社会化电子商务视域下的用户行为模式分析与研究

社会化电子商务打破了传统的购物格局,消费者通过社交网站、SNS、微博、社交媒介等传播途径,通过社交互动等手段实现了商品的购买与销售。文章基于网络用户信息行为理论,通过对社会化电子商务模式探析,分析了社会化背景下的网络用户信息行为的特点及规律,并提出社会化电子商务背景下的针对电子商务用户服务的策略。     

基于网络用户信息行为的个性化推荐模型

探讨了网络用户信息行为的基本概念和个性化推荐的相关技术。以此为基础,创建了基于网络用户信息行为的个性化推荐模型。对比实验结果表明,此模型在准确率、稳定性、推荐效率方面有一定的优势。     

基于物联网技术的移动网络交互行为异常检测方法

针对移动网络交互行为异常问题 ,提出了一种基于物联网技术的移动网络交互行为异常检测 方法 装 建立移动网络交互行为特征挖掘模型 ,根据移动网络交互行为的属性分布进行特征辨识 ,挖 掘移动网络交互行为异常信息大数据 ,并进行分布融合 装 提取移动网络交互行为异常特征分布值 , 采用信息重组和线性插值拟合方法 ,重构移动网络交互行为的语义属性分析和本体模型 装 采用特征 匹配与信息融合的方法进行移动网络交互行为异常检测 装 仿真实验结果表明 ,该方法的移动网络交 互行为异常检测准确率始终高于95% ,定位性能较好 装     

网络课程的交互设计策略

网络课程作为传统课堂教学的扩展和延伸,是网络教育的重要组成部分。网络课程中的交互设计直接影响网络教学的效果,科学合理的交互可以让学习者积极地投入到学习中,提高学习的质量。     

面向互联网用户行为分析的加权概率融合贝叶斯网络研究

针对依靠单一算法训练互联网用户行为数据构建的贝叶斯网络(Bayesian Network, BN)计算耗时长、结构不稳定等问题,提出加权概率融合并行贝叶斯网络增量学习(WPFPBayes)算法。该算法根据自适应数据切片算法找出最优数据片尺寸,快速进行并行BN模型训练;将数据切片上学习得到的若干子BN结构通过融合加权概率方法合并成一个全局BN模型;通过一种增量评分函数定量表示单位时间内网络模型与数据之间适应程度的变化情况;采用依据特定结点进行BN更新的措施达到新旧数据在网络中的平衡。仿真实验结果表明：WPFPBayes算法下得出的BN模型的效率及其准确率均高于其他常见算法;随着数据量的增加,BN模型数据表达的准确率和稳定性均得到提高,可以更有效检测网络用户的异常行为。     

社会化复杂网络环境下舆情传播研究

结合复杂网络,分析当前网络环境下的舆情传播特点与规律,并以社会化网络、微博等为重点,研究未来网络舆情传播的发展方向。     

网络课程的交互研究

交互在网络课程开发和应用中具有十分重要的地位和作用。文中对网络课程的交互进行了概念分析，讨论了网络课程的交互的两大理论基础，分析当前网络课程应用中交互方面的问题，并提出了相应的对策建议。最后介绍了评价网络课程交互的两个纬度。     

基于物联网的移动网络交互行为异常检测

为了解决传统交互行为异常检测方法实时性差、数据分布要求较高等问题,研究基于物联网的移动网络交互行为异常检测方法.基于时间序列分量对物联网高维数据特征进行检测,以获取的移动网络交互行为数据特征值子集为基础,将高维特征空间的正向矢量数据作为验证核心,设立常数偏差函数并求取函数最小值,以此设定检测阈值.根据检测阈值采用平行时...     

用户网络行为习惯模型

在对基于知识推理的智能网络入侵检测模型和网络安全预警方法的研究过程中,通过对网络黑客攻击方式和手段以及Internet上用户网络行为特征的分析,给出了用户违反网络安全规则行为的分类原则,在此基础上,提出了基于数理统计思想的用户网络行为习惯模型,并在FireGuard代理防火墙系统的智能安全预警子系统中进行了实现.\     

基于用户交互行为的群组推荐偏好融合策略

为尽可能减小群组成员对所推荐项目的不满意度,提高推荐系统的准确度,在传统推荐系统的基础上,提出一种基于用户交互行为的偏好融合策略。通过成员间协同过滤获得用户对项目的预测评分,通过组间协同过滤获得群组对项目的预测评分,再利用用户间的交互行为获得用户在群组中的权重,进而获得群组对推荐项目的最终评分。通过改进的GMAE评估模型对本融合策略进行验证和评价, 结果表明,本策略在准确度、推荐项目多样性方面较传统协同融合策略有明显提高。     

行为动机交互影响的定量分析

个体行为往往是多个动机综合作用的结果．本文应用矩阵方法对此行为进行了探讨．     

云环境下基于本体的用户行为分析引擎研究

针对当前大型互联网站提升用户体验的需求,本研究创造性地提出基于本体的用户行为分析引擎的思想,它通过上下文感知技术,实时获取用户访问页面时的上下文信息(以下也称为动态行为),基于本体对用户行为建模,建立基于规则的上下文推理算法,对监测到的动态用户行为进行实时推理,及时反馈结果信息给用户。实验表明:本研究理论上独辟蹊径,设计实现上结合了云存储技术,能够一定程度改善用户体验效果。     

复杂网络视角下跨社交网络用户身份识别研究综述

社交网络是一种具有交互特性的复杂网络,利用复杂网络具有的网络特性可以链接不同社交网络中的节点,并分析节点之间存在的联系,结合相关的匹配算法可以有效地识别出用户在不同社交网络上的虚拟账号,有助于各大社交网络为用户提供更好的服务。该文对近十多年来数据挖掘领域中提出的跨社交网络用户身份识别技术进行了系统性地综述,详细阐述了3类用户身份识别技术相似度的计算方法和统一的识别框架,利用相关的评价指标对分类后的用户身份识别技术进行性能评估,最后展望了跨社交网络用户身份识别技术的未来研究方向。     

一种改进的基于Spark的用户行为分析方法的研究

为解决大数据量情况下的网络用户行为分析的时效性、准确性,针对Apriori算法对数据库反复扫描和候选集过大的问题,提出了一种将压缩矩阵和事务权值引入的改进型Apriori算法,并将改进后的算法运用于云计算平台Spark。实验证明,改进后的算法的性能和效率都更高,在网络用户行为分析中具有优势。     

基于因果模型的社交网络用户购物行为研究

社交网络用户的购物行为体现用户在社交影响下自身物质需求和社交需求的意愿,是社交网络营销的重要研究内容。传统的网络购物行为分析仅关注用户行为间的相似度,忽略了用户的社交需求及同伴行为的影响。对此,结合反从众理论和社交需求特性,对用户购物行为进行特征构建;其次,针对社交网络用户数据不完全观察特性,提出了基于快速因果推断（Fast Causal Inference,FCI）的用户行为因果机制发现算法;最后,基于模型的实验分析和实证分析验证了模型因果机制的合理性。     

虚拟社会化进程中的网络道德教育

从整合传统的道德文化、关注青少年的需要、建立和完善法律法规以及网络媒介素质教育进课堂四个方面探讨加强网络道德教育的措施。     

试论网络课程的交互设计

信息技术的迅猛发展对现代远程教育的开展起到了极大的促进作用,设计和开发优质的网络课程是当今远程教育中面临的一个重大课题。本文针对网络课程现状和网络课程的交互特点,讨论网络课程的交互设计。     

用户情报认知行为特性研究

以认知科学、行为科学、人－机工程等为理论工具，研究用户情报认知心理与行为特性，把用户情报认知行为分为基础于技能、规则和知识的三个层次，在此基础上建立了用户情报认知行为模型，它由用户行为流程图和旋进图构成，最后分析了用户情报行为失误类型及其形成因子。     

政府微博的用户使用行为研究

应用TAM模型,通过实证分析,研究政府微博的用户使用行为及其影响因素。结果表明,政府微博特性正向影响用户感知有用性和感知易用性,感知易用性正向影响感知有用性,感知有用性和感知易用性正向影响使用意向;使用意向正向影响使用行为。对增强用户使用愿意和提高政府微博普及程度提出了建议。     

用户行为逆向分析技术研究

通过收集并分析用户在计算机上的各种遗留信息,根据Windows操作系统提供的用户对各种文件的操作行为,设计了一种逆向综合分析算法,可分析出一定时间内用户对计算机的各种行为和操作,从而为发现各种非法和异常行为并加固操作系统提供可靠的支撑信息.