基于K-means算法的校园网用户行为聚类分析

在给出K-means算法流程的基础上,以校园网认证计费系统日志为研究对象,实现一个基于K-means算法的校园网用户行为聚类分析,得到不同特征的用户组,为今后进一步了解用户行为特征、更好制定校园网络策略奠定基础.     

基于MapReduce的校园网用户网购偏好分析

用户网购偏好发现是用户挖掘、电商营销以及用户个性化推荐的关键, 该文基于校园网流量, 提出了一种基于MapReduce的校园网用户网购偏好分析方法, 结合深度包检测(Deep Packet Inspection, DPI)与网络爬虫等技术, 对校园网用户网购行为进行了特征提取和识别. 以淘宝、天猫、京东三家电商网站为例, 对电商网站用户转化率进行了统计分析, 并分别对三个节假日校园网用户网购偏好进行了细致的分析.     

使用DPI技术研究校园网站的用户行为

针对如何通过吸引用户对校园网的资源进行访问,提高教学资源利用率问题,使用DPI技术对校园网用户行为作深度挖掘,通过对用户行为流量的实时采集,从中提取用户行为特征,并对这些行为特征进行归类、入库、分析,在此基础上研究网站优化策略,从而使校园网站的设计更具人性化、个性化,吸引用户对网站访问,使得网站上教学资源能够被有效地利用起来.     

基于用户行为分析的校园网搜索引擎排序方法

为提高校园网搜索引擎的查准率,提出一种新的校园网搜索引擎排序方法。该方法基于用户查询主题、用户浏览时间和页面点击等用户行为特征,计算新的页面相关度得分,改进搜索引擎的排序结果,为用户提供更准确的查询服务。实验结果表明,在不降低查全率的情况下,应用该排序方法的查准率有明显提高。     

P2P应用系统用户共享行为的复杂网络模型*

分析了因特网上主流P2P应用的体系结构,构造了一个描述用户共享行为的复杂网络演化模型——SNET模型。在用户共享文件持续增长的驱动下,SNET模型可以演化出与实际P2P应用相似的拓扑结构。通过分析SNET模型的仿真结果与清华校园网的实际测量数据,发现P2P应用和SNET模型中用户的连接数量都表现出幂率分布规律。     

P2P应用系统用户共享行为的复杂网络模型*

分析了因特网上主流P2P应用的体系结构,构造了一个描述用户共享行为的复杂网络演化模型——SNET模型。在用户共享文件持续增长的驱动下,SNET模型可以演化出与实际P2P应用相似的拓扑结构。通过分析SNET模型的仿真结果与清华校园网的实际测量数据,发现P2P应用和SNET模型中用户的连接数量都表现出幂率分布规律。     

校园网用户服务的信息化建设成效分析

文章采用定量研究的方式说明高校信息化建设在校园网用户服务质量提升方面取得的成效。通过分析校园网学生用户相关调研数据和业务数据的变化,说明信息化建设举措对线下营业厅业务量、用户行为以及用户满意度的影响。     

基于用户动机模型的搜索引擎研究

提出一种基于用户动机模型的网络搜索引擎和一种提高用户行为模型构建效率的方案.动机模型建立于用户与搜索引擎之间,用以辅助用户检索,以达到提高搜索引擎检索效率和准确率的目的.以人类行为学为理论基础,以个性化技术为手段,从而合并相似的用户行为模型以构建用户动机模型.通过实验,验证了基于用户动机模型的搜索引擎比通用搜索引擎能更好地适应用户的需求.     

基于隧道模式的校园网多出口解决方案

随着我国教育信息化的大力发展,对网络的应用和要求越来越高,原先的网络无论在速度上,还是服务质量上都已经无法满足广大师生的要求了.对于高校校园网的改造已经迫在眉睫.以实际项目为背景,简述两种校园网多出口解决方案.提出了一种新的模型,即在现有校园网的基础上,通过使用GRE隧道技术,实现校园网的多出口、多服务的要求.用户既可采用原有方式通过教育网接人Internet,也可采用电信等其他网络,高速揍人Intemet.文中方案采用在客户端路由的方式,可以根据用户要求,灵活选择教育网出口或者其他ISP提供的网络,并实现灵活计费,满足不同用户的要求.目前此方案已经在某高校进行试验,结果证明了它能有效地提高网速.此方案不仅可用于校园网,也可用于企业或者小区的改造.     

大数据时代的校园网用户行为分析与研究

本文主要阐述如何监控学生上网内容、分析上网行为,设计一个基于大数据的校园网学生用户行为分析系统,以便学校采取对应的策略及措施引导中职学生健康上网,从而使校园网真正成为学生获取知识的平台。