本文關(guān)鍵詞：基于網(wǎng)絡(luò)訪問(wèn)項(xiàng)序的移動(dòng)用戶重入網(wǎng)識(shí)別方法，由筆耕文化傳播整理發(fā)布。

【摘要】：在任何的移動(dòng)商務(wù)營(yíng)銷活動(dòng)中,對(duì)于用戶身份的唯一性標(biāo)識(shí)都是不可或缺的基礎(chǔ)工作。因?yàn)楦鞣N交叉因素的諸多影響,部分移動(dòng)用戶頻繁的出入移動(dòng)運(yùn)營(yíng)商網(wǎng)絡(luò)已經(jīng)成為普遍現(xiàn)象。伴隨著用戶的重新入網(wǎng),那么針對(duì)該用戶的舊號(hào)碼的行為特征記錄分析將完全失效,同時(shí)又需要重新對(duì)新號(hào)碼的用戶行為特征記錄進(jìn)行分析刻畫,這樣勢(shì)必將耗費(fèi)很長(zhǎng)的時(shí)間才能重新獲得該用戶的完整行為刻畫,對(duì)于運(yùn)營(yíng)商來(lái)說(shuō)會(huì)造成極大的資源浪費(fèi)和重復(fù)工作的不必要。所以對(duì)于重入網(wǎng)用戶的身份識(shí)別有著很重要的意義和價(jià)值。目前對(duì)于移動(dòng)用戶重入網(wǎng)身份識(shí)別的研究主要是基于用戶資料,IMEI碼,呼叫指紋等進(jìn)行識(shí)別。但是基于前兩者的識(shí)別由于資料缺失、移動(dòng)設(shè)備更換頻繁等原因?qū)е伦R(shí)別準(zhǔn)確率較為低下,而基于呼叫指紋的識(shí)別方法的局限性較強(qiáng),導(dǎo)致這些方法在實(shí)際生產(chǎn)操作中的可行性不大。在本文中,對(duì)于移動(dòng)用戶的重入網(wǎng)身份識(shí)別問(wèn)題,從用戶的上網(wǎng)行為特征出發(fā),提出基于用戶網(wǎng)絡(luò)訪問(wèn)項(xiàng)序的用戶相似性計(jì)算方法,根據(jù)“數(shù)據(jù)預(yù)處理→相似用戶集挑選→基于個(gè)性化網(wǎng)站的相似用戶集裁剪→基于時(shí)間特征的相似用戶集裁剪→基于網(wǎng)站訪問(wèn)項(xiàng)序的相似用戶集裁剪→基于網(wǎng)站訪問(wèn)頻次的相似用戶集裁剪→相同身份用戶的識(shí)別”7個(gè)步驟對(duì)重入網(wǎng)用戶身份進(jìn)行精確的識(shí)別定位。最后,基于某通信運(yùn)營(yíng)商提供的某地區(qū)25809個(gè)用戶60天網(wǎng)絡(luò)訪問(wèn)日志數(shù)據(jù)集上,對(duì)本文所提方法的可行性與有效性進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果顯示總體準(zhǔn)確率為96.64%,在可行性和有效性方面均有著很好的表現(xiàn)。
【關(guān)鍵詞】：網(wǎng)絡(luò)訪問(wèn)項(xiàng)序 重入網(wǎng) 身份識(shí)別 用戶相似性計(jì)算
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.08
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-18
• 1.1 課題背景及研究意義8-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-15
• 1.2.1 基于用戶資料的識(shí)別11-12
• 1.2.2 基于IMEI碼的識(shí)別技術(shù)12-13
• 1.2.3 基于數(shù)據(jù)源的用戶特征挖掘識(shí)別技術(shù)13-15
• 1.3 論文主要工作15-16
• 1.4 論文組織結(jié)構(gòu)16-18
• 2 基于網(wǎng)絡(luò)訪問(wèn)的重入網(wǎng)識(shí)別問(wèn)題定義及解決思路18-29
• 2.1 問(wèn)題模型定義18-19
• 2.2 解決思路19-28
• 2.2.1 上網(wǎng)日志數(shù)據(jù)源的分析19-21
• 2.2.2 基于數(shù)據(jù)挖掘啟發(fā)式規(guī)則21
• 2.2.3 基于啟發(fā)式規(guī)則設(shè)計(jì)算法21-28
• 2.3 本章小結(jié)28-29
• 3 基于用戶網(wǎng)絡(luò)訪問(wèn)項(xiàng)序的重入網(wǎng)用戶身份識(shí)別算法29-41
• 3.1 數(shù)據(jù)預(yù)處理29-31
• 3.1.1 數(shù)據(jù)清理29-30
• 3.1.2 數(shù)據(jù)整理30-31
• 3.2 相似用戶集挑選31-32
• 3.3 基于個(gè)性化網(wǎng)站的相似用戶集裁剪32-33
• 3.4 基于時(shí)間特征的相似用戶集裁剪33-35
• 3.4.1 基于用戶整體上網(wǎng)時(shí)間的相似度比較33-34
• 3.4.2 基于用戶針對(duì)具體網(wǎng)站的訪問(wèn)時(shí)間相似度比較34-35
• 3.5 基于網(wǎng)站訪問(wèn)項(xiàng)序的相似用戶集裁剪35-37
• 3.5.1 利用PrefixSpan算法挖掘用戶的習(xí)慣性網(wǎng)站訪問(wèn)序列36
• 3.5.2 利用LD算法計(jì)算習(xí)慣性網(wǎng)站訪問(wèn)序列相似度36-37
• 3.5.3 基于相似度進(jìn)行裁剪37
• 3.6 基于網(wǎng)站訪問(wèn)頻次的相似用戶集裁剪37-38
• 3.7 相同身份用戶的識(shí)別38-40
• 3.8 本章小結(jié)40-41
• 4 實(shí)驗(yàn)例證和結(jié)果分析41-53
• 4.1 實(shí)驗(yàn)環(huán)境41
• 4.2 實(shí)驗(yàn)思路41-50
• 4.2.1 數(shù)據(jù)集劃分41-43
• 4.2.2 各階段閾值的確定43-50
• 4.3 實(shí)驗(yàn)結(jié)果50-52
• 4.4 本章小結(jié)52-53
• 結(jié)論53-54
• 參考文獻(xiàn)54-57
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況57-58
• 致謝58-59

【參考文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 章昱梓;移動(dòng)用戶重入網(wǎng)分析系統(tǒng)的分析與設(shè)計(jì)[D];北京郵電大學(xué);2011年

  本文關(guān)鍵詞：基于網(wǎng)絡(luò)訪問(wèn)項(xiàng)序的移動(dòng)用戶重入網(wǎng)識(shí)別方法，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：278834