基于点击流数据仓库的用户行为分析

点击流数据揭示了网上消费者在网上的冲浪行为,这些数据记录了用户的行为信息.如何从海量日志数据中自动、智能地抽取隐藏于其中的知识,这是本文要研究的问题.介绍一种利用SQL Server 2005构建Web日志数据仓库的方案,先对点击流数据进行收集、预处理,并加载到数据仓库,然后通过Analysis Services深入分析网站用户的消费行为、兴趣偏好,挖掘有趣模式,获取更多有指导意义的商业信息.     

基于用户点击流的标签兴趣模型的研究与实现

分析用户的网络交互行为与用户兴趣之间的关系,针对目前的兴趣标签建模方法的不足,提出将用户的点击对象进行标签量化,通过用户的点击行为建立用户兴趣模型的方法,并在社交网络环境中对模型进行用户兴趣分析与测试。测试结果表明,该方法能有效地构建用户兴趣模型,证明了该方法的可行性。     

基于点击流的客户行为分析引擎的设计与实现

给出了一个基于点击流的客户分析引擎的设计,通过对ExLF日志文件格式进行扩充,分别利用基于嵌入Session变量的Cookie识别机制和时间窗口模型来对用户及用户访问事务进行识别,同时给出了数据源收集的具体数据库表格.在结合聚类和CLV价值分析识别核心客户后,进一步将点击流会话事务文件与商务网站的内部数据相结合,利用改进的Apriori算法,进行多维关联规则挖掘,从而实现对用户行为和兴趣模式进行分析.     

基于向量的点击流聚类算法

点击流数据是分析互联网用户心理倾向的关键,互联网用户的聚类可以通过分析点击流数据实现. 本文提出了一种基于向量的相似度计算方法,将点击流数据转化为向量数据. 通过对向量的计算来得出聚类的结果. 算法克服了传统的聚类算法的一些缺点,更能符合研究人员研究Web点击流数据时关于个性化聚类的要求.     

基于点击流的用户矩阵模型相似度个性化推荐

研究用户学习网页点击流数据,挖掘用户兴趣,从而为用户进行个性化学习资源推荐,提出JMATRIX算法。基于用户历史资源点击流信息,构建用户资源点击数据有向图模型,并将有向图模型转化为矩阵模型存储。采用求解矩阵模型相似度,从而求得用户相似度,极大地降低了资源点击频率和资源点击路径用户相似度求解的复杂度,提高用户相似度求解的效率与准确度。结合Leader Clustering算法及粗糙集理论进行用户聚类和用户个性化资源推荐。实验结果表明,相比Leader Clustering算法,JMATRIX算法具有更高的效率和更准确的推荐效果。     

基于点击流的个性化图书推荐

该文运用点击流和个性化推荐的相关技术,构建了一个基于点击流的个性化图书推荐系统,使用将不同的推荐技术相结合的方法,克服各自的部分缺点,达到比较理想的个性化图书推荐的目的。     

基于点击流的个性化图书推荐

该文运用点击流和个性化推荐的相关技术,构建了一个基于点击流的个性化图书推荐系统,使用将不同的推荐技术相结合的方法,克服各自的部分缺点,达到比较理想的个性化图书推荐的目的。     

Web站点的点击流数据分析方法的设计与实现

Web挖掘就是利用数据挖掘技术从Web文档和服务中自动发现和抽取信息,用于Web挖掘的最有效的数据就是点击流,现在对点击流数据进行建模和分析所采用的方法要么过分强调挖掘算法,要么过分强调实用性。基于此,笔者提供了一种将挖掘算法与商业智能(BI)相结合的统计建模方法。     

ESSK:一种计算点击流相似度的新方法

用户点击流信息被广泛应用于Web使用信息挖掘中。点击流相似度常用于用户会话分类和聚类。SSK(String Subsequence Kernel)最初被用于计算字符串相似度,后被引入计算点击流相似度,并成为目前常用方法之一。SSK选择两个字符串所有长度为k的子序列生成特征空间。单一k的选择往往存在特征数不足的问题,从而难以获得足够精确的点击流相似度。因此,提出一种新的点击流相似度计算方法ESSK(Extended String Subsequence Ker-nel)。ESSK采用所有子序列生成特征空间以解决SSK存在的问题。同时提出一种高效计算ESSK的算法,以降低计算复杂度。实验表明,ESSK比SSK更精确,比其它方法具有更高的区分度,因此更适合点击流相似度分析和应用。     

基于主观贝叶斯的点击流数据分析应用研究

通过对不确定性推理和主观Bayes方法的分析研究,提出将主观贝叶斯方法应用到点击流数据分析系统中。在用主观贝叶斯方法进行推理计算时,针对Web日志文件中记录信息的不完备情况,应用了证据的不确定性推理,在系统中对用主观Bayes方法得出结论进行专家分析评估,来确定用户对网站内容的关注程度和上网喜好,从而掌握网站对用户的黏着度,进而为优化网站提供依据,为进一步建设更有吸引力的网站提供决策支持。     

基于DMA的时间序列模式下顾客行为的个性化推荐

动态挖掘算法考虑顾客随时间变化的动态行为轨迹的特性，采取动态追踪，以顾客的动态行为轨迹为依据实现对顾客的个性化推荐。由于行为轨迹中时间段划分跨度对推荐源数据实用价值存在影响，故提出了时间约束定义，同时完成了该算法中自动学习功能的实现。实验结果表明，基于该算法的推荐系统有较高的推荐准确度。     

基于WebGL的3D动画实时播放系统

由于受到网络带宽及三维动画数据量过大等因素的影响,三维动画如果要在网络上一次性传输往往需要花费比较长的时间.这不仅影响了动画播放的实时性,同时,传输过程中数据的不完整也会造成动画播放不流畅.通过对基于WebGL的三维动画实时播放关键技术的研究,提出模型文件预加载、文件压缩传输等方法,在有限带宽的条件下将三维动画内容实时传输到用户端,利用WebGL技术实现三维模型的创建和渲染,并在此基础上实现三维动画实时播放,使用户能够直接通过浏览器进行观看,或参与到场景交互中.     

系统日志的安全管理方案与分析处理策略

系统中的各类日志文件作为系统和网络用户行为的记录管理者，对及早发现入侵行为、恢复系统、统计系统资源使用状况和为打击计算机犯罪提供电子物证有着极其重要的作 用。因此，保护系统日志安全，不被内部用户或外部入侵者修改或删除显得尤为重要。但是，我们在制定网络信息安全策略时往往忽视系统日志安全，基本上还没有形成一套 套比较合理的系统日志安全管理方法。本文讨论了对各类系统日志文件进行集中式统一管理的问题，提出了对日志文件处理分析和完整性加密保护的办法，最后提出了相应的日志管理策略。     

基于分形的三维树木形态模型

树木三维模型在农林业和娱乐、教育、商业等非农林业领域有着广泛的应用,但现有树木建模方法缺乏通用性：针对不同的对象需要建立不同的模型。运用递归调用分形自相似结构的方法构造了树木的三维模型。通过使用分枝结构随机抖动与双缓冲技术,兼顾了模型真实感与实现速度的问题。结果表明,该方法具有良好的通用性,简洁高效,能生成逼真的树木图形。     

基于胶囊网络的三维模型识别

为解决传统卷积神经网络中大量池化层的引入导致特征信息丢失的问题,依据胶囊网络(CapsNet)使用向量神经元保存特征空间信息的特性,提出了一种用以识别三维模型的网络模型3DSPNCapsNet。使用新的网络结构,提取更具代表性的特征的同时降低了模型复杂度,并提出基于动态路由(DR)算法的DRL算法来优化胶囊权重的迭代计算过程。在ModelNet10上的实验结果表明,相比3DCapsNet以及VoxNet,该网络取得了更好的识别效果,在原始测试集上3DSPNCapsNet的平均识别准确率达到95%,同时验证了该网络对旋转三维模型的识别能力。适当扩展旋转训练集之后,所提网络对各角度旋转模型的平均识别率达到81%。实验结果表明,3DSPNCapsNet对三维模型及其旋转具有良好的识别能力。     

一种基于切片的三维模型检索算法*

为了更加高效地从三维模型库中检索出相似模型,提出了一种基于切片的三维模型检索算法。首先应用主元分析对三维模型进行预处理;然后对预处理后的模型在不同位置和不同方向上进行切片,根据所得切片断面的相对面积进行三维模型检索。基于该算法设计并实现了三维模型检索系统。实验采用PSB(PrincetonShape Benchmark)提供的三维模型数据库,结果表明把模型的切片截面作为三维模型的特征描述,能有效地区分不同模型,并取得了较好的检索效果。     

扩展关系数据模型下的Credal网络近似推理

对扩展关系数据模型作进一步延伸,构建了扩展乘积连接和扩展边缘连接操作。提出利用上述操作计算Credal网络中各结点联合概率分布和后验概率的方法,从而实现了Credal网络的近似推理,并给出了该近似推理的SQL语言实现算法,算例结果表明该方法是有效的。建立了Credal网络的关系数据结构,利用关系数据库的查询优化机制,有效规避了Credal网络推理过程中Credal集顶点组合爆炸问题,提高了Credal网络推理的效率。     

基于几何特征的3D模型隐写检测技术

针对3D模型自身独特结构, 筛选和提取其几何特征, 拟合验证其分布模型, 而后利用优化后的分类算法对三维模型有无隐秘信息隐写盲检测, 即针对空间域3D数据模型三角形网格几何特征隐写的信息隐藏检测分析。选取经典的空域隐写算法来构建数据库和训练分类器是实验前提。该算法不仅在低嵌入率、较小隐写容量条件下实现了有无隐写的正确检测, 而且形成了一套较完善的3D数据模型隐写分析实验流程框架。