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。     

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。     

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.     

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。     

高校数字图书馆用户安全管理的设计与实现

为使图书馆能够开展全方位的网络信息服务,用户的安全管理尤为重要。在了解密码学各种原理的前提下,围绕密码学在数字图书馆用户管理中的应用情况,利用网络技术、存储技术及有关加密技术,构建数字图书馆结构模型,分析研究数字图书馆在用户管理方面存在的问题,并在用户认证、用户增加、用户删除等方面提出解决方案,实现了比较完善的用户管理功能。     

基于EPON的综合接入组网设计

在对校园网用户、大型企事业用户、中小型企事业用户、城市居民用户和农村用户的地理分布特点、带宽需求及QoS要求进行分析的基础上,提出了各自对应的基于EPON的综合接入组网设计方案.     

数据挖掘在移动电子商务的应用及探索

目前,电子商务的发展面临着业务与盈利模式同质化、忠诚用户少、服务个性化程度低、用户发展渠道单一等困难,为最大程度地挖掘客户价值、满足用户的服务个性化需求,电信运营商应充分发挥自身特点,建立用户统一视图,通过数据挖掘技术,实施用户细分策略,全方位地量化用户综合价值,提高用户感知,增加用户黏性,促进电子商务特别是移动电子商务向服务差异化的趋势发展。     

全球高清晰度电视终于腾飞

本文通过数字预测高清电视将迅猛发展,文中列举并预测了2007、2008、2009、2012年这四年中全球高清电视用户的数量、高清电视用户占拥有高清接受制备用户的比例、高清电视用户占所有电视用户的比例……,预测了2012年时不同国家不同平台高清电视用户的数量。     

基于用户行为的个性化搜索建模

目前的搜索算法普遍忽视了用户的兴趣行为,仅仅依靠表面的关键词来预测用户的搜索偏好,为用户提供系统"自认为"是用户所感兴趣的内容,没有更深层次地解剖用户的真实需求,没有依照用户长久以来的搜索习惯、搜索兴趣为用户定制一个个性化的搜索模型,为此,本文将提出一个针对用户行为的个性化搜索的模型,通过用户在浏览网站时候的浏览行为,例如:浏览该网页的时间、浏览网页的类型、在浏览网页时是否有进一步的行为,如:保存、复制等操作以此来丰富本文所提出的用户的个性化搜索模型,以求能够更准确地贴近用户的真实需要.     

铁路企业统一身份认证平台的设计与实现

针对铁路企业工作人员使用多个应用系统需要同时记忆多套用户账号信息的现状,文中基于铁路统一用户管理系统的用户数据,设计了一种铁路应用系统用户的统一身份认证系统。该系统采用单点登录、Token、Cookie、Session共享等技术,实现了用户信息与应用系统的分离、统一用户管理、统一认证、一处登录、处处共享等功能,从根本上解决了不同应用系统重复维护用户信息的问题,使用户能够更便捷地访问不同的应用系统,并保证了不同应用系统间用户信息的一致性、安全性和共享性。     

基于兴趣偏好的微博用户性别推断研究

用户属性,如：性别、年龄等,是计算心理学、个性化搜索、社会化商业推广等研究和应用考察的核心因素。利用用户生成数据自动推断用户属性成为新兴的研究课题。本文提出基于用户兴趣偏好研究微博用户的性别推断问题。考察了用户内容偏好以及关注行为偏好对性别推断的作用。在新浪微博近万名用户的数据集上证明了用户偏好特征的有效性。与传统的语用特征相比,将用户内容偏好与关注偏好相结合能够显著提高推断准确率。关注偏好特征对推断非活跃用户的性别尤其有效。     

HLR用户数据核查案例分析

HLR（归属位置寄存器）存储了大量用户数据,用户参数错误可能导致用户投诉、话费收入的流失。从用户投诉获得线索,批量核查用户上网速率参数、OCS用户智能网签约参数、上网计费参数,对错误进行修正,可以压降投诉、堵塞计费漏洞。     

基于大数据分析的新媒体用户画像构建及应用——以第一财经为例

第一财经根据财经媒体特点,自主设计并构建了集用户行为分析、用户画像、精准运营推送于一体的用户系统。本文以第一财经用户系统为例,分别对用户画像系统的架构设计、算法模型、数据可视化、应用场景等问题进行深入阐述。     

基于能量优化的微博用户转发行为预测

微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF（Markov Random Field）能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.     

电信行业社区营销

电信行业社区营销是指根据电信企业的需要,按照地域、区域、用户的消费习惯、消氪县次等对现有通信用户划分社区,电信企业按照划分的用户社区建立相应的营销服务管理体系,按照用户社区开展营销活动,为用户提供通信服务。     

电信行业社区营销

电信行业社区营销是指根据电信企业的需要,按照地域、区域、用户的消费习惯、消费层次等对现有通信用户划分社区,电信企业按照划分的用户社区建立相应的营销服务管理体系,按照用户社区开展营销活动,为用户提供通信服务.     

TPRank用户影响力评价算法的应用

目前针对社交网络的数据挖掘,出现了越来越多的研究热点。结合用户影响力分析建模,提出了TPRank用户影响力评价算法,该算法可以在特定话题下对用户影响力进行评价。引入用户活跃度的概念来反映用户发布微博的频率高低,在此概念的基础上,提出了基准用户影响力评价算法,而后提出了用户聚集系数的概念来反映一个用户的凝聚力大小,对基准用户影响力评价算法进行修正,得到最终的用户影响力评价算法TPRank。该算法综合考虑了用户活跃度、转发行为、时间和聚集系数等因素。最后在新浪微博数据集上进行了实验,利用TPRank找出了特定话题下影响力大的用户。     

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.