WAP业务用户行为模型分析

随着无线网络增值数据业务的不断发展,用户量及用户使用频度越来越大,增值无线系统也越来越复杂,迫切需要一种较为准确的用户行为模型对系统建设以及维护进行指导。而传统的语音业务模型由于业务形式大为不同,没有办法对无线数据业务用户的行为进行准确的分析和描述。为解决这一问题,该文通过对CDMA1X网络上开展较好的WAP业务数据的采集分析得到了WAP用户行为的数学模型。     

基于弹幕分析的在线直播平台用户理解

弹幕评论是网络直播平台与用户交互的主要方式之一,借助弹幕行为的分析可以更有效地实现对网络直播平台的用户理解.通过采集和利用3大热门直播平台(斗鱼、熊猫与战旗)的弹幕相关数据,本文以假设验证的方式从用户属性与用户行为两个角度对在线直播平台用户进行分析与理解,并建立基于用户行为特征时间序列的用户活跃模型对用户互动活跃度进行量化评估.研究表明,平台在线人数具有周期性变化的时间规律,观众地域具有沿海发达城市集中分布的空间取向,所提出的用户活跃模型能够对网络直播平台用户的行为活跃趋势做出合理的预测分析.     

XOCPN：支持用户交互的多媒体同步模型

多媒体同步是多媒体应用的一个重要需求。本文对ＯＣＰＮ模型进行了扩展，提出了一种基于时间Ｐｅｔｒｉ网的多媒体同步模型ＸＯＣＰＮ，以对具有时间约束关系的多媒体合成进行规范描述，并具有支持灵活用户交互的能力。文中给出了处理异步用户交互的算法，并用示例说明。     

新浪微博逐现窘境

新浪发布了2013年Q1财报，对比2012年的数据我们发现．截止到2012年12,9底．新浪微博的注册用户量已经突破5亿大关．每天活跃用户大概在四千六百万左右，但是经过一个季度的时间．在总注册人数增加了三千六百万的情况下，每日活跃用户只增加了三百万．这说明新浪微博的用户增速明显减缓。     

基于经验感知的自适应用户界面模型

针对传统自适应界面缺乏自主学习用户交互历史、难以根据用户经验有效预测用户意图的现状,基于认知心理学相关理论,该文提出了基于经验感知的自适应用户界面模型,从界面静态组成元素、动态交互行为和自适应策略三个方面建立了该模型的统一描述,然后研究了自适应界面模型的实现架构、关键技术和建模方法.最后开发了一个个性化的虚拟家居定制原型系统,并进行了实验评估.实验结果表明,该模型能够根据用户交互历史和上下文环境,准确预测用户意图,实时调整界面布局和交互行为以主动地适应用户.     

考虑社交网络用户行为的网络病毒传播建模

针对已有病毒传播模型都没有考虑不同社交网络间的用户交互行为对网络病毒传播规律的影响,建立了考虑不同社交网络用户交互行为的微分方程动力学模型。利用稳定性理论分析了模型反映的网络病毒传播动力学性态,得到了控制网络病毒传播的基本再生数的精确数学表达式。进一步,采用龙格-库塔数值方法,通过仿真实验,验证了理论分析的正确性。研究结果表明,基本再生数是网络病毒扩散基本态势的直接决定因素,当基本再生数的值小于等于1时,随着时间演化,网络病毒的扩散会被彻底控制。另外还发现,分散用户到不同社交网络更有利于缓解网络病毒的扩散。     

基于K2算法的精准营销研究

随着电子商务技术的飞速发展,用户量剧增。利用使用者在电商平台上的浏览痕迹对用户行为进行分析,实现商品的精准推荐,已经成为电子商务的一个热点应用技术和领域。用户行为的有效分析强烈地依赖对用户属性、行为和期待数据画像的精准刻画。然而,就目前的方法和技术而言,在数据画像模型的表现能力和推荐算法的处理效率方面还有许多技术挑战。面对上述挑战,利用数据画像和数据画像概率分配模型等概念,提出基于贝叶斯网络的预测推荐算法,通过构建用户行为的先验概率计算可能产生消费的后验概率。对信用卡APP的真实浏览日志数据进行测试,验证了该算法的可行性和有效性。实验表明,基于贝叶斯网络的推荐算法有着高于传统营销模型的准确性。     

基于行为流图的可信交互检测方法

为保障人-网站交互的可靠性和可信性,以探寻交互行为模式的独特性为出发点,采用行为流图描述用户与网站的交互活动,通过分析可信交互行为模式提取与用户生理及心理特性相关的交互行为特征,提出一种以可信行为特征作为度量的可信交互检测方法,并基于某网站真实日志数据验证所提可信行为特征的功效.将用户一次会话作为记录单元,描绘出用户与交互环境、工具、会话行为和所在页面4个维度相结合的行为流图;然后,依据数据分析,提取可信行为特征参数并使用SMOTE算法平衡数据集;最后,利用决策树和随机森林算法完成用于检测交互可信性的模型训练与测试.通过实验对实际数据进行检测,所提出方法在决策树模型中对用户不可信行为的错误接受率为0.44%,随机森林算法中则低至0.31%.研究结果表明,可信行为特征的组合具有用户可辨别性和独特性,证明了人-网站交互行为模式具有个体特性,与他人存在差异性,可用于检测交互行为发起者与账户真实所有者间身份的一致性.     

基于无侵犯模式的用户挖掘方法

提出了用于保护用户信息安全的无侵犯模式原则，并应用“双标识”策略实现了用户信息的重用；建立了用户网络行为的Markov模型，设计了模型的实现算法．模型中定义了用户行为的状态转移概率矩阵以及平均等待时间，自动学习用户行为模式．将该方法应用于实验网站上，较好地提高了网站的设计性能和服务质量．     

基于用户特征属性的微博话题关键用户挖掘

针对微博话题存在时效性的特征以及用户之间交互行为特征,在经典PageRank算法的基础上,提出基于用户交互的微博用户挖掘算法来有效挖掘推动微博话题流行的关键用户。首先,介绍了微博话题关键用户的定义及其相关特征;其次,由于传统模型未考虑用户交互以及时间属性的影响,所以融合了时间属性以及用户之间交互特征,同时结合微博网络结构提出了MUR算法;最后,将算法与经典PageRank算法和TS算法做了比较。实验结果表明,模型在微博话题用户的时效性、话题推动以及对粉丝的影响力等方面表现较好,证明了模型的合理性和有效性。     

User profiling on the Web based on deep knowledge and sequential questioning

Abstract: User profiling on the Web is a topic that has attracted a great number of technological approaches and applications. In most user profiling approaches the website learns profiles from data implicitly acquired from user behaviours, i.e. observing the behaviours of users with a statistically significant number of accesses. This paper presents an alternative approach. In this approach the website explicitly acquires data from users, user interests are represented in a Bayesian network, and user profiles are enriched and refined over time. The profile enrichment is achieved through a sequential asking algorithm based on the value-of-information theory using the Shannon entropy concept. However, what mostly characterizes the approach is the fact that the user is involved in a collaborative process of profile building. The approach has been tried out for over a year in a real application. On the basis of the experimental results the approach turns out to be particularly suitable for applications where the website is strongly based on deep domain knowledge (as for example is the case for scientific websites) and has a community of users that share the same domain knowledge of the website and produce a 'low' number of accesses ('low' compared to the high number of accesses of a typical commercial website). After presenting the technical aspects of the approach, we discuss the underlying ideas in the light of the experimental results and the literature on human–computer interaction and user profiling.     

Public websites and human–computer interaction: an empirical study of measurement of website quality and user satisfaction

The focus of this paper is to investigate measurement of website quality and user satisfaction. More specifically, the paper reports on a study investigating whether users of high-quality public websites are more satisfied than those of low-quality websites. Adopting a human–computer interaction perspective, we have gathered data from the 2009 public website awards in Scandinavia. Our analysis of Norwegian and Danish websites reveals that the use of quality criteria is highly technical compared to the traditional usability testing focus on efficiency, effectiveness and satisfaction of the actual system use by representatives. A Pearson correlation analysis of user evaluation from 296 websites that participated in the Danish web award Bedst på Nettet (‘Top of the Web’) showed no significant positive correlation between website quality and user satisfaction. We put forward recommendations for further investigation: (1) inclusion of real users (citizens and businesses) in real-use setting in the evaluation process could help move forward the understanding of the relationship between website quality and end-user satisfaction; (2) the lack of correlation between website quality and user satisfaction could be a point of departure for critical discussions of future implementation of public information and services and (3) additional and in-depth research of the measurement of website quality in the public sector, user expectations and the impacts of website quality improvements on user satisfaction.     

多用户MIMO系统用户选择算法

MIMO系统在不增加带宽的情况下可以有效提高频谱效率。但由于多用户MIMO系统现存预编码方法和系统天线数目的限制,使得系统容纳用户数为一限定值,无法满足实际需要。针对这一问题,给出一种等功率分配的用户选择算法,其通过对信道容量等效近似来得到较优的用户组。为了降低用户选择复杂度,给出一种迭代的次优用户选择算法,达到快速选取较优用户的目的。仿真结果表明所提算法可以获得较好的系统容量性能,适用于实际通信系统。     

基于传播时空特性的社交网络灰帽用户检测

社交网络灰帽用户极易隐藏且类型多样,导致现有检测算法适用性较差。提出一种基于传播时空特性的社交网络检测算法。构建用户生成内容传播网络度量白帽和灰帽用户在传播空间上的不同特性,融合时空传播特性并调节权重比例以提高分类性能。实验结果表明,该算法能有效检测不同类型灰帽用户,与用户特征分析、社交网络链接分析、多视图融合等主流灰帽用户检测算法相比,其在CAVERLEE、CRESCI-15、CRESCI-17等多个数据集上的准确率及AUC值最高分别提升26.08%和30.54%。     

Hashtag Recommendation Approach Based on Content and User Characteristics

ABSTRACT

Twitter has become a popular microblogging service that allows millions of active users share news, emergent social events, personal opinions, etc. That leads to a large amount of data producing every day and the problem of managing tweets becomes extremely difficult. To categorize the tweets and make easily in searching, the users can use the hashtags embedding in their tweets. However, valid hashtags are not restricted which lead to a very heterogeneous set of hashtags created on Twitter, increasing the difficulty of tweet categorization. In this paper, we propose a hashtag recommendation method based on analyzing the content of tweets, user characteristics, and currently popular hashtags on Twitter. The proposed method uses personal profiles of the users to discover the relevant hashtags. First, a combination of tweet contents and user characteristics is used to find the top-k similar tweets. We exploit the content of historical tweets, used hashtags, and the social interaction to build the user profiles. The user characteristics can help to find the close users and enhance the accuracy of finding the similar tweets to extract the hashtag candidates. Then a set of hashtag candidates is ranked based on their popularity in long and short periods. The experiments on tweet data showed that the proposed method significantly improves the performance of hashtag recommendation systems.     

腾讯微博的内容生成模式分析

随着Web 2.0 时代网络技术的快速发展,社交类网站用户大规模增加。该文选取腾讯微博近两万名用户,抓取了他们所有的微博数据,对腾讯微博的用户内容生成模式进行分析和研究。我们从微博用户贡献分析、基于时间的用户活跃度分析以及微博影响三个角度出发,对微博的数量、微博的原创与转发、微博发布的周模式与日模式、微博转发影响力以及对影响微博转发的因素进行研究。总结出微博用户内容生成的一些特点,如用户内容贡献呈现一种“90-10”规则,不同类型的用户有着不同的“微博风格”,微博用户每日微博发布数有着明显的周模式与日模式等。相关分析结论对于进一步深化研究微博的用户内容生成模式具有一定参考意义。     

基于用户意图识别的查询推荐研究

信息检索的效果很大程度上取决于用户能否输入恰当的查询来描述自身信息需求。很多查询通常简短而模糊,甚至包含噪音。查询推荐技术可以帮助用户提炼查询、准确描述信息需求。为了获得高质量的查询推荐,在大规模“查询-链接”二部图上采用随机漫步方法产生候选集合。利用摘要点击信息对候选列表进行重排序,使得体现用户意图的查询排在比较高的位置。最终采用基于学习的算法对推荐查询中可能存在的噪声进行过滤。基于真实用户行为数据的实验表明该方法取得了较好的效果。     

基于活跃用户特征的论坛广告投放

网络论坛用户众多,广告投放市场大,而目前针对网络论坛的个性化广告却很少,这是因为论坛数据庞杂,信息更新快,实现广告的精准投放有困难.提出了一个基于活跃用户特征词分析的论坛广告个性化投放模型,在模型中提取论坛活跃用户,对活跃用户偏向性进行分析,从而以活跃用户为载体进行个性化广告投放.最后将这一模型在一热门论坛数据上进行了实验,实验结果表明该模型能实现论坛广告的个性化投放.     

基于用户兴趣的跨网络用户身份识别算法

针对现有算法对用户兴趣在跨网络用户身份识别中作用的忽视以及时间复杂度高的问题,提出了基于用户兴趣的跨社交网络用户身份识别算法（UI-UI）。首先利用分块思想对用户节点进行初筛选,以提升算法效率、降低时间复杂度;其次,根据用户产生内容（UGC）和用户社交关系对用户兴趣进行建模,并计算兴趣相似度作为身份识别的依据;最后利用半监督学习的方法进行跨网络用户身份识别。通过在真实社交网络中进行实验,结果表明UI-UI算法能有效识别跨网络用户,且准确率和召回率稳定,运行时间显著减少。     

Efficient User Pairing for Performance Enhancement of Downlink NOMA Systems

In this paper, the resource allocation problem for user pairing (UP) in downlink non-orthogonal multiple access (NOMA) systems is investigated. NOMA allows the use of one subcarrier for more than one user at the same time, thus increases the total capacity of the wireless communication system. However, users pairing is a challenging task in the NOMA systems, because a good channel quality subcarrier should be selected and allocated for the user to enhance the performance of NOMA systems. The proposed UP algorithm aims to enhance the sum rate of the paired users per subcarrier and consequently enhance the total sum rate of downlink NOMA systems. Moreover, the proposed UP algorithm target to improve the fairness of the users. The proposed UP algorithm is based on a simple search for the subcarrier with the minimum average channel gains to be assigned its paired users and then excluding it from the next searching process. The proposed scheme ensures the higher channel gain for users by giving the priority to the subcarrier with the minimum average channel gains during the user pairing process. The simulation results demonstrate that the proposed UP algorithm can not only enhance the total sum rate compared with the random UP and conventional UP but also can enhance the fairness of the users. Moreover, it is clearly seen that the proposed UP algorithm provides the lowest outage probability.