基于用户行为分析的APP用户知识图谱构建

为了更好地帮助开发者理解用户需求，从而优化APP功能和体验，提高用户满意度，文中提出一种基于用户行为分析的APP用户知识图谱构建方法。首先从用户行为分析出发，通过APP用户评论细化用户行为；接着，通过APP用户行为与用户关系属性的映射抽取用户关系属性；最后，基于关系抽取结果构建APP用户知识图谱。通过相关算法进行APP用户知识图谱的构建，结果证明了该算法的有效性，能够创建出信息更为丰富的APP用户知识图谱。     

贝叶斯网络在用户兴趣模型构建中的研究

用户兴趣模型对于用户画像的刻画至关重要。用户画像是用户在互联网中的身份证,完整地构建用户画像能够相对明确地知晓用户需求,这对于互联网时代提升用户体验非常重要。众所周知,电商购物、新闻视频推荐等众多领域都需要清晰地刻画用户画像,根据用户的兴趣定向推荐相关内容。     

基于兴趣度的Web用户聚类方法

现有的Web用户聚类方法都是通过对用户喜好页面的访问模式分析来建立用户聚类,没有充分考虑时间意识、用户兴趣、用户访问模式之间的关系与影响.针对这一问题,在时间意识的Web用户聚类基础之上,提出了基于兴趣度的Web用户聚类方法.通过对日志文件中的用户访问模式进行分析,计算用户兴趣度.结合渐进遗忘算法,对用户兴趣爱好进行调整与更新,并在此基础上对用户进行聚类.实验表明,本方法能够更好地分析用户访问模式,更准确地计算用户兴趣,具有更好的聚类效果.     

基于区域交互模型的SNS网络用户影响力评估

针对现有方法与模型未能准确体现不同距离用户之间真实交互行为的问题,提出了一种基于用户区域交互模型的用户影响力评估方法。区域交互模型利用影响力传递的不同方式,刻画不同距离之间用户的交互行为模式,能更为真实准确地反映在线社会网络用户之间的交互行为。通过计算用户对相邻用户的显性影响力与非相邻用户的隐性影响力,可有效识别在线社会网络中大影响力用户、僵尸粉用户等不同类型用户。基于新浪微博与人人网真实数据开展用户影响力评估以及相应的用户角色识别实验,结果显示,与现有方法相比,基于区域交互模型的识别方法可以准确有效地识别出在线社会网络中的大影响力用户、僵尸粉用户等各类型用户。     

基于干扰管理的功率速率联合控制博弈方法

针对已有的干扰温度模型在降低主用户受到的干扰方面的不足,本文加强了主用户在干扰控制中的主观能动性。在次用户相互博弈,调整发射功率和传输速率,降低次用户之间干扰的同时,主用户对受到次用户的干扰进行监测,在保证不超过干扰门限的同时,设计了干扰惩罚因子,对其干扰越大的次用户受到的惩罚越大,进一步合理地分配次用户的发射功率,减少对主用户的干扰。仿真结果表明,提出的干扰博弈方法能够降低次用户的发射功率,减小对主用户产生的干扰,提高了主用户的系统容量。同时,在次用户网络内,因为发射功率的降低,次用户彼此的干扰减小,接收信干比有了一定的改善。      

大数据环境下基于云计算的图书馆用户信息挖掘技术研究

图书馆用户信息挖掘是提升图书馆管理效率,实现高质量用户管理与用户服务的有效方法。文中研究大数据环境下基于云计算的图书馆用户信息挖掘技术,构建图书馆用户信息挖掘技术结构体系。数据层包括用户基本信息、图书借阅历史数据、图书信息咨询记录等,采用降噪处理、遗漏数据处理等方式预处理用户信息数据;云计算层基于计算资源与存储资源,采用K-means聚类算法从用户借阅情况和用户兴趣类型两方面划分图书馆用户群体类型,依照划分后的用户借阅信息采用蚁群规则挖掘算法,获取用户信息关联规则,形成规则库;应用层依照云计算层的挖掘结果执行个性化推荐。用户信息挖掘结果显示,所研究技术能有效挖掘图书馆用户兴趣类型,以及用户群体信息和时间序列信息。     

基于受限信任关系和概率分解矩阵的推荐

现有的推荐算法很难对没有任何记录的冷启动用户或者历史记录稀疏的用户给出准确的推荐,即用户的冷启动问题.本文提出一种基于受限信任关系和概率分解矩阵的推荐方法,由不信任关系约束信任关系的传播,得到准确且覆盖全面的用户信任关系矩阵,并通过对用户信任关系矩阵和用户商品矩阵的概率分解联合用户信任关系和用户商品矩阵信息,为用户给出推荐.实验表明该方法对冷启动用户和历史记录稀疏的用户的推荐效果有较大幅度的提升,有效地解决了用户的冷启动问题.     

大规模MIMO系统中基于用户分类的动态导频分配

针对大规模MIMO系统导频污染问题,提出一种基于用户分类的动态导频分配策略.根据目标小区用户信号强度的方差设置合理的用户信号强度临界值,将目标小区用户分为中心用户和边缘用户.中心用户采用最大载干比算法分配导频,以最大化中心用户总信道容量.边缘用户采用贪婪算法分配导频,以提高每个边缘用户的信干噪比.仿真结果表明,所提策略在提高边缘用户信干噪比的同时能够有效提高系统的信道容量.     

基于用户分布和用户感知的无线网络规划方法

通过对移动用户上网流量详细记录数据的挖掘分析,从高ARPU用户、高流量用户、高价值用户、漫游用户和终端等方面探索基于用户分布和用户感知的规划方法,实现网络能力与市场需求的精准匹配。     

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。     

结合时间因子的校园论坛用户影响力分析方法研究

针对如何在高校论坛中识别出高影响力用户的问题,提出了一种结合时间因子的论坛用户影响力计算方法.在PageRank算法的基础上,通过分析论坛用户回帖行为随时间变化的规律引入用户影响力的衰减系数,并根据用户间的交互情况,通过用户间的交互次数和用户主题参与度来优化用户影响力的分配形式.实验结果表明:在相同时间段内,改进后的算法相对于PageRank算法能够识别出具有更强中心性特性和更高用户覆盖率的高影响力用户.在连续时间段上,通过引入衰减系数能够发掘当前真正具有影响力的用户并保持稳定的用户覆盖率.     

基于置信用户偏好模型的电视推荐系统

基于用户偏好的电视节目个性化推荐是一种内容的推荐算法。其中用户偏好的不确定性和描述上的模糊性是用户模型建立的难点。在此首先通过对样本用户过往观看记录数据进行分析,发现用户偏好存在一定的时不变性。把偏好在一定时间内不发生变化的用户称作置信用户,在这个基础上,建立基于节目特征向量空间的用户偏好模型,并提出基于用户偏好度模型的推荐算法。该算法通过用户观看视频的历史记录得到用户的偏好模型,并基于该偏好模型向用户推荐节目。仿真实验证明了算法的收敛性和有效性。     

融合兴趣和行为的用户转发行为预测

微博转发是微博网络中信息得以传播的基础,对用户影响力评估以及网络营销等具有重要意义。现有的方法在考虑影响用户转发行为的因素时,大多只考虑微博以及用户属性等特征,没有考虑用户兴趣和用户历史行为规律等个性化特征,本文提出了基于LDA主题模型的用户兴趣与微博相似度计算方法,将计算结果作为用户兴趣特征,还提出了基于用户转发率、与上游用户交互频率的用户历史行为特征,最后融合用户兴趣特征、用户历史行为特征、上游用户特征、微博特征,建立基于几种常见分类模型的预测方法,在真实数据集上的实验结果表明,该方法能够有效提升预测准确性,取得较好的预测效果。     

一种统一用户管理和认证授权方案

为了提高多应用服务系统的用户管理和单点认证授权效率,提出一种将应用系统的用户管理部分分离并整合成统一用户管理系统,实现多业务系统单点认证的解决方案。统一用户管理系统管理各应用系统的用户角色权限信息,单点认证系统对所有应用系统进行单点认证,并下发用户角色权限信息,在用户管理和认证授权两大模块之间,使用内存数据库和数据库结合实现用户数据读写分离,应用服务系统获取用户角色权限,实现对用户的权限控制。该方案有效提高了用户管理的效率,且大幅提升了系统的负载能力和响应速度。     

基于Ad hoc网络的联合有效用户识别与信道安全编译码方法

Ad hoc网络是一种无中心的自组织网络,由于用户能量受限当信噪比较低时有效用户识别的可靠性和信道安全性下降.该文针对这个问题提出一种联合有效用户识别与信道安全编译码方法.将发送用户的正交地址码与接收用户的伪随机地址码异或产生基于发送用户与接收用户的有效用户识别码.为提高信道安全性以信道安全码作为密钥加密有效用户识别码...     

关于利用HLR中用户数据协助挽留离网用户的研究

随着移动通信业务的快速发展,高速增长的移动通信用户趋于饱和,运营商利润从增量用户逐步转变为存量用户,如何避免存量用户离网成为各大运营商经营的难题。本研究针对该问题,分析归属位置寄存器(Home Location Register,HLR)中用户数据变化情况,与传统通过话单分析离网用户形成互补,更全面生动地描绘出离网用户,以支撑运营商开展存量用户经营和离网用户挽留工作。     

认知网络主用户吞吐量受限下的传输半径分析与仿真

该文针对认知无线电中认知用户对主用户接收机造成的并发通信干扰问题,采用信息论的观点,在主用户吞吐量门限和主用户通信中断概率的限制条件下,首先分析了认知用户对主用户接收机的干扰功率,并引用马尔科夫不等式,推导出主用户传输半径范围,同时数值分析表明:在其他条件一定时,主用户平均吞吐量、认知用户接入数目和主用户传输半径之间是相互量化制约的关系。其次,改进开发了一个基于中断概率的认知无线电网络仿真平台,分析了在不同认知用户密度下,主用户吞吐量和传输半径之间的实际作用关系,验证了所提模型的合理性和正确性。     

基于用户过滤的校园无线网用户聚类方法

随着智能终端地普及,在校园无线网用户聚类研究中采用MAC地址作为用户区分已不能真实反映用户的行为,为此,提出了一个基于用户过滤的校园无线网用户聚类方法,该方法基于用户活跃度对用户行为数据进行过滤,在此基础上对校园无线网用户行为做进一步地聚类分析。实验结果表明了该方法的有效性。     

机器学习在用户行为审计中的应用

本文阐述了一种利用机器学习技术对用户通信行为和消费行为数据审计,标注异常用户,提升用户发展质量、提高用户价值的方法.文中重点分析了机器学习用户行为审计系统的系统结构和异常用户判定方法,自动化的用户行为审计系统可以有效的提升准确性,降低审计人员工作强度.     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.