基于用户行为特征的P2P代理缓存的研究

通过对BitTorrent用户一段时间内的行为统计分析,把握用户的行为特征.在此特征的基础上,提出一种BitTorrent缓存模式,更大程度地利用缓存空间,提高缓存命中率,减轻网络运营商的出口压力.     

在分析用户访问行为基础上实现代理缓存

文中提出一个描述ＷＷＷ结构的网站图Ｓｉｔｅ－Ｇｒａｐｈ模型,在此基础上进行用户访问行为分析,从而提出了一个考虑实际请问请求模式的代理缓存系统ＵＲＡＣ．文中详细描述了ＵＲＡＣ的工作原理,对代理缓存设计时所要解决的命中率,一致性和替换算法等主要问题进行了讨论,并给出了性能分析,得到ＵＲＡＣ以提高命中率和降低访问延迟为目标是一个更加实用的代理缓存系统的结论。     

一种根据实际用户行为分析的大容量缓存算法

缓存是解决流媒体网络瓶颈和磁盘I/O瓶颈的重要方法.用户在访问流媒体系统的时候呈现出非常复杂的行为,这些行为对于设计有效的流媒体缓存方法至关重要.现有的算法往往以泊松分布,zipf分布来表示用户行为,这往往就失之精确.本文根据用户的点播行为和操作行为,设计了符合实际用户行为的大容量缓存算法,并进行实验,实验结果表明效果良好.     

基于用户行为的流式应用分发系统缓存设计

在目前的流式应用分发系统中,客户端通过流式加载的形式按需加载应用资源,因此客户端需要频繁访问远程服务器,从而导致服务器过载、流量消耗增加、应用启动缓慢等问题。针对上述问题,设计了流式应用分发系统的缓存及综合用户行为预测策略A-RBFS（Adaptive Recently Behavior Frequently Size）。该策略同时考虑用户使用行为、客户端状态和应用大小等因素,并根据客户端剩余存储空间大小调节缓存空间总大小。实验结果表明,在同等条件下,该缓存替换策略明显优于LRU和LFU缓存替换策略。     

基于用户偏好的协作内容缓存策略

随着无线网络不断增长的业务需求,蜂窝架构频谱资源受限,回程容量将成为系统瓶颈。为了缓解这种瓶颈,考虑一种特殊的异构蜂窝网络,结合缓存节点的部署、用户位置分布、用户对请求内容的偏好以及缓存节点有限的存储空间,对内容存储及用户关联联合优化问题进行建模分析。将目标函数建模为请求时延的最小化,简单证明该问题是NP-hard的,并设计了基于改进KM(Kuhn-Munkres)的内容放置策略。最后,通过实验比较了该算法与其他基准方案的性能。     

基于用户中心访问行为的多臂缓存方法

针对现有的边缘缓存策略无法有效预测短时热内容集和冷内容集流行度时变规律,而基于探索的多臂算法缺乏有效机制解决探索过程的过量探索问题,提出了基于用户中心访问行为的多臂缓存方法（MACB）。MACB利用用户中心访问上下文缩小群体访问偏好内容集,在此基础上采用多臂算法的探索开发过程,有效学习短时热内容集和冷内容集的内容流行度变化规律。实验采用了中国移动用户记录数据集,并与相关缓存算法进行对比。结果显示MACB在缓存击中率上均高于其他对比缓存方法,表明了MACB缓存方法的有效性和优越性。     

基于用户查询日志的双级缓存结构设计

文章针对目前分布式缓存系统命中率低和查询处理时间长的问题,在分析某中文搜索引擎于2009年9月查询日志集的用户查询特征和热点内容分布特征的基础上,设计并实现了包括静态缓存和动态缓存的双级缓存结构。最后,从理论分析和实验数据两方面,论证了基于查询日志的双级缓存结构在性能方面更具优越性。     

P2P网络中基于K-means聚类的用户在线行为分析

使用K-means的聚类方法,从用户上下线规律的角度,对P2P网络中的用户进行了聚类分析,发现系统中存在稳定的节点类,以及在线规律呈现日周期规律但是与其他类节点可以互补的节点类,我们提出,合理有效地利用这些用户节点可以提高一些P2P系统的性能以及可靠性.     

中国在线语言教育行业及用户行为分析

通过具体数据分析了在线语言教育行业的市场规模和增长率、用户总数、用户规模、用户区域分布情况等多个方面,总结了在线语言教育行业未来的趋势,为行业的发展提供数据支持.     

基于声誉与基于网络结构的用户聚类比较分析

用户聚类问题是在线用户行为分析的一个重要研究方向。基于在线评分系统,用户声誉反映的是用户对产品打分的准确程度,用户——产品二部分网络结构反映的是用户对产品的品味偏好。结合声誉度量算法,分别采用DBSCAN方法和基于模块度的贪婪算法从用户打分准确程度和品味偏好角度进行用户聚类,提出一种一致性度量指标来衡量根据用户声誉与根据网络结构得到的两种聚类结果之间的联系。两个实证数据集上的实验结果表明根据用户声誉与根据网络结构得到的两种聚类结果是不一致的,说明打分准确程度相似的用户的品味偏好并不相似。     

大规模开放在线课程的用户行为研究

结合用户研究领域理论,采用实证方法对MOOC的用户行为模式进行初步分析,探究用户需求,提出相应的用户激励方法和MOOC改进建议,以期为平台设计者提供参考,为相关领域的未来研究工作提供思路。     

网络用户浏览行为的分析

近年来,Web使用挖掘成为数据挖掘领域中一个新的研究热点,Web使用挖掘是从记录了大量网络用户行为信息的Web日志中发现用户访问行为特征和潜在规律.本文结合某高校主页的真实运行数据,通过Web使用挖掘对于网站的运行日志文件进行全面的挖掘分析,分析用户对信息内容的兴趣度,并通过用户对网页的访问数据推算出各个页面受众的兴趣度高低,借此改良网站的内容和布局.     

基于用户行为分析的网站结构优化研究综述

基于用户行为分析的网站结构优化是Web挖掘领域内的主要研究方向。通过对国内外文献的归纳概括,综述了目前基于用户行为分析的网站结构优化的国内外研究现状,并通过对比分析,指出了各研究方法的优缺点,最后讨论了未来的研究方向。     

基于无干扰理论的在线用户行为可信性分析方法

针对在线应用中用户行为可信性难监测、难评判的现状和当前用户行为可信性分析理论薄弱问题，提出一种基于无干扰理论的在线用户行为可信性分析方法。首先，从执行单步行为的行为实体身份、状态、环境三方面定义单步行为静态可信性，给出静态可信验证策略；然后，从行为执行过程和结果两个角度定义行为动态可信性，给出行为动态可信验证策略；最后，基于单步行为构建用户行为流程，提出基于可信扩展思想的用户行为流程可信性判定定理，并应用无干扰理论进行定理证明。证明过程及结果验证了所提方法的正确性和有效性。     

互联网信贷平台用户行为分析系统研究

随着移动互联网的普及,互联网信贷平台获得了飞速发展,然而如果用户产生违约行为却会给其生存带来严峻挑战.构建互联网信贷平台用户行为分析系统,分析用户行为特征进而优化借贷审核规则降低违约率十分必要.结合Qt和Pandas研究了互联网信贷平台用户行为分析系统的架构设计,在采用层次化架构的基础上详细阐述了各层应包含的功能模块及实现方式.     

基于 Redis 的水务云系统缓存替换策略设计

水务云系统在海量数据高并发访问情况下存在Web服务性能急剧降低的问题,对此,设计一种基于Redis的水务云系统数据库缓存方案,对影响数据库缓存效率的关键因素进行分析、提取和量化计算,将水务数据类型、用户对数据对象的兴趣度及用户访问行为等因素与缓存数据替换过程结合,对现有GDSF缓存替换算法加以改进,并结合实际的水务云系统数据集实现该缓存方案和仿真实验。实验结果表明,基于Redis的水务云系统数据库缓存方案可以有效改善水务云系统的服务性能,也可为类似水利数据管理平台建设提供有益的借鉴。     

虚拟空间中在线同源用户行为相似性研究

虚拟空间中在线同源用户具有相似行为特征,但现有相似性度量算法难以对其进行有效识别。提出一种基于序列对齐的在线同源用户识别算法,根据在线用户行为日志提取点击流数据,采用序列对齐方法计算在线用户的行为相似度,将其用行为相似度矩阵表示并对用户进行层次聚类,以识别虚拟空间中的在线同源用户,同时分析不同维度的用户特征属性对用户行为相似性的影响程度。实验结果表明,该算法能准确识别出在线同源用户,用户行为相似性受性别、户籍和教育程度3种特征属性影响较大,受年龄、社会阶层和收入水平的影响较小。     

在线旅游社区用户行为规律的探讨

本文通过抽样采集国内最大的在线旅游社区平台马蜂窝中的用户成员帖子数据,进行预处理并借助数据挖掘技术进行挖掘,从而获得在线旅游社区的用户潜在的行为规律,并对这些行为规律进行相关描述.基于关联规则数据挖掘的在线旅游社区用户行为规律研究结果具有一定的意义,可为在线旅游社区的运营者开展针对性的运营提供有益的参考.     

基于缓存价值的命名数据网络缓存优化策略

为了解决当前命名数据网络（Named Data Network）中的传统缓存决定策略如LCE (Leave Copy Everywhere)、LCD (Leave Copy Down)、Prob (Copy with Probability)中存在的由于路由器缓存利用不合理导致的路由器缓存命中率过低,及满足用户请求所需跳数过多导致的时延过大等问题,提出一种基于缓存价值的缓存策略。该策略结合兴趣包路由跳数与所请求数据包大小,以及兴趣包所经过路由节点缓存情况,计算数据包缓存价值,由此将数据包缓存在合适的节点,以提高缓存命中率。在此基础上考虑下游节点的过滤效应,提出相对于传统缓存替换策略LRU、LFU的基于动态缓存价值的缓存替换策略,以进一步提高缓存命中率。经过大量仿真对比实验,验证了本文提出算法的有效性及可用性。     

面向在线交易日志的用户购买行为可视化分析

在线交易日志,即用户通过电商平台购买商品产生的交易记录,包括用户、商品、交易及商家的相关信息,反映了用户的购买行为.现有的可视化方法未能充分结合在线交易日志的时序、层次、地理、多维等特征,实现对用户购买行为的多角度分析.对此,本文结合交易日志的多个特征,提出了基于径向布局的复合时序可视化方法和融合空间信息的时间轴可视化方法,设计了颜色极值映射方法和规律映射方法,并基于上述方法,设计并实现了面向在线交易日志的用户购买行为可视化分析系统UPB-VIS,从而完成了单个用户和用户群体购买行为的全方位分析.最后,通过在京东商城在线交易日志数据集上的实验证明了系统的易用性和相关可视化方法的有效性.