Web存储与用户行为分析研究

发布时间：2017-09-23 12:21

  本文关键词：Web存储与用户行为分析研究

  更多相关文章： 用户行为 用户指标 Web存储

【摘要】：随着网站间的竞争日益加剧,网站服务产品也在推陈出新。互联网用户对网站的访问行为产生了大量的数据,为了更好地适应用户行为与用户需求的改变,及时有效的更新产品与服务,对用户行为的研究显得日益重要。伴随着互联网web2.0技术的发展,用户分析、用户行为研究面临着新的挑战。同时服务器对用户行为分析的工作负荷也在与日俱增。因此,如何在新技术背景下,在研究用户的行为的同时减轻服务器的工作负荷,这一问题越来越受到人们的关注。本论文在此领域主要工作内容如下：主要研究了用户行为指标,并在此基础上结合用户行为分析理论,提出一种评价用户行为的指标体系。文中主要考虑了用户访问信息采集的准确性和全面性两方面因素。探讨了访问用户行为信息的采集方法和构建用户行为评价的指标体系,并使用一种新的信息采集方案解决用户行为信息的采集中遇到的问题。使用百度统计数据分析工具实现了基本的用户行为数据的采集需求。鉴于Htm15 Web Storage本地存储的技术优势,将其作为数据分析工具的辅助分析技术。在为浏览网站的用户提供更多的数据服务的同时开发相应的Web应用,也可为用户行为的数据采集与分析提供支持。文中分析了几种常用的网络用户行为分析系统模型或建立思路,结合GPmart网站实例为分析对象,通过部署百度数据统计工具和Web存储技术的使用,并结合分布式算法,提出了基于Map-Reduce思想的分布式用户行为分析模型。最后在对用户行为数据分析的基础上,提出了网站产品服务的改进意见,并取得了一定应用效果。
【关键词】：用户行为 用户指标 Web存储
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 研究背景和意义9-10
• 1.2 研究现状10-12
• 1.2.1 用户行为信息采集现状10-11
• 1.2.2 用户行为分析方法现状11-12
• 1.3 论文主要工作12-14
• 第2章 用户行为分析指标与行为分析方法14-23
• 2.1 用户行为特征分析14
• 2.2 分析指标14-18
• 2.2.1 基本指标15-17
• 2.2.2 综合指标17-18
• 2.3 用户分类18-20
• 2.3.1 用户构成18-19
• 2.3.2 用户构成分析19-20
• 2.4 用户行为分析方法20-22
• 2.4.1 路径分析法21
• 2.4.2 基本动作分析法21
• 2.4.3 关联分析法21
• 2.4.4 目标向量分析法21
• 2.4.5 TOP-N分析法21-22
• 2.5 本章小结22-23
• 第3章 用户数据采集与行为分析模型的建立23-34
• 3.1 数据获取23-25
• 3.1.1 常见数据获取方式23-24
• 3.1.2 JS标记24-25
• 3.2 本地化存储技术25-28
• 3.2.1 常见本地存储技术25-26
• 3.2.2 Htm15 Web存储技术26-27
• 3.2.3 Web存储的技术特性27-28
• 3.3 用户行为分析模型28
• 3.4 基于Map-Reduce思想的分布式用户行为分析模型28-33
• 3.4.1 用户行为分析流程29-30
• 3.4.2 Map-Reduce编程框架30-32
• 3.4.3 分布式用户行为分析模型32-33
• 3.5 本章小结33-34
• 第4章 用户行为分析实验34-44
• 4.1 实验环境34
• 4.2 网站用户行为分析34-35
• 4.2.1 数据统计工具部署35
• 4.3 用户行为数据分析35-38
• 4.3.1 用户分类数据分析35-36
• 4.3.2 访问时长分析36-37
• 4.3.3 访问深度报告37
• 4.3.4 页面加载时间分析37-38
• 4.3.5 其他指标38
• 4.4 分布式用户行为分析38-42
• 4.4.1 基于Web存储的JS脚本设计39-41
• 4.4.2 分布式用户行为分析模型的应用41-42
• 4.5 数据分析结论42-43
• 4.6 本章小结43-44
• 第5章 结论与展望44-46
• 5.1 结论44
• 5.2 展望44-46
• 参考文献46-49
• 攻读硕士学位期间发表的学术论文及其他成果49-50
• 致谢50

【相似文献】

中国期刊全文数据库 前10条

1 马维亮;;用户行为分析系统在宽带网络中的应用[J];科技信息(科学教研);2008年23期

2 乔志伟;;基于用户行为的3G业务分析与探讨[J];移动通信;2010年12期

3 龚尚福;姜晓旭;;基于用户行为分析的广告欺诈点击检测[J];计算机应用与软件;2011年04期

4 陶彩霞;谢晓军;陈康;郭利荣;刘春;;基于云计算的移动互联网大数据用户行为分析引擎设计[J];电信科学;2013年03期

5 毛承洁;张龙;庞川;陈洁敏;;社会网络服务及其用户行为分析[J];华南师范大学学报(自然科学版);2013年02期

6 雒江涛;胡燕清;徐孝娜;周进艳;;基于CDMA2000 1x EVDO网络的用户行为分析模型设计[J];电视技术;2013年07期

7 许春玲;范志刚;郑小盈;李明齐;;有线电视用户行为分析实践[J];网络新媒体技术;2014年01期

8 李朝阳;谢传中;;一种移动互联网用户行为分析系统的顶层设计[J];江西通信科技;2014年01期

9 刘英梅;;大数据时代的信息用户行为分析[J];科技情报开发与经济;2014年05期

10 陆群峰;;宽带上网用户行为分析[J];有线电视技术;2006年02期

中国重要会议论文全文数据库 前7条

1 赵勇;;移动互联网用户行为分析系统技术架构浅析[A];2012全国无线及移动通信学术大会论文集（下）[C];2012年

2 冯铭;王保进;蔡建宇;;基于云计算的可重构移动互联网用户行为分析系统的设计[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年

3 岑荣伟;刘奕群;张敏;茹立云;马少平;;网络搜索引擎用户行为分析和研究[A];第五届全国信息检索学术会议论文集[C];2009年

4 赵艳梅;朱晓燕;;转变运维模式,迎接移动互联网新挑战[A];中国通信学会信息通信网络技术委员会2011年年会论文集（上册）[C];2011年

5 刘奕群;张敏;马少平;;用户行为分析在网络信息检索中的应用概述[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

6 毛翔博;齐观德;李石坚;潘纲;;基于位置轨迹加权网络图的用户行为分析识别算法[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

7 尔古打机;苏小龙;朱征;;基于用户行为分析的移动终端偏好模型研究[A];第八届（2013）中国管理学年会——商务智能分会场论文集[C];2013年

中国重要报纸全文数据库 前3条

1 谭景华邋杨国良;IP网络用户行为分析方法的探讨[N];人民邮电;2007年

2 本报记者 逄丹;建设用户行为分析智慧模型[N];通信产业报;2010年

3 李中朝邋通讯员 黄伟;重庆电信建成宽带用户行为分析系统[N];人民邮电;2007年

中国博士学位论文全文数据库 前6条

1 王琪;新媒体系统中用户行为分析与系统设计[D];复旦大学;2014年

2 罗海艳;移动用户网络行为分析与预测方法研究[D];沈阳农业大学;2015年

3 刘鹏;网络用户行为分析的若干问题研究[D];北京邮电大学;2010年

4 延皓;基于流量监测的网络用户行为分析[D];北京邮电大学;2011年

5 窦伊男;根据多维特征的网络用户分类研究[D];北京邮电大学;2010年

6 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年

中国硕士学位论文全文数据库 前10条

1 江惠彬;基于Web日志的用户行为分析系统的研究与实现[D];华南理工大学;2015年

2 李亚飞;基于用户行为分析的冰箱设计研究[D];山东大学;2015年

3 石钊;基于网络用户行为分析的用户推荐反馈系统的设计[D];北京化工大学;2015年

4 李婷蔚;基于移动校园应用的用户行为分析及性能改进[D];电子科技大学;2014年

5 王颖颖;基于Hadoop的用户行为分析系统的设计与实现[D];北京工业大学;2015年

6 马仕玉;聚类算法及其在校园网用户行为分析中的应用[D];重庆交通大学;2015年

7 徐娟;基于用户行为分析的核能领域垂直检索系统研究[D];合肥工业大学;2015年

8 陈嘉翼;基于小波聚类的网络用户行为分析研究[D];重庆大学;2015年

9 胡晓祥;基于飞天云平台的海量网络用户行为分析技术研究[D];南京大学;2014年

10 汪传章;基于博弈论的云用户行为分析预测模型研究与分析[D];东华理工大学;2016年

，

本文编号：905229