基于用户特征的容量预测方案研究

随着运营商不限流量套餐的推出,数据业务呈现爆发式增长,用户行为特征也产生了变化。为节约建设成本,保证有限资源的精准投放,本文以用户流量使用特征为依据建立模型,提出了一种基于用户特征的精准容量预测方案。     

4G业务平稳增长期用户行为规律探究

本文简要介绍移动宽带业务分类及速率要求,重点分析4G业务平稳发展时期用户行为的变化规律。通过长期观测和大量数据统计分析的方式,针对4G基站的多种覆盖场景分别剖析、对比,从而发现不同场景下用户数量和行为习惯的变化规律以及影响因素,为4G网络规划人员提供资源配置思路。     

一种基于用户行为预测的群移动性管理模型

移动性管理是未来5G移动的重要组成部分,如何均衡寻呼负载和位置更新开销,从而合理利用无线资源是当前的研究重点.提出了一种新的群移动性管理(GMM)方案,可以针对具有相同运动特征的用户进行集中式管理,从而可以减少单个用户移动性管理(SMM)时存在的重复开销.仿真结果表明,GMM比SMM可以获得更佳的运行开销.     

基于点播行为特征指数的IPTV用户精准分群算法

提出一种提取IPTV用户有效点播行为的算法:首先基于有限状态机对用户点播行为进行实时监测,将符合实际点播行为规则的数据计入用户行为库;在用户行为库的基础上通过用户点播行为特征指数分析将无效点播行为进行过滤,得到精准描述用户点播行为特征的向量,将独立的IPTV用户抽象为以点播行为特征描述的向量;基于精确点播行为向量对用户进行相似度分析、聚类,实现对用户的精准分群;最后通过大量的实际IPTV运营数据对算法模型进行验证分析.     

一种基于XGBoost算法的用户投诉预测方法

用户的投诉行为既受到客观网络环境作用,又具有强烈的主观行为意识。通过收集投诉用户的主客观数据特征,引入机器学习算法预测潜在的投诉用户,提早介入进行网络优化和用户关怀,能够有效降低网络投诉的发生。本文介绍了一种基于XGBoost算法的投诉用户特征识别和预测方法,通过收集投诉用户数据特征,构建投诉特征指标集,利用XGBoost算法迭代处理实现潜在投诉用户预测。经大量数据验证,本算法可有效实现对网络潜在投诉预测,为网络优化提供了重要依据。     

聚焦用户行为精准建设4G网络

随着国内LTE网络建设的全面启动,如何精准高效建设4G网络,成为备大运营商日益突出的一个问题,本文从用户行为分析出发,找出现有网络存在的各类问题,然后有针对性地部署4G网络.     

一种基于机器自学习的LTE容量规划方法

随着业务的高速发展,对网络资源的需求也不断升高,有限的投资下,资源的投放应更加关注建网效益,更加精准的进行网络建设。因此,如何做好网络质量与网络效益之间的平衡,做好基于网络效益的无线网精确规划成为首要任务。文章提出一种基于机器自学习的LTE容量规划方法,实现从传统话务预测到机器化自动识别容量需求、再到后评估的自优化闭环管理。     

一种基于Internet的用户行为分类方法与模型的研究

随着互联网用户的持续增长和网络应用的日趋丰富，互联网真正扮演起了改变人们工作和生活方式工具的角色。因特网用户行为的研究必然成为人们关注的焦点。本文在系统研究Internet的用户行为特征的基础上，从监测和分析的角度，给出了因特网用户行为的一种分类方式。在此基础上讨论了正常存为聚类研究的常用方法和异常行为的监测方法，设计了分布式的网络用户行为分析模型的体系结构，为网络用户行为的自动发现提出了一种有效的解决途径。     

基于深度森林的电商平台用户行为预测方法

为提高电商平台用户行为预测的准确度,解决传统机器学习方法需要设置大量超参数的问题,提出了一种基于深度森林的用户购买行为预测方法.该方法首先采用多粒度扫描提取用户行为数据的概率特征向量,然后利用级联森林生成增强特征向量并输出预测结果.实验测试了不同决策树模型对用户行为预测的适应性,并确定了随机森林决策树数目.将深度森林模...     

基于机器学习技术的网站用户行为预测

针对网站中用户留存度、转化率和忠诚度较低的问题,文中以旅游网站为例,基于logistic回归的机器学习技术,提出一个旅游网站的访问用户行为预测模型。该模型对网站用户的行为数据集合进行预处理,按照固定的比例对数据集合进行分类,验证数据集的分类服从相同的统计分布。最后,建立使用logistic回归机器学习算法相应的模型,对网站用户的行为进行预测。预测结果表明,该模型可以比较准确地预估网站用户的行为。     

一种基于网页浏览行为的用户兴趣度计算方法

用户兴趣度的计算是个性化服务的核心,而用户浏览网页时的行为能反映用户的兴趣。文中着重分析保存页面、收藏页面以及网页浏览速度这三种网页浏览行为,且在此基础上结合用户兴趣衰减因子,提出一种新的基于网页浏览行为的用户兴趣的计算方法,并利用K-means算法将浏览的网页内容聚类成不同主题,最后基于这三种网页浏览行为和用户兴趣衰减因子计算用户主题兴趣度。实验结果表明,提出的用户兴趣度计算方法是有效的。     

基于嵌入式向量和循环神经网络的用户行为预测方法

为了进一步描述时间因素对用户行为的影响,进而提高推荐系统的推荐效果,综合考虑了用户的长期行为特征和短期行为特征提出一种基于嵌入式向量和循环神经网络的用户行为预测方法。依据推荐系统中的所有用户行为数据,将用户和商品嵌入到相同的特征空间,并通过嵌入式向量反应用户的长期行为特征。针对每个用户,依据其历史行为的时间序列,基于循环神经网络建立该用户的行为预测模型,从而描述该用户的短期行为特征。实验结果表明,提出的方法与特征级时间序列分析等方法相比具有更好的推荐效果。     

一种适用于广电运营商用户行为数据采集的系统设计

随着大数据技术的快速发展,广电运营商可以利用大数据分析技术来促进其业务的进一步发展,提升业务的ARPU值.同时随着广电运营商双向网络的改造和互动业务的快速开展,使得对双向机顶盒的用户行为数据全面采集成为可能.本文将针对广电运营商双向机顶盒用户行为数据全量采集的难点进行分析,并提出一种在广电系统中构建高性能大数据采集系统的解决思路.     

基于多分类器集成和特征融合的用户出境预测

准确地识别有出境意向的用户具有重要的意义,可为出境服务企业的精准营销实施、出境运营的高效管理和政策制定提供决策支持.针对此需求,提出了一种基于多分类器集成和特征融合的用户出境预测方法.首先利用用户的移动终端信息交互数据,挖掘用户的出境相关行为特征和静态特征作为样本特征;其次,通过最小冗余最大相关算法筛选最优特征,并利用...     

基于大数据平台的用户行为分析研究

近年来,大数据分析已经成为了越来越多企业、政府和各类组织所钟爱的重要技术,通过对体量巨大的网络数据信息进行分析可以直观、有效地描绘出互联网个体的上网行为轨迹。本文介绍了一种基于对网络数据报文进行分析的大数据分析方法,进一步得到网络用户群体的行为方式以及行为趋势预测,从而为改善政府民生治理、企业商业运营以及网络安全管理等领域提供有价值的信息参考。     

一种改进的基于浏览行为的用户兴趣模型

主要讨论并建立了一种改进的基于用户浏览行为的用户兴趣模型,模型中综合考虑了Web用户对页面的浏览行为、对页面关键词的感兴趣程度、用户的短期兴趣和长期兴趣。在.NET平台下实现了WIPISES演示系统,在系统中嵌入本文所提出的改进的用户兴趣模型。仿真实验结果表明:使用本文改进的用户兴趣模型进行信息检索,其搜索效果优于目前主流的搜索引擎,而且Web用户的偏好性越强,WIPISES系统的优势也就越显著。     

一种基于用户行为分析的密钥管理异常检测方法

云计算的发展带来了科技领域的深刻变革,因其便利性、经济性、可扩展性等优势获得了越来越多政企的青睐,与此同时云上应用的安全性也成为各方关注的焦点。密钥安全是密码安全的基础,在云计算环境中,不仅云上的各类应用需要更方便、安全的密钥管理服务,云系统本身也面临着用户数量多、数据量大等问题,亟待划分粒度更细、使用更加灵活的密钥管理方式。在云环境密钥管理的背景下,提出了一种基于用户行为分析的异常检测方法,按各用户的历史行为分析其当前操作的合法性。所提方法具有动态灵活、智能性强的特点,对拒绝服务攻击也具有一定的防护作用。     

基于用户行为分析的移动互联网流量经营研究

对用户肖像塑造、行为深度分析、用户流量拉动及提升流量价值等方面,提出基于用户行为分析的移动互联网精细化流量经营策略及建议。详细阐述用户行为分析中的关键问题——数据清洗的原理及其实现方法,尤其是对用户点击行为的区分及识别原理提出若干创新性的思路和方法。通过在现网实际环境中进行验证,效果良好。     

基于GBDT算法的潜在5G用户预测研究与实现

5G用户规模发展是新时代新基建大背景下运营商5G网络建设的终极目标.传统的通过人工方式进行营销发展存在诸多不足,浪费大量人力物力财力.针对这些缺点,基于运营商O域和B域数据引入梯度提升决策树(GBDT)分类算法,通过学习存量5G用户正负样本在历史网络上产生的出账数据和网络数据建立5G用户分类预测模型,做到精准挖掘5G潜...     

基于数据挖掘的大用户用电特征分类方法研究

为更好掌握大用户对象的耗电行为,实现对电力资源的按需分配,提出基于数据挖掘的大用户用电特征分类方法.计算大用户对象的集中用电量,通过划分用户消耗行为的方式,确定具体的耗电周期数值.在此基础上,研究用电用户所属类别,按照高维负荷数据的降维需求,提取用电行为模式的实际特征,实现基于数据挖掘的大用户用电特征分类方法的顺利应用...