检索结果-内蒙古大学图书馆

科学技术与工程 2016年第26期16卷 80-84页

作者：丁晓强宋礼鹏中北大学计算机科学与控制工程学院太原030051

用户在线行为的记忆性研究有助于揭示用户在线行为特性,构建更准确的在线行为预测模式,对基于在线行为的网络安全防御和信息推荐都具有重要的意义。基于收集的某高校网关日志数据,首先分析了用户在线行为中的记忆特性。研究发现用户的... 详细信息

用户在线行为的记忆性研究有助于揭示用户在线行为特性,构建更准确的在线行为预测模式,对基于在线行为的网络安全防御和信息推荐都具有重要的意义。基于收集的某高校网关日志数据,首先分析了用户在线行为中的记忆特性。研究发现用户的在线行为具有较强的记忆性,其分布服从高斯分布。其次,定义了用户在线行为的记忆长度,统计发现其在个体水平和群体水平上都呈现幂律分布,表明用户的在线行为存在长期记忆。据此建立了马尔科夫过程模型,仿真重现了用户上网行为的记忆性特征。研究结果表明用户的在线行为不仅具有记忆性,而且这种记忆性可以为用户在线行为模式的构建提供指导。

关键词：用户在线行为记忆性高斯分布网关日志幂律分布

来源：评论

学校读者我要写书评

暂无评论

P2P网络中基于K-means聚类的用户在线行为分析

引用

微计算机应用 2009年第11期30卷 24-27页

作者：李满天尤佳莉王劲林王玲芳国家网络新媒体工程技术研究中心北京100190

使用K-means的聚类方法,从用户上下线规律的角度,对P2P网络中的用户进行了聚类分析,发现系统中存在稳定的节点类,以及在线规律呈现日周期规律但是与其他类节点可以互补的节点类,我们提出,合理有效地利用这些用户节点可以提高一些P2P系... 详细信息

使用K-means的聚类方法,从用户上下线规律的角度,对P2P网络中的用户进行了聚类分析,发现系统中存在稳定的节点类,以及在线规律呈现日周期规律但是与其他类节点可以互补的节点类,我们提出,合理有效地利用这些用户节点可以提高一些P2P系统的性能以及可靠性。

关键词： P2P网络用户在线行为 K-means

来源：评论

学校读者我要写书评

暂无评论

在线健身社区用户课程使用行为及购买行为研究 ——以keep为例

在线健身社区用户课程使用行为及购买行为研究 ——以keep为例

引用

作者：司润芳北京外国语大学

学位级别：硕士

随着国人生活水平的提高,健身减肥逐渐成为大众日常生活中讨论的热点话题之一。由于人们生活速度的加快,传统的健身房已经不再能够满足所有健身减肥爱好者的健身减肥需求。因此,一种崭新的健身减肥方式在这种时代背景下应运而生。在线... 详细信息

随着国人生活水平的提高,健身减肥逐渐成为大众日常生活中讨论的热点话题之一。由于人们生活速度的加快,传统的健身房已经不再能够满足所有健身减肥爱好者的健身减肥需求。因此,一种崭新的健身减肥方式在这种时代背景下应运而生。在线健身减肥平台的产生以及发展为日益忙碌并且关注自身健康和身材的人带来了福音。但是即便如此,我国的在线健身减肥平台仍旧处于发展阶段,平台上一些课程页面的设计没有办法真正的满足用户的需求。除此之外,近年来,关于如何为健身减肥平台引流,并将其普通用户转变为忠实用户或者付费用户的问题广受人们的关注,这一问题也逐渐进入各专家学者的研究范围,因此具有一定的研究意义。但是相关研究刚刚起步,因此各方面的研究成果还不是很完善,具有一定的研究空间。健身减肥平台上的课程众多,按照是否收费进行分类可以分为非付费课程和付费课程两种,不同课程面对的用户有所不同,因此在设计课程以及课程页面的时候,平台应该有不同的关注点。为此本文沿着“非付费课程-->付费课程”的脉络,提出以下两个研究问题:研究问题一:在线健身社区用户对非付费课程的使用行为研究研究问题二:在线健身社区用户对付费课程的购买行为研究针对第一个研究问题,本文通过对以往文献的阅读和整理,以及对于在线健身减肥平台keep的深入研究,建立了影响平台上用户对于非付费课程使用行为的因素的模型,提出了相关假设,并用所得数据进行实证分析与检验。数据分析采用的多元回归模型逐步回归法,并且在每一步的回归过程中,采用的回归方式都是稳健标准误OLS方法。验证发现平台上用户的两种交互行为——展示型交互与支持型交互,以及非付费课程页面上的推荐板块对于用户对课程的使用行为都有正向的影响。但是,与假设不同的是,探讨型交互对于用户对课程的使用行为有显著的负面影响,针对这个问题,本文给出了可能的解释。第二个研究问题的研究视角从在线健身减肥平台上的非付费课程转移到了付费课程上。与非付费课程不同的是,付费课程的课程内容是由健身教练教授的,因此,除了研究课程页面上的各种因素对于用户购买行为的影响之外,本文在这一部分还研究了教练的特质对于用户购买行为的影响。第二个研究问题实证分析部分的数据依旧来源于在线健身减肥平台keep。通过使用与第一个研究问题中相同的方法进行数据分析。分析结果显示,付费课程页面的信息含量与信息展示方式对用户的行为影响并不显著,但是课程教练的在线声誉对于平台用户的购买行为有正向的影响作用。关于与本文第二个研究问题理论假设不相符的结论,文章也给出了可能的解释。文章的两个研究问题有一定的递进性,健身减肥平台往往首先利用非付费课程进行流量的吸引,完成前期用户的积累,并不断建设和完善线上课程,当网站流量的数量达到了一定的程度,课程的质量也被用户认可的时候,平台即可推出付费课程,以付费课程作为平台的变现方式。与此同时,用户经过前期非付费产品的体验,培养了对平台的满意度和忠诚度,有很大可能会转成付费用户。本文为在线健身社区及相关研究提供了一个新颖的视角,同时也完善了相关的研究成果,此外,本文的研究结论可为在线健身减肥平台上非付费课程用户及用户粘性的增加,平台付费课程销量的提高提供一定的实践建议。

关键词：用户交互平台推荐信息展示声誉信号用户在线行为

来源：评论

学校读者我要写书评

暂无评论

神经网络及在网络用户行为分析中的应用研究

神经网络及在网络用户行为分析中的应用研究

引用

作者：左琳电子科技大学

学位级别：博士

随着信息社会的飞速发展,人们面对的数据量越来越大,如何从海量信息中提取有效的数据,进而为决策服务是亟待解决的问题,因此数据分析技术越来越重要,对数据分析技术的发展需求日益强烈。神经网络是计算机学科的重要分支,神经网络方法被... 详细信息

随着信息社会的飞速发展,人们面对的数据量越来越大,如何从海量信息中提取有效的数据,进而为决策服务是亟待解决的问题,因此数据分析技术越来越重要,对数据分析技术的发展需求日益强烈。神经网络是计算机学科的重要分支,神经网络方法被广泛应用于数据分析领域。数据分类作为一种重要的数据分析技术,有着非常广泛的应用需求,神经网络方法以其独特的优势在分类技术领域发挥着重要作用。然而,神经网络方法的分类技术通常面临着分类速度和分类准确性的问题,本文研究并改进了部分神经网络方法,在一定程度上提高了数据分类速度和准确性。文中应用改进的神经网络方法于网络用户行为分析这一新兴的研究领域,提高了数据分析的效率和网络用户行为分析的准确性。一方面,为从一个新的角度进行网络用户行为分析建模提供了可靠的数据基础,另一方面,验证了改进的神经网络方法的有效性。本文主要研究内容涉及支持向量机的改进,神经网络的混沌控制,改进的神经网络方法在网络用户行为数据分析中的应用以及网络用户行为新模型的建立。具体包括以下几个方面: (1)提出了改进的支持向量机方法。序列最小优化算法是支持向量机非常重要的分解方法,与二次型优化技术相比在优化时间、加快训练速度方面有了很大发展。序列最小优化算法的关键是工作集的选择问题,但传统的算法中工作集的选择存在启发式和随机性的缺点,有增加时间消耗甚至并不完全符合KKT条件的缺陷,将导致序列最小优化算法执行速度慢,进而影响支持向量机的运行效率。针对以上问题,本文通过改写KKT条件对序列最小优化算法工作集选择方法进行改进,同时提出相应的最小化步骤方法,并进行了收敛性的理论证明。通过对工作集选择方法的优化,改进了基于序列最小优化算法的支持向量机方法,提高了支持向量机的运行效率。 (2)将稳定转换法应用于神经网络的混沌控制。三种典型的神经网络:主成分神经网络,独立成分神经网络,最小成分神经网络在一定区间内会产生混沌现象,系统不稳定不收敛,在实际分类问题的应用中会导致数据分类与提取不准确。本文将稳定转换法用于三种神经网络混沌参数区间内的混沌行为控制,消除混沌现象。实验证明通过稳定转换法的应用,在三种神经网络混沌区间内,嵌入轨道中的不稳定点获得稳定,动力学系统获得了稳定收敛解,能更好的符合实际问题的需要。同时,三种神经网络混沌对称现象的内在原因得到揭示。 (3)基于改进的支持向量机和***神经网络方法,提出了一种新的网络用户行为分析模型。本文基于DNS数据建立了分析网络用户行为的新模型,应用改进的支持向量机方法和***神经网络方法提高了数据处理效率,创建了提取行为数据系统和用户标注系统,从一个新的角度分析了在时间和内容度量下用户使用网络的属性,揭示了用户区域属性对使用模式和应用习惯的影响,发现了群体用户之间的关系属性等。 (4)验证了改进的支持向量机方法应用于网络用户行为数据分析的有效性。将改进的支持向量机方法应用于网络用户行为数据的分析,通过与现有方法的对比测试,验证了新方法理论分析的正确性,改进的支持向量机方法在运行效率和准确度上都有不同程度的提高。

关键词：支持向量机序列最小优化工作集选择神经网络混沌控制用户在线行为行为分析

来源：评论

学校读者我要写书评

暂无评论

用户移动端与社交端行为建模与模式分析

用户移动端与社交端行为建模与模式分析

引用

作者：于浩哈尔滨工业大学

学位级别：硕士

随着互联网技术的迅猛发展,各种服务商在互联网中开启的流量入口也越来越多,形式各不相同,硬件上,用户可以通过PC、智能平板、手机等使用相关服务,在软件上也包含了如社交网络、电子商务、游戏等各类应用渠道。也就是说,在现今的互联网... 详细信息

随着互联网技术的迅猛发展,各种服务商在互联网中开启的流量入口也越来越多,形式各不相同,硬件上,用户可以通过PC、智能平板、手机等使用相关服务,在软件上也包含了如社交网络、电子商务、游戏等各类应用渠道。也就是说,在现今的互联网大环境下,有很多种渠道可以留下用户的行为轨迹,这些行为轨迹能从某种程度上能够折射出用户的个性化特征,通过挖掘这些个性化特征可以帮助我们了解用户日常的行为习惯,并对用户进行较为准确的服务推荐。用户在线使用服务的行为一般在两种场景下发生,一种是围绕用户个人产生的行为,只是满足自己的需求,并不与他人发生直接关系,比如在线音乐,手机阅读等,另一种是多个用户互相协作以满足某种需求,比如社交网络。那么我们针对这两种场景展开对用户在线行为的研究,即用户在移动端的行为与用户在社交端的行为,通过对行为的建模与行为模式的分析来研究用户使用服务中的行为习惯。对于用户在移动端的行为研究,我们挑选安卓用户作为我们的研究群体,并进行了如下工作:通过手机程序采集用户在移动端发生的行为以上下文信息,并对数据进行预处理;提出四种基于上下文的用户的行为模式;设计挖掘基于上下文的行为模式算法并进行算法的评价;提出若干移动端用户行为预测策略;通过可视化系统来展示挖掘结果。对于用户在社交端的行为研究,因为每种社交平台给用户提供的行为类型都不同,所以我们挑选行为类型较多,用户活跃度较高的这种比较代表性的社交协作平台github来进行研究,并进行了如下工作:通过信息抓取等技术采集用户在github的行为并对数据进行预处理;对用户在线行为特征进行分析;提出两种行为模式:面向具体开发者的行为模式(PP)与面向抽象开发者的行为模式(RP);设计社交端用户行为模式挖掘算法并实证分析;提出若干社交端用户行为预测策略;通过可视化系统来展示挖掘结果。研究结果发现,用户在线行为是遵循一定的行为模式,用户在移动端使用以个人为中心的服务时,与上下文结合可以更好地解释用户的行为模式,而用户在社交端与其他用户协作时,用户间的模式之间差异与共性并存。

关键词：用户在线行为移动终端社交网络环境行为模式实证分析

来源：评论

学校读者我要写书评

暂无评论

基于Petri网的微博网络信息传播模型

引用

中国管理科学 2018年第12期26卷 158-167页

作者：刘宇梁循杨小平中国人民大学信息学院

微博网络中的信息传播模型是分析用户行为,找出传播路径,确定领袖人物,发现舆情热点等研究的基础。虽然多种不同角度的信息传播模型已经得到广泛研究,但缺乏对信息动态传播过程的直观描述。本文基于Petri网的结构和特征,针对微博网络信... 详细信息

微博网络中的信息传播模型是分析用户行为,找出传播路径,确定领袖人物,发现舆情热点等研究的基础。虽然多种不同角度的信息传播模型已经得到广泛研究,但缺乏对信息动态传播过程的直观描述。本文基于Petri网的结构和特征,针对微博网络信息传播过程,提出了一种简单直观的描述模型,该模型首先对微博网络的信息动态传播过程中的对象进行结构化描述。本文根据微博网络的用户结构关系,并利用Petri网的相关理论,形式化解释和定义信息传播基本对象,从而更加直接描述了微博网络中的转发、评论、回复等多种用户行为。在此基础上,本文利用Petri网能够描述信息流动问题的特征,结合颜色Petri网和时延Petri网,从Petri网系统的角度表示信息动态传播路径,并研究网络的动态性质和传播条件,使得信息传播模型更加真实地模拟信息传播情况。最后本文分析信息传播算例和新浪微博真实数据实验,验证了模型的有效性和可行性,为舆情态势分析以及用户行为的研究提供帮助和支持,同时也为其它社交网络信息传播的用户行为描述提供了新的思路。

关键词： Petri网用户在线行为社交网络动态信息传播

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：