基于用户浏览行为分析的用户兴趣获取

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,提出了五种用户最小浏览行为组合,并在此基础上对其中三种行为进行转化,得到影响用户兴趣的关键的两种行为,并给出这两种行为与用户兴趣度之间的定量关系。结合对网页内容的挖掘,获取用户的兴趣。通过实验对文中的研究结果进行验证,实验结果证明,所采用的方法是合理和有效的,分析出的用户兴趣基本上可以正确反映用户的实际兴趣。     

基于用户行为的搜索关键字的权重分析

电子商务网站中,关键词搜索是用户查询的一种重要手段,计算搜索关键词中的切词权重,是搜索引擎查询处理时的一个重要内容.基于现有的切词权重的计算方法,对用户在网站进行信息查询等购物的决策过程中产生的多种类型的用户行为进行深入数据挖掘,并将其挖掘结果作用于切词权重词典,有效地提高了切词权重的准确性,提高了搜索排序准确率.     

基于用户浏览行为分析的用户兴趣获取

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,提出了五种用户最小浏览行为组合,并在此基础上对其中三种行为进行转化,得到影响用户兴趣的关键的两种行为,并给出这两种行为与用户兴趣度之间的定量关系.结合对网页内容的挖掘,获取用户的兴趣.通过实验对文中的研究结果进行验证,实验结果证明,所采用的方法是合理和有效的,分析出的用户兴趣基本上可以正确反映用户的实际兴趣.     

基于网页浏览日志的用户行为分析

随着问答社区信息的长期积累,越来越多的过时信息充斥在其中并被搜索引擎检索,给信息需求者带来不便。用户的网页浏览日志中隐性地包含用户的行为习惯,通过分析得到这些信息对判断网页信息时效性有着重要意义。文中提出针对网页浏览日志的查询过程划分方法,并在划分的基础之上对大量真实用户的浏览行为习惯做了统计分析。结果显示,用户查询一次信息平均浏览8.05个页面,用时6.28分钟,有将近1/3的查询在交替并发中进行,另外用户对于网站站内搜索的依赖较高。从浏览日志数据集中选取了一个社区网站的浏览记录来进行初步的网页信息时效性分析,结果表明造成用户不满意的原因主要是查询相关度不高,而过时信息只是其中一小部分。     

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.     

社交网络用户行为挖掘研究进展与展望

随着信息技术飞速发展,社交网络逐渐占领了人们日常交往、娱乐和购物等主要平台。因此,大量围绕社交网络展开的研究也变得非常热门.现有的围绕社交网络用户行为展开的研究热点主要有：基于社交网络用户行为的用户影响力研究、基于用户行为的推荐系统研究、以及社交网络用户隐私方面的研究等。社交网络是互联网的主要组成模块之一,同时也是大数据时代的主要数据提供者之一,未来对于社交网络的研究会越来越受到学术界以及工业界的更多投入,本文对社交网络用户行为挖掘的研究现状、热点展开论述,并作出展望,提出一些目前尚缺深入研究的方向,以期对读者有所帮助。     

基于多维决策属性的网络用户行为可信度评估

网络用户行为可信的评估具有不确定性、复杂性等特点。针对已有模型在动态适应性、主观分类权重、决策属性建模粗糙等方面的不足,本文提出了一种新的网络用户行为可信评估模型。采用更完善的决策属性来衡量用户行为可信性,基于AHP原理计算直接可信度,运用信息熵理论客观的分类方法,确定各个决策属性的权重,并通过加权几何平均融合各决策属性。实验结果表明,该模型能够准确评价网络用户行为的可信性,反映网络用户行为可信性的动态变化特性。与传统模型相比,在准确度和安全性方面有了很大提高。     

用户浏览轨迹算法分析与应用

以用户的行为日志为分析对象,对网站用户的浏览规律和浏览习惯展开研究。提出一种从日志中挖掘出单个用户浏览轨迹,并对多个用户浏览轨迹进行归纳的算法。研究结果对于网站内容结构的改进和用户体验的提升,具有较好的指导意义。     

基于用户浏览行为分析的用户兴趣度计算

从用户的浏览行为可以反映用户的兴趣出发,分析了用户的浏览行为与兴趣之间的关系,通过分析把能反映用户兴趣的典型浏览行为归纳为保存页面、打印页面、将页面加入收藏夹、复制页面内容、访问同一页面的次数和在页面上浏览时间这些浏览行为.针对这些浏览行为下的用户兴趣度计算做出阐述,并且在分析基于网页驻留时间和浏览次数计算网页兴趣度的算法的基础上,考虑网页大小的影响因素,使用基于浏览速度计算网页兴趣度,同时利用BP神经网络进行用户兴趣度融合.     

OLAP系统中用户浏览行为模型分析

用户在OLAP系统中的行为往往有一定的规律．在认定用户的查询意图相对稳定的前提下，分析用户的行为能提高OLAP系统的性能．而在分析用户的行为之前，选择合适的用户查询模型，记录用户的行为显得尤为重要．本文提出一个模型，包含了绝大多数的OLAP系统的操作．该模型可比较完整的记录了用户的查询浏览行为．     

基于Hadoop的搜索引擎用户行为分析

搜索引擎用户行为分析是网络信息检索技术的研究热点.通过分析用户点击行为,利用Web数据挖掘技术获取有用信息,提高搜索引擎的检索算法和检索服务的效率,把用户从大量无序的搜索结果中解放出来.本文针对传统并行计算模型在易扩展和易编程方面遇到的瓶颈,给出一种基于Ha-doop的海量日志数据处理模型,通过基于Hadoop的分布式...     

基于用户浏览行为聚类Web用户

本文结合Web用户浏览行为的特点,提出了一种新的路径相似度的计算方法,在计算相似度时不仅把用户的浏览模式仅作为一种序列模式来考虑,还充分考虑了用户在网上浏览的时间因素.然后,把粗糙度的概念引入Leader聚类算法中,提出粗糙Leader聚类算法.最后,使用标准数据集进行了试验,证明基于此种相似度计算方法,应用粗糙Leader算法聚类Web用户的有效性.     

Web浏览行为的客户端追踪的研究

目前Web挖掘的数据源来自于服务器端,包括：日志、内容、结构数据,由此相应有Web使用挖掘,Web内容挖掘,Web结构挖掘;基于当前Web挖掘的不足本文在数据源问题上给出了自己的看法,提出了在客户端进行数据收集的观点,并采用在页面中嵌入追踪功能的方法来实现。文中首先描述了当前基于服务器端数据的Web挖掘的现状和不足,并给出了在客户端收集浏览行为的解决方法;然后介绍了当前的几种可以用于客户端追踪技术并比较其优缺点,最后,采用嵌入脚本的方法实现客户端数据的收集和发送,最为合适当前的互联网环境。     

基于数据立方体的联机分析挖掘模型研究

本文提出一种联机分析挖掘模型,该模型基于数据仓库和其他各种类型文件生成的工作仓库,同时综合了联机分析处理多维分析的在线性、灵活性和数据挖掘处理的智能化特点,提高了传统模型的灵活性和智能化程度。     

基于序列模式的用户浏览行为提取与分析

当今互联网所提供的功能和服务越来越多,Web内容也越来越丰富,移动应用越来越流行。然而,复杂的Web服务应用对用户提出了更高的要求,给用户浏览带来了很多问题,很多时候用户会感到无所适从。文中提出基于用户浏览序列模式的用户行为提取与分析方法。该方法可以分为浏览模式分析和用户聚类两部分。在浏览模式分析时,首先根据用户行为数据得到浏览序列,然后运用序列模式挖掘PrefixSpan算法获取用户习惯的浏览模式,最后把分析获取的用户浏览模式应用到Web浏览中,为不同的用户需求提供个性化的服务。在用户聚类时,运用层次聚类方法按照浏览模式的相似性对用户进行聚类,以分析用户的不同属性（如年龄、职业、学历等）对用户浏览模式的影响。实验结果表明,文中采用的PrefixSpan算法和层次聚类方法在用户浏览模式分析和研究方面具有很好的可行性和有效性。     

基于Hadoop的用户搜索行为分析

用户搜索网页行为的分析是目前信息搜索的研究的热点,本文针对云计算中的并行计算搜索存在的检索速度慢,效率低等缺点提出了一种基于Hadoop海量用户搜索网页行为的方法,该方法主要是在网页PageRank算法的基础上,将用户影响因子,时间向量和网页相关性因素加入到算法中,使得改进后的PageRank算法得到了提高,进一步提高用户搜索网页行为的效率,实验中通过使用优酷实验室中的查询日志分析证明了本文的算法具有良好的效果,并对云计算中的用户行为分析具有一定的指导意义.     

个性化服务中基于行为分析的用户兴趣建模

为了更好地为用户提供个性化服务,本文从心理学的角度运用内驱力理论发现Web用户的浏览行为和他对网页是否感兴趣密切相关,并提出用线性回归模型来描述它们之间的相关性。通过实验验证了我们提出的这种回归模型是成立的、合理的和有效的。通过分析用户浏览行为计算出来的兴趣度可以应用于Web信息服务领域中的许多方面,对个性
化服务系统的研制有着重要影响。     

基于类Markov链的用户浏览行为预测方法

根据浏览历史对用户进行有效聚类,建立基于用户聚类的用户浏览行为预测模型是Web环境下实现个性化服务的关键。该文对系统用户进行聚类,产生相似用户群,根据每个相似用户群的浏览特征,建立基于相似用户群的类Markov链用户浏览行为预测模型,实验验证了该模型的有效性。     

基于用户浏览行为的个性化网页推荐

利用在线数据收集系统对用户在网页上的浏览行为信息进行收集,并按照关联规则进行频繁模Q式演算,根据演算得到的行为模式,判断出哪种组合浏览行为最能反映用户对网页的实际兴趣,为个性化的网页推荐和网页站点的规划提供依据,使web挖掘在电子商务上进行更充分的应用。     

基于模型的Web用户行为分析的大数据分析框架

虽然基本的Web分析工具非常普遍,目前的分析工具只分析页面级别的用户交互,为了加深对用户行为的理解,该研究提出了将Web应用程序与运行时日志相结合的方法.实现对web应用程序的日志以及用户与页面的交互的跟踪,达到了基于大数据的用户行为分析和可视化.