基于数据挖掘的移动通信业客户流失预警系统设计

借助SASEM平台。对移动通信业务数据使用数据挖掘算法建立客户细分模型,能够刻画移动通信客户的行为特征,并以此建立客户流失预测模型。从而建立一个移动通信业客户流失预警系统。实践证明,该方法实用、可操作性强,对支持企业客户关系管理产生了积极的影响。     

基于数据挖掘的移动通信业客户流失预警系统设计

借助SASEM平台,对移动通信业务数据使用数据挖掘算法建立客户细分模型,能够刻画移动通信客户的行为特征,并以此建立客户流失预测模型,从而建立一个移动通信业客户流失预警系统。实践证明,该方法实用、可操作性强,对支持企业客户关系管理产生了积极的影响。     

移动环境下基于用户轨迹的社交亲近度研究

提出了一种基于时空轨迹的社交亲近度模型,目的是为了解决新一代广播电视服务系统中移动手机电视用户之间控制内容分享问题。该模型首先将用户轨迹空间离散化,并将用户轨迹映射到该离散空间。然后根据相同时刻,用户之间的空间距离,计算用户之间的社交亲近度。根据亲近度,将其朋友分组,以控制分享内容。实验结果表明,该方法能够有效反映用户地理位置轨迹与用户之间的社交关系,平均分组正确率达89%。     

移动社交应用的用户隐私泄漏问题研究

智能移动终端以其强大的处理能力和丰富的功能应用迅速得到普及,成为人们日常生活中存储和处理个人信息必不可少的工具.在众多的移动应用中,社交通信类应用致力于为人们提供便捷的日常通信服务,这类应用相比移动通信运营商提供的传统短消息服务更加经济实用,同时提供多媒体通信方式进一步增强用户的社交体验,从而迅速地被广泛接受.为了进一步巩固自身的用户群体,增加用户黏度,这类应用在其内部增添了一种称为"通讯录匹配"的功能.该功能能够向用户推荐其手机通讯录中已经注册过该应用的线下联系人为好友,从而帮助用户快速地将线下社交圈移植到应用线上.然而,用户在获得便利的同时也面临着潜在的隐私泄露风险.文中首次提出了一种独立于各移动智能平台的、能有效利用移动社交通信类应用的通讯录匹配功能实现大规模收集用户私人数据的方法,该方法能够收集到存储于目标应用服务器的用户个人资料,包括手机号码和虚拟应用账户资料以及两者之间的映射关系;其次,为了获取规模更大,内容更全面、更真实的用户资料,文本提出了基于多款社交通信类应用的跨应用整合分析方法以及针对不同应用来源的用户资料数据一致性与真实性分析;最后,在信息获取和分析方法的指导下,文中建立了利用上述漏洞的原型系统,进行了大规模数据实验,最终验证了上述方法的有效性和良好的可扩展性.     

基于社交网络用户特征的数据挖掘研究

随着网络与移动通讯的发展,人们的社交关系与网络衔接越来越紧密。本文对互联网社交网络用户特征进行分析,分析社交网络群体结构、用户影响力、用户活跃度,从用户特征权重的角度进行预测算法研究,建立社交网络用户特征的数据挖掘模型,利用蒙特卡罗仿真方法,实现对社交网络用户特征数据的加工与利用。     

基于用户自主管理的新型移动社交网络系统的分析与设计

本文针对当前社交网络的缺陷进行了详细分析,提出了一个基于用户自主管理的新型移动社交网络系统,并对该系统分模块进行了功能论述,对系统设计进行了说明,采用XMPP、Openfire服务器框架以及Android平台开发等技术对系统服务器端和客户端进行了初步实现。本系统通过让用户对其人际关系进行自主管理,在有效改善社交网络缺陷的同时,还一定程度上满足了用户社交方式多样化的需求,丰富了用户的沟通交流渠道。     

基于用户签到的跨社交网络用户匹配

跨社交网络用户匹配技术可以融合多平台用户数据,从而实现更多元的应用,现有基于签到的社交网络用户匹配研究,忽略了多源社交网络签到数据的失衡性,导致算法在真实数据集下匹配精度下降的问题。针对此问题,提出一种基于用户签到的跨社交网络用户匹配方法。通过网格聚类算法对用户签到数据进行粗粒度化和过滤,选择出潜在相关性强的签到数据;从这些签到数据中提取时空特征,计算出不同属性相似度;通过优化多属性相似度的权重分配,综合计算用户匹配分。在多组数据集上的实验结果表明,所提出方法在签到数据失衡情况下的有效性。     

基于时空数据的用户社交联系强度研究

word2vec是Google推出的一款将词表征为实数值的高效开源工具。采用该工具将时空数据中的每位用户表征为一个实数值向量并预测用户间社交联系的强度。提出了在word2vec学习过程中动态调整学习率的算法——Location-weight算法,根据不同位置的不同用户数目在学习过程中加入位置权重,并探索其对用户社交联系强度预测的影响。实验结果表明,加入位置权重的学习算法提高了用户社交联系强度预测的准确性。     

意图感知的社交网络用户城外移动行为预测

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于\"长尾\"事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12％～15％的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3％～5％,即使在冷启动预测场景下TIEMPO依然表现最优.     

移动社交网络中大学生用户隐私泄露防范措施探究

为了更客观对移动社交网络中大学生用户个人信息泄露现状进行分析和风险评估,本文通过对移动社交网络中用户进行聚类分析识别其中的大学生用户,利用关联规则分析大学生用户隐私泄露风险特征,从中发现用户信息泄露的关键因素,最后探析用户隐私泄露防范措施,在一定程度上提高移动社交网络中大学生用户个人隐私及个人信息保护意识,同时也为国家逐步制定和出台有关移动网络平台用户信息管理规范政策提供数据支撑。     

以陌陌为例的移动社交用户体验要素探究

随着移动互联网的不断发展,智能移动终端的不断普及,移动社交应用已逐渐成为了人们日常交流沟通的工具,而移动社交中的用户体验也越来越成为用户们使用与评判应用的一个必备条件。文章以基于LBS的陌生人社交的移动社交应用"黑马"陌陌为例,从战略层、范围层、架构层、框架层、表现层五个层次出发,探究了其用户体验的要素。     

基于社交网络用户信任度的混合推荐算法研究

为了解决当前社交网络中基于用户信任的Web服务推荐算法存在的覆盖率不足的问题,整合了当前有关直接信任、间接信任及群体信任度的研究思路,对相关的信任度计算方式进行了扩展研究。在此基础上,提出了一种新的混合信任度算法。 实验结果表明,在召回率、用户信任度和用户争议度等指标上该混合推荐算法优于现有算法ModelTrust,证明了该算法具有覆盖率较高的特点,能解决由单一信任度算法数据稀疏性造成推荐结果不佳的问题。     

基于近场通信的移动社交系统

目前的社交系统都是基于互联网才能使用相关服务,在离线状态下功能不足。对比现有系统,利用近场通信（NFC）和无线直连（Wi-Fi Direct）构建一个Android平台的移动社交系统,具有离线社交的功能,提供触碰交互、不用接入互联网也可以P2P聊天和分享文件,同时最大程度保证离线交互的安全性。     

基于移动互联网旅游产品的用户研究

本论文的主要目的是在新的环境下讨论结合移动互联网进行产品设计,从前期用研的特征及需求研究,推导用户需求,使我们明确产品的目标用户以及产品的功能。充分考虑到移动互联网时代的用户研究,充分体现新时代下“以用户为中心”的设计方法,旨在使用户在使用过程中获得更好的产品体验。以语音导游的研发过程为例说明使用设计方法的有效性。     

基于社交网络大规模行为数据的用户关系研究

用户关系是构成微博社会网络的基础。用户关系的分析可以帮助更好地研究社会网络的构成、消息传播模式等多个方面。对超过百万用户的海量微博数据进行分析处理,利用信息论理论分析比较用户微博行为的特点,构建用户活跃交互网络并观察交互网络的动态性,分析社交网络用户群体的在线行为模式及特点。实验表明在微博的交互活动中,用户的直接交互关系相对稳定,不因时间的变化而变化,而用户的转发对象会不断地变化,即用户实际关注的群体是动态变化的。     

基于大数据的4G用户流失预测研究

随着移动通信行业的发展,4G时代已来临,行业的发展策略已逐步由"发展新用户"改变为"存量经营",即避免客户流失、提高用户的忠诚度。从某移动运营公司中提取了4G用户的客户信息、数据信息等数据,经过预处理后使用BP神经网络算法实现了用户流失情况的预测,同时,将算法部署在Hadoop平台上,实验表明系统能够较好预测用户的流失情况,为运营商提供决策支持。     

基于用户关系的跨社交网络用户身份关联方法

为识别出不同社交网络平台中属于同一自然人的账号,提出了一种基于用户关系的跨社交网络用户身份关联方法。首先,设计了基于网络表示学习的用户关系提取模块,将大规模用户关系转换至低维向量空间进行表示;然后,针对异构信息网络改进了传统网络表示学习算法,提出了CSN_LINE算法,实现融合跨社交网络先验关联关系的网络表示;最后,构建了基于多层感知机的用户身份关联模型。实验结果表示,提出的方法与目前先进的方法相比,综合指标F1值和正确率的提高均超过12%,证明了该方法的合理性和有效性。     

社交网络用户标签预测研究

随着社交网站的流行以及用户的大规模增加,社交网络用户行为分析已经成为社交网站进行网站维护、性能优化和系统升级的重要基础,也是网络知识挖掘和信息检索的重要研究领域。为了更好地理解社交网络用户添加个人标签的行为特征,该文基于大约263万个微博用户的真实数据,对用户标签的分布进行了研究和分析。我们主要考察了用户标签的宏观分布特征,以及用户标签与关注对象的标签分布之间的联系,发现微博用户给自己添加标签时,在开始阶段倾向于使用反映个性的标签,之后会出于从众心理而选用大众化标签。我们将研究发现运用到基于关注关系的标签预测算法中,结果证实相关分析对于社交网站的标签推荐等课题具有一定的参考意义。     

基于用户行为的社交网络人格特质识别方法

社交网络已成为人们获取和发布信息的一个重要平台,也是黑客发起网络诈骗的主要场地。大多数黑客在发起网络诈骗之前,首先会判别目标用户的主要人格特点,然后根据主要人格特点制定与其接触的策略。因此,面向社交网络用户的人格特质识别方法的研究对提高用户识别社交网络诈骗能力具有重要意义。提出基于用户的人格特质识别方法。通过构建面向社交网络的人格特质词典提取用户发表或转发文本信息中能反映用户主要人格特质类型的观测值,采用5个具有不同参数值的隐半马尔可夫模型刻画用户在社交网络上发表或转发文本信息的行为过程。在人格特质识别阶段,通过计算每个用户在发表或转发文本信息过程中产生的观测序列相对于模型的平均对数似然概率,以识别用户所属的人格特质类型。在采集的新浪微博数据集上进行实验,结果表明,当假正率为10%时,该方法的总真正率为93.18%,能准确识别用户的人格特质类型。