一财经用户系统为例,分别对用户画像系统的架构设计、算法模型、数据可视化、应用场景等问题进行深入阐述。     

打造流量质疑投诉服务助手化解疑难投诉困局

随着流量经营的推进,用户不知情上网投诉增多,给运营商带来收入和满意度的双重压力。四川移动从实现流量投诉话单匹配和引入流量去向智能分析入手,打造“流量质疑投诉服务助手”,以实现用户上网日志查询,短期内已获得明显成效。未来,四川公司将按照集团流量运营支撑试点计划要求,将充分利用上网日志的业务沉淀,深化内容分析,不断优化用户行为的精确识别和细分,打造业务、服务双赢的流量经营支撑体系。     

基于通信大数据挖掘的网络业务类型划分方法研究

在传统的Gn数据解析过程中,业务类型里"未知服务"的占比通常在70%以上。为了提高解析结果的分析价值,结合数据分析和数据挖掘技术对DNS解析流量字段进行细分,该设计方案在最大化利用原始数据的同时,能从多维度细分用户网络业务,优化结果可以为用户画像、用户标签、用户群体特征等分析应用提供有力支持。