基于大数据的用户画像和评级研究

发布时间：2022-02-05 00:02

　　随着互联网的不断演进和智能设备的不断普及,人们可以通过各种各样的方式接入互联网。互联网在给生活带来便利的同时也积累了大量的数据,如何对这些数据进行挖掘分析从而发挥数据的价值是一个研究的热点问题。另一方面,在目前的形势下,用户扮演着非常重要的角色。有了用户企业才会有收益,才会有长远发展。如何在大数据的基础上分析用户的特点,从而针对不同的用户群体提供定制化服务也是一个非常有意义的研究问题。本文的研究内容如下:首先,研究了金融机构用户画像的问题。针对一个具体的金融机构:A市市中心银行网点,基于用户的储蓄数据使用Elkan k-means算法将用户划分为活跃型用户群、潜力型用户群、稳定型用户群和流失型用户群四类群体。针对不同的用户群体,使用用户属性数据对用户群进行画像,分析用户群特点。进一步,基于用户的储蓄数据,使用SVR回归预测算法对用户的储蓄潜力进行预测。通过在个人层面和整体层面进行评价,预测准确率较高。其次,提出了一个用户评级机制。针对具体的运营商机构:B市运营商分公司,提取包括产生流量、使用时长、不同类型业务流量占比三个维度的用户数据,进而得到用户贡献数据和用户行为数据。使用Elkan... 

【文章来源】：北京邮电大学北京市211工程院校教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图３－１聚类误差ＳＳＥ和聚类簇数ｋ的折线关系图??通过ＳＳＥ来寻找最优划分方式被称之为“手肘法”，即在ＳＳＥ与ｋ的折线关??

魂活灌型用户月日均余领变化折蝴图

潜力型用户月日均余领变化折钱图

【参考文献】：
期刊论文
[1]大数据环境下的数据治理框架研究及应用[J]. 杨琳,高洪美,宋俊典,张绍华.  计算机应用与软件. 2017(04)
[2]基于微博的大数据用户画像与精准营销[J]. 曾鸿,吴苏倪.  现代经济信息. 2016(16)
[3]基于用户信誉评级的UGC质量预判模型[J]. 金燕,闫婧.  情报理论与实践. 2016(03)
[4]基于“用户画像”挖掘的精准营销细分模型研究[J]. 刘海,卢慧,阮金花,田丙强,胡守忠.  丝绸. 2015(12)
[5]A Bayesian Recommender Model for User Rating and Review Profiling[J]. Mingming Jiang,Dandan Song,Lejian Liao,Feida Zhu.  Tsinghua Science and Technology. 2015(06)
[6]大数据背景下数据治理的网络安全策略[J]. 陈火全.  宏观经济研究. 2015(08)
[7]手机用户画像在大数据平台的实现方案[J]. 张慷.  信息通信. 2014(02)
[8]加权投票采样学习在用户信用评级中的应用[J]. 陈念,唐振民.  计算机工程与应用. 2014(21)
[9]数据治理过程浅析[J]. 张一鸣.  中国信息界. 2012(09)



本文编号：3614189