基于序列模式挖掘的移动应用使用预测研究

发布时间：2017-04-27 09:10

  本文关键词：基于序列模式挖掘的移动应用使用预测研究，，由笔耕文化传播整理发布。

【摘要】：随着无线网络技术的发展以及移动设备的流行,越来越多的手机应用被应用到人们的生活中去,移动终端的活跃度也得到了显著的提高,在移动领域中给用户提高高效准确的服务已经成为一个研究热点。通过挖掘用户行为模式来进行对用户应用使用行为进行预测,可以方便系统为用户下一个使用的应用提前准备运行环境,减少用户操作时间以及误操作率等,提升用户体验。显然,由于移动环境的上下文多变性导致的用户行为的多变性,这使得移动用户行为模式的提取比传统的模式提取更为复杂。本文工作主要包括如下三点：1.分析移动应用使用行为特征。针对收集的真实用户移动终端应用使用数据,分别对移动用户属性以及用户行为模式两个方面对移动环境下的行为进行了分析。通过将数据抽象成时间序列以及一系列的分析得出了移动行为模式的变化特征。2.针对移动应用使用行为的特征,逐步提出了三种预测模型,设计了相应的预测算法。其中针对移动用户应用使用行为模式的抽取问题,以经典序列挖掘算法PrefixSpan为基础,设计了针对移动行为模式特点的改良算法。同时在移动序列获取的方式上提出了定长窗口模型以及基于时间的活跃期窗口模型,然后在此基础上构建了两种基于行为模式进行预测的预测模型。3.实验验证预测模型的可行性。为了上述方案的可行性,本文结合传统的统计模型作为基准对比试验,基于真实的用户数据进行了实验测试。实验表明,基于序列的行为模式能有效得提高移动用户的应用使用预测,为提高移动环境下用户的使用体验提供了一种可行方案。
【关键词】：移动互联网 序列挖掘 行为模式 应用使用 行为预测
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP311.13
【目录】：

• 摘要4-5
• Abstract5-11
• 第1章 绪论11-16
• 1.1 课题背景11-13
• 1.1.1 移动应用的发展11-12
• 1.1.2 移动对象的行为模式挖掘12-13
• 1.2 国内外研究现状13-14
• 1.3 课题研究的意义14-15
• 1.4 论文组织结构15-16
• 第2章 移动应用使用的数据获取以及分析16-26
• 2.1 MAU数据采集16-18
• 2.1.1 Monitor数据采集说明16-17
• 2.1.2 MAU数据格式17-18
• 2.2 移动用户属性分析18-21
• 2.2.1 移动对象对智能终端的黏度18-20
• 2.2.2 移动对象行为模式复杂度20-21
• 2.3 移动应用使用的行为分析21-25
• 2.3.1 二八法则21-22
• 2.3.2 行为可重复性22-23
• 2.3.3 模式可扩展性23-24
• 2.3.4 会话有效性24-25
• 2.4 本章小结25-26
• 第3章 移动应用使用的行为模式挖掘26-39
• 3.1 序列模式26-31
• 3.1.1 问题描述以及基本概念26-27
• 3.1.2 PrefixSpan算法27-31
• 3.2 移动应用行为序列模式31-37
• 3.2.1 时间序列31
• 3.2.2 移动应用使用的行为序列的获取31-34
• 3.2.3 移动应用使用的行为模式的挖掘34-37
• 3.3 本章小结37-39
• 第4章 移动应用使用的预测39-48
• 4.1 预测算法39-44
• 4.1.1 LRU算法39
• 4.1.2 LPP算法39-44
• 4.1.3 LPP改进算法44
• 4.2 移动应用使用预测模型44-47
• 4.2.1 基于统计的top-n预测模型45
• 4.2.2 基于定长序列行为模式预测模型45-46
• 4.2.3 基于时间上下文的组合模型46-47
• 4.3 本章小结47-48
• 第5章 实验与结果分析48-65
• 5.1 实验数据以及指标48-49
• 5.1.1 实验数据集48-49
• 5.1.2 评价指标49
• 5.2 基于top-n统计模型的行为预测实验以及分析49-51
• 5.2.1 实验设计以及数据49-50
• 5.2.2 实验结果及分析50-51
• 5.3 基于定长序列行为模式预测实验以及分析51-57
• 5.3.1 用户行为序列分析51-53
• 5.3.2 实验设计及数据53-54
• 5.3.3 实验结果及分析54-57
• 5.4 基于时间上下文序列模式及top-n的组合预测实验以及分析57-64
• 5.4.1 结合时间上下文的用户行为分析57-59
• 5.4.2 实验设计及数据59-60
• 5.4.3 实验结果及分析60-64
• 5.5 本章小节64-65
• 第6章 总结与展望65-67
• 6.1 本文总结65
• 6.2 工作展望65-67
• 参考文献67-71
• 攻读硕士学位期间主要的研究成果71-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 孙志强;李政仪;史秀建;刘凤强;谢红卫;;行为模式支持下的人为差错分析方法研究[J];计算技术与自动化;2008年04期

2 王和平;;图书馆部主任角色的行为模式[J];晋图学刊;2006年03期

3 沙克;;认识财富[J];信息网络;2007年10期

4 王世伟;;材料及工艺的实践行为模式研究[J];艺术科技;2014年02期

5 陈波;李春贵;;基于活动序列的服务二元行为模式及操作语义[J];广西工学院学报;2009年03期

6 陆莉;;广西不同专业大学生信息行为模式调查比较[J];情报探索;2010年08期

7 Ovum;;iPad:创造新的消费者行为模式[J];通讯世界;2010年05期

8 郑满宁;李彪;;移动互联时代社会化阅读的行为模式研究[J];传媒;2014年09期

9 陈力;;基于多主体的消费者行为模式仿真[J];计算机应用与软件;2011年04期

10 张会彦;马宗亚;张慧娟;;基于行为模式的计算机安全策略研究[J];煤炭技术;2013年06期

中国重要会议论文全文数据库 前4条

1 邹本旭;佘敏克;樊力平;;我国甲级男排运动员期望教练员领导行为模式上的认知差异性研究[A];第七届全国体育科学大会论文摘要汇编（二）[C];2004年

2 马修军;;城市居民时空行为序列模式挖掘方法[A];地理学与生态文明建设——中国地理学会2008年学术年会论文摘要集[C];2008年

3 谭莹;王丹;;基于流量的网络行为分析模型的设计与实现[A];2010年全国通信安全学术会议论文集[C];2010年

4 刘鲁川;刘亚文;孙凯;安昭宇;;整合U&G与ECM-ISC的微博用户持续使用行为模式研究[A];2012中国信息经济学年会会议论文集[C];2012年

中国重要报纸全文数据库 前10条

1 常政;爆发：大数据时代的人类行为模式[N];中华读书报;2013年

2 黄梦/编译;重新界定中小企业市场 企业行为模式有望成分类标准[N];电脑商报;2003年

3 彭涛;OTC消费的三种行为模式[N];医药导报(中药报);2003年

4 宇文;品牌更意味着责任[N];中国航天报;2009年

5 叶雷;世间从无理想行为模式[N];上海证券报;2008年

6 ;为什么商业活动需要文化？[N];经济观察报;2003年

7 徐刚;小企业大发展的关键因素[N];经理日报;2007年

8 蒋成博;A型行为模式[N];经理日报;2002年

9 郭湛东;百年之惑：在流行和经典的边缘[N];经理日报;2007年

10 湖南省涟源市人民法院 邓高阳;从规则到原则[N];人民法院报;2011年

中国博士学位论文全文数据库 前2条

1 魏伟杰;面向服务替换的服务行为模式获取及推荐[D];东北大学;2009年

2 徐艳飞;中国地方政府经济行为模式与经济增长研究[D];武汉大学;2014年

中国硕士学位论文全文数据库 前10条

1 卢扬;人类移动行为模式研究[D];电子科技大学;2015年

2 周海军;行为模式下的商业综合体室外广场设计研究[D];华侨大学;2015年

3 孟繁涛;不确定性情境下适应性主体行为模式研究[D];黑龙江大学;2015年

4 杨宇佳;基于序列模式挖掘的移动应用使用预测研究[D];浙江大学;2016年

5 王艳秋;A型行为模式对抑郁情绪的影响及其大脑机制[D];西南大学;2015年

6 唐莉曼;一致性行为模式研究[D];华中科技大学;2012年

7 于慧;日本人的职业的行为模式和思维模式的解析[D];对外经济贸易大学;2005年

8 郑从金;试论国民性格中观念意识与行为模式的背离现象[D];福建师范大学;2004年

9 蒋超;基于用户行为模式的室内外场景识别技术研究[D];北京邮电大学;2015年

10 岳雪银;创新型人才行为模式研究[D];郑州大学;2011年

  本文关键词：基于序列模式挖掘的移动应用使用预测研究，由笔耕文化传播整理发布。

本文编号：330322