移动互联网下大数据用户行为平台搭建

随着移动互联网的快速发展,用户行为分析的精确性显得十分重要.给出了移动互联网下大数据用户行为的Hadoop平台搭建方法,介绍了Hadoop集群的构造模块和组件,搭建了Hadoop集群,并进行了测试.     

面向互联网上网服务行业的用户画像系统设计

互联网上网服务行业用户画像系统通过对用户行为数据进行分析,利用网络爬虫、数据挖掘以及文本分类等技术,对用户进行画像,刻画了一个完整的用户全貌.系统对不同属性的数据采用不同的方法,挖掘出数据中的有用信息,提取用户的平台特征,为用户标记不同权重的标签,使得企业更加了解用户,为企业发展提供指导,同时也为用户提供个性化服务铺平道路.此外,针对K-means算法进行改进,从测试结果可以看出,经过改进的K-means准确率和稳定性都得到了极大的提升.     

互联网用户行为分析系统的设计和实现

本文设计和实现了一种互联网用户行为分析系统,设计了系统的总体框架,系统由捕获模块、数据分析模块、数据图表生成模块和系统界面框架模块组成,并采用Java语言进行了编程实现,本系统产生的网络用户行为分析结果可以为互联网用户管理提供科学的依据。     

基于大数据技术的移动用户行为分析研究

随着移动互联网的不断发展,移动通信网络5G技术的实现,使得移动终端用户数量呈现爆发式增长,移动终端用户的各类行为也成了很多行业的重要研究目标.该文阐述了大数据及用户行为分析相关概述,对移动用户行为分析现状进行了研究,发现了传统移动用户行为分析缺少数据挖掘方法、数据挖掘与分析技术不成熟、系统平台功能落后等问题,并提出了针...     

互联网金融平台中高违约风险用户识别算法

在我国金融科技不断创新的背景下,互联网金融平台中通过网络分析技术开展用户风险识别已经成为当前的热点技术发展方向。以某互联网金融平台的用户交易数据为对象,通过分析其中借贷逾期违约的传播行为,提出通过传播特征构建模型算法识别互联网金融平台的高风险用户。在构建基于阈值传播和随机传播的SIS模型和SIR模型基础上,将模型转换为可评价用户风险值的算法,并进一步与实际违约数据进行验证对比。对比结果显示在前5%和10%高风险群体划分条件下,算法具有较高的召回率和良好的结构关联性。     

有线电视用户行为分析实践

以有线电视网用户行为数据（东方有线2013年第一季度）为基础,实现了用户行为分析的典型应用——个性化节目推荐。实践过程中应用互联网数据处理的大数据技术,包括构建了大数据平台,实现生产大数据的流程,采用SlopeOne和item-to-item算法实现了用户行为分析的典型应用——个性化节目推荐。     

基于微信平台的信息传播影响因素研究

互联网的迅猛发展使得基于社会网络的信息传播愈加重要,分析网络平台信息传播扩散机制和用户行为分析称为网络舆情管控的基础。本研究以微信平台为研究对象,通过调查问卷和实证分析的方法,统计分析了在特定信息传播过程中用户行为特征,并多角度分析了研究的现实意义。     

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。     

基于代理的互联网用户行为分析研究

在互联网智能化的过程中,互联网用户行为的分析是一个必要的工作.通过架设网络代理,记录用户在互联网上发出的HTTP请求,建立用户行为日志库,并根据Web访问的特性对用户行为日志进行过滤、聚类,缩减数据规模,最后利用开放式分类目录ODP(Open Directory Project)对用户行为进行分类统计,将没有语义信息的...     

基于URL相似度的会话识别方法

随着互联网的快速发展,Web日志的用户行为分析已经成为互联网技术领域的研究热点之一.会话识别是Web日志用户行为分析的关键步骤,精准的会话识别是有效进行用户行为分析的基础.本文在IIS Web日志分析的基础上,提出了一种基于URL相似度的会话识别方法.实验结果表明,此方法可以有效的识别出用户的真实会话.     

基于弹幕分析的在线直播平台用户理解

弹幕评论是网络直播平台与用户交互的主要方式之一,借助弹幕行为的分析可以更有效地实现对网络直播平台的用户理解.通过采集和利用3大热门直播平台(斗鱼、熊猫与战旗)的弹幕相关数据,本文以假设验证的方式从用户属性与用户行为两个角度对在线直播平台用户进行分析与理解,并建立基于用户行为特征时间序列的用户活跃模型对用户互动活跃度进行量化评估.研究表明,平台在线人数具有周期性变化的时间规律,观众地域具有沿海发达城市集中分布的空间取向,所提出的用户活跃模型能够对网络直播平台用户的行为活跃趋势做出合理的预测分析.     

基于数据挖掘的用户关系管理系统研究

随着信息网络技术和互联网平台的快速发展,各类互联网企业竞争的越来越激烈.其中,用户选择渠道增多、产品更新升级加快以及相对被动的接受群体,这些都直接导致互联网企业的经营成本日益升高.本文首先介绍了用户关系管理、数据仓库和数据挖掘的相关概念,同时对研究意义进行了阐述;其次,主要对互联网用户关系管理系统的需求进行分析,针对互联网的业务特点,根据用户关系管理的核心,分析用户流失资料管理、判断用户价值、发掘潜在用户等方面的用例做出了详细的分析和研究;同时,主要针对用户资料管理模块和用户信息分析模块进行了用户关系管理系统设计;最后,主要探讨了判断用户价值、发掘潜在用户以及用户流失分析模块的实现方法.     

基于用户兴趣变化融合的个性化推荐模型

移动互联网的发展带来了大量的应用,提供个性化服务和个性化推荐是解决用户“应用迷航”的有效手段,针对与某电信运营商“游戏”应用平台类似的应用商店领域,提出了一种融合的个性化推荐解决方案.该方案通过对用户行为日志的分析生成用户的兴趣偏好模型,同时引入时间因子反映用户兴趣的漂移,将基于用户偏好分析的推荐方法与基于物品的协同过滤算法相结合形成了融合的个性化推荐模型.实验对比结果表明,该模型避免了两算法之不足,发挥了两算法的优势,有效地提高了该应用平台的综合推荐性能.     

基于用户行为的个性化电商信息推送系统设计

为提高推荐产品与用户需求产品的适配度,基于用户行为分析设计了一种针对电子商务的个性化信息推荐系统。首先,使用网络爬虫技术检索电子商务平台的运行终端,获取电商用户行为信息;其次,构建电商用户行为信息表,分析获取的用户行为数据,通过用户对产品需求来计算用户的偏好度;最后,引进关联规则,挖掘符合用户喜好的产品,实现个性化信息主动推送服务。实验证明,该系统推荐的商品与用户需求产品两者适配度在90%以上,且系统推送后,显著提升了用户在电商平台的点击次数与浏览时间。     

移动社交网的生命周期评估模型研究

类似于自然界中的其它系统,移动社交网(MSN)也会存在一个从生到死的“生命周期”.文中着重研究MSN的生命周期及其评估模型,并探究处于不同生命周期阶段的MSN用户行为特征.提出了一个基于波士顿矩阵的移动社交网生命周期模型.该模型通过分析用户点击流数据,判断某个移动社交网站所处的生命周期阶段:幼年期、成长期、成熟期或衰老期.模型从移动互联网的用户访问行为中提取出两个参数指标,分别表征竞争地位与竞争实力,避免了以往需要通过长期市场调研的方法来判断分析对象所处生命周期阶段的困难,可以快速有效地判断一个移动社交网所处的生命周期阶段.根据实地采集的某移动互联网运营商的数据集,分析和验证了文中模型的有效性.此外,从6个方面分析了移动社交网用户在不同生命周期阶段的行为特征.     

面向在线交易日志的用户购买行为可视化分析

在线交易日志,即用户通过电商平台购买商品产生的交易记录,包括用户、商品、交易及商家的相关信息,反映了用户的购买行为.现有的可视化方法未能充分结合在线交易日志的时序、层次、地理、多维等特征,实现对用户购买行为的多角度分析.对此,本文结合交易日志的多个特征,提出了基于径向布局的复合时序可视化方法和融合空间信息的时间轴可视化方法,设计了颜色极值映射方法和规律映射方法,并基于上述方法,设计并实现了面向在线交易日志的用户购买行为可视化分析系统UPB-VIS,从而完成了单个用户和用户群体购买行为的全方位分析.最后,通过在京东商城在线交易日志数据集上的实验证明了系统的易用性和相关可视化方法的有效性.     

基于动静态表征的众筹协同预测方法

众筹是一个新兴的互联网金融平台,项目的发起者可以通过使用互联网,征求大量平台用户的资金来资助他们的项目.但是由于众筹平台所具有的独特规则,只有在特定时间内收集了足够的资金,项目的筹资才会成功进行交易.为了防止项目发起者和投资者在可能失败的项目上浪费时间和精力,动态追踪众筹项目的筹资过程以及估算其融资成功概率便极为重要.然而,现有的一些工作既没有针对动态预测跟踪机制的研究,也没有考虑平台上的项目发起者和投资者之间的动态行为交互.为了解决这些问题,基于长短期记忆网络设计了一种新颖的动静态协同预测模型.该模型着重分析了用户行为,包括评论的情绪倾向以及融资过程中的动态增量信息,从而将融资项目与投资人之间的交互行为进行深度挖掘分析.首先,针对平台上的静态特征和动态用户行为数据,通过不同的Embedding方法得到他们的深度表征.在此基础上,进一步设计了基于注意力机制的协同预测模型,以便了解项目融资的时序信息对最终结果的影响程度.最后,在真实的众筹数据集上进行的大量实验结果表明,所提出的动静态表征预测方法相比其他预测方法更为有效.     

一种用户画像系统的设计与实现

用户画像系统通过结合用户浏览行为日志以及爬取数据作为补充,构成用户浏览行为的完整数据集。通过以Hadoop分布式集群为基础的大数据平台结合数据分析算法对该数据集进行清洗、规范化、分析与处理,分析出用户兴趣偏好,为用户标记不同权重的标签,使得企业更了解用户以及为之后针对用户精准推荐铺平道路。此外,针对K-means算法依赖初始化中心的缺陷进行了改进,从测试结果可以看出改进后的K-means准确率得到了较大提升。     

新的Web用户行为统计分析系统研究和实现*

随着互联网的飞速发展,Web用户行为模式挖掘研究工作日益重要,但目前的挖掘工作中存在如用户识别不准确、路径补充存在误差、无法及时有效地了解某一区域的互联网使用情况等问题。为解决这些问题,研究、实现了一种新的Web用户行为统计分析系统。     

基于聚类的网络直播群体行为建模分析

近年来,随着互联网技术的不断发展,以及手机、平板电脑等移动终端的普及,网络直播逐渐兴起并壮大.国内众多直播平台基本都有送礼机制,允许观众购买平台提供的虚拟礼物来打赏主播.观众的打赏对于主播和平台来说都是主要的收入来源之一,所以理解观众的行为以挖掘观众的用户价值,提升用户的变现能力就显得尤为重要.本文以斗鱼直播平台为例,聚焦于直播平台上的高消费群体,通过构建观众特征,采用聚类方法分析高消费群体的行为.实验结果表明,高消费观众可被分为特征有明显差异的三类群体.对这三类观众的特征,本文进一步进行详细分析,为直播平台面向用户的差异化产品服务提供依据.