WAP业务用户行为模型分析

随着无线网络增值数据业务的不断发展,用户量及用户使用频度越来越大,增值无线系统也越来越复杂,迫切需要一种较为准确的用户行为模型对系统建设以及维护进行指导。而传统的语音业务模型由于业务形式大为不同,没有办法对无线数据业务用户的行为进行准确的分析和描述。为解决这一问题,该文通过对CDMA1X网络上开展较好的WAP业务数据的采集分析得到了WAP用户行为的数学模型。     

基于因果模型的主题热度计算与预测方法

网络是目前最重要的信息传播渠道,其自由性和丰富性使得信息迅速传播。挖掘网络中的热点主题对政府政策的制定、企业经营决策的调整可以提供强有力的支持,并能够满足网民对热点主题的关注需求。主题数量的庞大使得主题热度值的计算尤为重要,该文分析热度的形成原因,基于因果模型并采用面板数据,给出一种较为客观可行的主题热度计算模型。该模型使用易于获取的数据进行计算,给出较为客观的热度度量,进而便于不同主题、不同日期间的热度对比。在此基础上,通过对热度变化规律的考察,提出一种基于多峰高斯曲线拟合热度变化进行主题热度预测的思路。     

基于上网日志挖掘的用户网购行为分析

移动网络运营商拥有用户全面的上网日志,这些信息蕴含着巨大的价值。通过对用户上网日志的挖掘,运营商不仅能够对网络设施进行维护,辅助进行网络建设,也能为运营商自身和其他行业营销提供依据。对上网日志信息的构成进行了阐述,以网购用户为目标,介绍了数据预处理的方法,利用兴趣模型对用户行为进行分析。     

基于用户行为的网络管理模型能力分析

现有的网络管理模型一般都侧重网络设备本身的管理,不太适应现在越来越复杂的网络管理。基于用户行为的网络管理模型从用户行为管理的角度出发,关联分析出网络中的用户行为,并根据用户行为管理策略规范用户的网络行为,从而消除不良网络行为对网络性能和安全的影响,使网络能安全稳定地运行,并可大幅度减轻网络管理员的负担。本文讨论基于用户行为的网络管理模型要解决的关键问题,提出并分析模型应具备的4个能力：感知能力、控制能力、取证能力和告知能力,最后讨论它们在实际网络管理中的应用情况,并证明它们的可用性。     

基于用户权威度与热度分配聚类的微博热点发现

针对微博热点算法未合理进行微博文本和微博用户相结合的问题,提出基于用户权威度与热度分配聚类的微博热点挖掘算法。对微博文本进行分词,得到特征词并使用改进TF-IDF为特征词分配权重,通过权重大小进行降序排序,对微博文本进行聚类分析得到主题类簇,使用ULRank算法计算用户权威度,综合特征词权重、用户权威度和引用关系为特征词分配热度,得到特征词的热度排序结果,获取特征词对应聚类类簇的大概主题即热点话题。实验结果表明,该方法的吞吐量、运行效率、准确率及F值表现较好,能够较全面地反映当前的热点话题。     

基于热度矩阵的微博热点话题发现

现有微博热点话题发现模型对微博数量规模较敏感,发现速度较慢。为此,提出一种基于热度矩阵的主题模型。通过热度矩阵获取各潜在主题的热度和主题-词概率分布,并以词间的共有热度来挖掘其语义关系,进而准确识别数据中的热点话题及热点词汇。在真实微博数据上的实验结果表明,与潜在狄利克雷分布模型相比,该模型的效率和准确率较高,发现的热点话题与实时事件保持一致,具有较好的热点识别效果。     

基于网格热度值的船舶规律路径提取算法

随着无线传感器、卫星、GPS(global positioning system)等移动目标定位技术的发展,产生的移动数据(诸如人类足迹、车辆行驶轨迹和船舶轨迹等)的规模越来越大.而移动目标检测设备只会存储一系列离散点的信息,所以基于离散点来追踪和恢复其完整的轨迹是更加全面掌握移动目标运动规律的必要前提.数据挖掘方法能从移动目标的历史位置信息中挖掘出“规律”路径,其中基于网格的聚类分析方法不仅能有效表达这些轨迹点,还能分析出这些轨迹点之间的关系,是提取规律路径的有效方法.为此,提出了基于网格“热度值”的距离和密度相结合的热度因子相似性度量方法,进而给出了移动目标规律路径提取算法.最后,使用船舶自动识别系统(automatic identification system, AIS)生成的船舶实际动态数据进行测试,来验证该算法的精度和性能.算法分析和实验结果表明:基于网格热度值的规律路径提取算法能有效地发现不同形状的轨迹序列.     

基于用户行为模型的搜索引擎

针对目前大部分搜索引擎不能精确识别使用不同查询词而期望获得不同查询结果的情况,该文提出一种基于用户行为模型的搜索引擎的思想,论述其原型系统SEB实现过程和关键技术,其中的行为模型结合人类行为学相关理论对用户访问行为进行分类和表示,对搜索结果进行了处理,实现了个性化搜索。实验表明,经SEB原型系统处理的搜索结果更加符合用户需求。     

用户动态键盘行为分析的网络安全模型

提出一种用户动态键盘行为模型即KDM,它结合了用户敲击键盘的频率、习惯和用户登录密码的认证方式,能达到zero-FAR,而传统论文中误识率(FAR)比较高。它极大地提高了用户登录系统的安全性,FAR比拒识率(FRR)重要的多。在ROC曲线中,KDM能保证0%FAR的情况下改善FRR,没有用等错误率(ERR)这个指标,这一点和传统论文有很大的不同。通过历史数据,证明了提出的方法非常实用。KDM能在毫秒内分析用户的键盘行为特征,这对基于生物特征的系统安全认证非常有效。     

网络用户浏览行为的分析

近年来,Web使用挖掘成为数据挖掘领域中一个新的研究热点,Web使用挖掘是从记录了大量网络用户行为信息的Web日志中发现用户访问行为特征和潜在规律.本文结合某高校主页的真实运行数据,通过Web使用挖掘对于网站的运行日志文件进行全面的挖掘分析,分析用户对信息内容的兴趣度,并通过用户对网页的访问数据推算出各个页面受众的兴趣度高低,借此改良网站的内容和布局.     

决策支持系统中客户价值预测模型的设计与分析

在Internet时代,企业可以从外界获取大量的客户数据资料,如何在这样丰富的客户数据资源中寻找企业的高价值客户?基于这样的需求,文中讨论了使用微软的VS.Net平台和SQL Server Analysis Services中的DSO组件来建立模型的方法,通过对原有客户资料的分析建立客户价值预测模型,并由此模型进行新客户和潜在客户的价值预测。此模型在客户价值预测方面有一定的参考价值。     

基于数据挖掘的客户细分框架模型

数据挖掘技术在客户关系管理领域的应用较广泛,能提高客户细分能力。针对目前客户细分研究缺乏统一研究框架的问题,分析现有的客户关系管理系统构架及其与客户细分的集成关系,对客户细分问题进行构架性研究,提出一种基于数据挖掘的客广细分框架模型,包括空间逻辑模型和数据-功能-方法模型。     

数据挖掘在邮件检测中的应用

随着Internet技术的发展,网络中广泛使用的电子邮件正成为一种快捷而经济的通信手段。然而,各种垃圾邮件、邮件炸弹及邮件病毒的出现给用户收发邮件带来了极大的困扰。本文由浅入深地介绍了数据挖掘在邮件检测中的应用,提出了一种基于数据挖掘的检测模型和检测方法。     

数据挖掘在邮件检测中的应用

随着Internet技术的发展，网络中广泛使用的电子邮件正成为一种快捷而经济的通信手段。然而，各种垃圾邮件、邮件炸弹及邮件病毒的出现给用户收发邮件带来了极大的困扰。本文由浅入深地介绍了数据挖掘在邮件检测中的应用。提出了一种基于数据挖掘的检测模型和检测方法。     

基于RFM模型的随机森林算法对民航客户的流失分析

近几年,随着航空市场的快速发展,对于航空公司而言,如何在增加市场占有率的同时,对客户的流失进行有效的控制也刻不容缓.基于随机森林算法,根据航空客户数据,建立流失预测模型,对客户是否已流失进行预测研究,将传统的RFM客户价值模型进行改进,结合随机森林算法对客户流失进行预测.实验结果表明,基于RFM模型的随机森林算法构建的...     

一种基于超图模型的客户行为分析方法

外汇交易中,一些企业由于企业本身特点或从事业务的相近有着相似的交易行为。根据这些天然特征发现具备相似行为的交易并对其分组,有利于发现海量交易数据中的典型交易行为模式,这有助于外汇管理和监督职能的更好实施。本文根据外汇交易行为的特点,用一种基于超图模型的聚类算法来发现不同类型的交易对象。     

基于电网全景模型的终端用户供电可靠性信息系统

提出了一种改进的电网全景信息模型,用于全面描述停电事件,解决了传统电网拓扑模型对低压停电等事件描述不精确的问题.基于此模型实现了一套终端用户供电可靠性信息系统并应用实践,实现了各类数据的集成、建模和可视化展示.该系统在不依赖自动化装置的前提下,实现了终端用户供电可靠性指标自动统计,具有一定的实用性.     

银行客户分析系统中OLAP模型的设计

针对银行客户分析系统中OLAP建模所碰到的问题,提出了传统OLAP模型的一种扩展模型,然后讨论系统在扩展模型基础上的建模.     

银行客户分析系统中OLAP模型的设计

针对银行客户分析系统中OLAP建模所碰到的问题,提出了传统OLAP模型的一种扩展模型,然后讨论系统在扩展模型基础上的建模。     

基于数据挖掘的供热用户分析与决策

对某供热公司累积的大量供热用户收费数据进行分析,通过构建数据仓库和利用数据概化方法建立供热用户数据挖掘模型,使用频繁项集方法产生关联规则,利用决策树算法得出交费时间特征,从而得出不同区域和类型用户的习惯交费时间段。对该数据挖掘模型进行评价,提出的4项收费决策建议在实际应用中取得良好效果。