伴隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展,數(shù)據(jù)也增長到了前所未有的規(guī)模,大數(shù)據(jù)時(shí)代的到來不可避免。傳統(tǒng)電信運(yùn)營商們,在大數(shù)據(jù)時(shí)代面臨著新的機(jī)遇和挑戰(zhàn)。一方面市場的人口紅利已趨近尾聲,管道化論點(diǎn)不絕于耳。另一方面運(yùn)營商儲備著大量客戶網(wǎng)絡(luò)使用數(shù)據(jù)。如何在這些數(shù)據(jù)中挖掘出更多有價(jià)值的信息,進(jìn)而改善用戶體驗(yàn),促進(jìn)社會發(fā)展,是運(yùn)營商自身亟待解決的問題,也是關(guān)系到國計(jì)民生的重要?dú)v史任務(wù)。人類移動(dòng)性的研究是許多社會、經(jīng)濟(jì)、科技現(xiàn)象研究的基礎(chǔ),旨在揭示人類移動(dòng)的一般規(guī)律,一直以來廣受重視。針對移動(dòng)互聯(lián)網(wǎng)用戶線上瀏覽模式的研究不僅有助于更好的了解人類行為,且具有極高的商業(yè)價(jià)值。目前針對用戶移動(dòng)行為和手機(jī)瀏覽行為間關(guān)系的研究十分有限,僅止步在發(fā)現(xiàn)某種類型的手機(jī)應(yīng)用和地理位置或移動(dòng)模式的關(guān)系上。本文試圖從用戶生活習(xí)性的角度出發(fā),探究人類線下移動(dòng)模式和線上瀏覽模式間的關(guān)系。為了實(shí)現(xiàn)這一目標(biāo),我們需要應(yīng)對幾個(gè)挑戰(zhàn),包括數(shù)據(jù)規(guī)模對實(shí)驗(yàn)結(jié)果可信度的影響,城市功能區(qū)域識別,用戶移動(dòng)性建模,用戶瀏覽模式建模等。本文使用了中國某北方省市7天真實(shí)移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)集,涵蓋了 181873個(gè)用戶的上網(wǎng)行為。實(shí)驗(yàn)工具方面,我們使用自主研發(fā)的數(shù)據(jù)分析...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 研究現(xiàn)狀和創(chuàng)新點(diǎn)
    1.4 論文結(jié)構(gòu)
第二章 數(shù)據(jù)分析平臺設(shè)計(jì)及數(shù)據(jù)準(zhǔn)備
    2.1 數(shù)據(jù)分析平臺
        2.1.1 開源實(shí)現(xiàn)方案Hue和Zeppelin
        2.1.2 大數(shù)據(jù)分析平臺架構(gòu)
    2.2 數(shù)據(jù)準(zhǔn)備
    2.3 本章小結(jié)
第三章 城市功能區(qū)域識別
    3.1 基于Hartigan's leader的基站位置聚類
    3.2 基站脈搏向量介紹
    3.3 基于基站脈搏向量的城市功能區(qū)域識別
    3.4 個(gè)性化功能區(qū)域劃分
    3.5 本章小結(jié)
第四章 移動(dòng)互聯(lián)網(wǎng)用戶線下移動(dòng)性分析
    4.1 用戶移動(dòng)軌跡采集方法
    4.2 用戶移動(dòng)性統(tǒng)計(jì)指標(biāo)分析
    4.3 基于位置的社會網(wǎng)絡(luò)
        4.3.1 社區(qū)發(fā)現(xiàn)綜述
        4.3.2 Combo算法介紹
        4.3.3 Combo算法應(yīng)用
    4.4 用戶移動(dòng)性建模
    4.5 本章小結(jié)
第五章 移動(dòng)互聯(lián)網(wǎng)用戶線上瀏覽行為分析
    5.1 基于瀏覽行為的社會網(wǎng)絡(luò)
        5.1.1 基于瀏覽行為的社會網(wǎng)絡(luò)構(gòu)建
        5.1.2 CPM算法介紹
        5.1.3 CPM算法應(yīng)用
    5.2 在線瀏覽行為提取及分析
        5.2.1 樸素貝葉斯算法介紹
        5.2.2 樸素貝葉斯網(wǎng)站分類應(yīng)用
    5.3 移動(dòng)互聯(lián)網(wǎng)在線瀏覽模式挖掘
    5.4 本章小結(jié)
第六章 移動(dòng)互聯(lián)網(wǎng)用戶線上線下行為相關(guān)性分析
    6.1 用戶瀏覽興趣分布
    6.2 瀏覽模式預(yù)測
        6.2.1 隨機(jī)森林模型
        6.2.2 卷積神經(jīng)網(wǎng)絡(luò)模型
        6.2.3 結(jié)果和分析
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號：3847997