网络用户行为的多维度分析方法

发布时间：2017-07-01 00:12

  本文关键词：网络用户行为的多维度分析方法，由笔耕文化传播整理发布。

【摘要】：随着互联网技术的快速发展和广泛普及,互联网的服务模式正在从传统的被动模式向个性化服务等主动模式演变。企业要做好个性化服务就要求对用户上网的兴趣、习惯有充分的理解。用户行为分析能够在海量的原始数据中找出潜在的用户群体特征,从而为商业决策和科学研究提供数据支持。本文主要通过在多个维度下,对用户上网行为特征进行分析,并找出每个维度中潜在的用户群体以及该群体对应的上网习惯和规律。通过对多个维度的分析结果进行相关性讨论,分析出用户的综合上网行为模式及特征。文中实验所采用的数据,来自于北京理工大学所有用户的真实上网数据。原始数据覆盖了庞大的用户群体,因此分析结果在一定程度上能够真实的反应出当前大学校园宽带用户的上网特征和行为现状。本文的分析模型和方法同样适用于在其它城域网中进行用户行为分析。本文具体研究内容包括:(1)上网活跃维度分析。该维度对用户上网行为特征和用户上网行为模式进行了分析。采用Bcv-k-means聚类算法挖掘出用户活跃维度下的上网行为模式。(2)Web兴趣维度分析。在对用户Web兴趣模式的分析中,我们针对样本数据的特点,提出了一种基于熵的自动聚类算法,用于分析用户访问网站的兴趣模式。该算法与传统聚类算法相比,无需用户指定任何参数,并且能够发现任意形状和大小的不规则簇,并通过实验验证了算法的有效性。(3)网络业务维度分析。在该维度中,我们针对用户常用的网络业务进行分析,挖掘出用户常用的业务模式和业务使用特征。(4)维度间关联分析。本文对网活跃维度、网站访问兴趣维度的分析结果进行了相关性讨论,并对特殊的用户模式进行了补充分析。
【关键词】：用户行为分析 多维度分析 数据挖掘 聚类算法
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-17
• 1.1 研究背景9-10
• 1.2 研究意义10-11
• 1.3 国内外研究现状11-15
• 1.3.1 用户行为分析11-13
• 1.3.2 聚类算法13-15
• 1.4 本文主要工作15-16
• 1.5 论文结构16-17
• 第2章 上网活跃维度分析17-37
• 2.1 引言17
• 2.2 上网行为特征分析17-27
• 2.2.1 会话属性分布规律17-22
• 2.2.2 用户数量分布规律22-27
• 2.3 上网行为模式分析27-36
• 2.3.1 基于变异系数的改进K-means算法28-29
• 2.3.2 实验过程和结果29-34
• 2.3.3 上网行为模式特征34-35
• 2.3.4 用户忠诚度35-36
• 2.4 小结36-37
• 第3章 WEB兴趣维度分析37-52
• 3.1 引言37-38
• 3.2 数据描述38-39
• 3.3 基于熵的自动聚类算法39-41
• 3.3.1 熵定义39
• 3.3.2 兴趣分布熵39-40
• 3.3.3 初始划分40-41
• 3.3.4 聚类过程41
• 3.4 实验过程和结果41-45
• 3.5 上网兴趣模式分析45-49
• 3.5.1 兴趣模式用户比例和出现概率45-47
• 3.5.2 兴趣模式间的转移47-48
• 3.5.3 用户稳定性48-49
• 3.6 算法分析49-51
• 3.6.1 时间复杂度49-50
• 3.6.2 算法优缺点50-51
• 3.7 小结51-52
• 第4章 网络业务维度分析52-60
• 4.1 引言52
• 4.2 数据描述52-53
• 4.3 业务使用模式分析53-59
• 4.3.1 实验过程和结果53-56
• 4.3.2 业务模式特征56-59
• 4.4 小结59-60
• 第5章 维度间关联分析60-65
• 5.1 引言60
• 5.2 综合行为模式60-62
• 5.3 特殊模式分析62-64
• 5.3.1 上行流量大于下行流量的用户62-63
• 5.3.2 频繁上下线的用户63-64
• 5.4 小结64-65
• 结论65-66
• 参考文献66-69
• 攻读学位期间发表论文与研究成果清单69-70
• 致谢70

【参考文献】

中国期刊全文数据库 前7条

1 三川;;CNNIC发布第35次《中国互联网络发展状况统计报告》[J];中国远程教育;2015年02期

2 姜巍;秦雅娟;刘颖;;基于IPFIX的用户网络行为分析系统模型研究[J];计算机技术与发展;2011年09期

3 吴夙慧;成颖;郑彦宁;潘云涛;;K-means算法研究综述[J];现代图书情报技术;2011年05期

4 叶良艳;;基于改进后的K-means聚类算法的网吧用户行为聚类[J];安徽科技学院学报;2009年04期

5 王安志;李明东;李超;;各种聚类算法及改进算法的研究[J];电脑知识与技术;2008年25期

6 王攀;张顺颐;陈雪娇;;基于DBP的Web用户行为分析关键技术[J];电信快报;2008年08期

7 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

  本文关键词：网络用户行为的多维度分析方法，由笔耕文化传播整理发布。

，

本文编号：503971