伴隨著移動互聯網的發(fā)展,數據也增長到了前所未有的規(guī)模,大數據時代的到來不可避免。傳統電信運營商們,在大數據時代面臨著新的機遇和挑戰(zhàn)。一方面市場的人口紅利已趨近尾聲,管道化論點不絕于耳。另一方面運營商儲備著大量客戶網絡使用數據。如何在這些數據中挖掘出更多有價值的信息,進而改善用戶體驗,促進社會發(fā)展,是運營商自身亟待解決的問題,也是關系到國計民生的重要歷史任務。人類移動性的研究是許多社會、經濟、科技現象研究的基礎,旨在揭示人類移動的一般規(guī)律,一直以來廣受重視。針對移動互聯網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)價值。目前針對用戶移動行為和手機瀏覽行為間關系的研究十分有限,僅止步在發(fā)現某種類型的手機應用和地理位置或移動模式的關系上。本文試圖從用戶生活習性的角度出發(fā),探究人類線下移動模式和線上瀏覽模式間的關系。為了實現這一目標,我們需要應對幾個挑戰(zhàn),包括數據規(guī)模對實驗結果可信度的影響,城市功能區(qū)域識別,用戶移動性建模,用戶瀏覽模式建模等。本文使用了中國某北方省市7天真實移動互聯網數據集,涵蓋了 181873個用戶的上網行為。實驗工具方面,我們使用自主研發(fā)的數據分析...

【文章頁數】：68 頁

【學位級別】：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 研究現狀和創(chuàng)新點
    1.4 論文結構
第二章 數據分析平臺設計及數據準備
    2.1 數據分析平臺
        2.1.1 開源實現方案Hue和Zeppelin
        2.1.2 大數據分析平臺架構
    2.2 數據準備
    2.3 本章小結
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 個性化功能區(qū)域劃分
    3.5 本章小結
第四章 移動互聯網用戶線下移動性分析
    4.1 用戶移動軌跡采集方法
    4.2 用戶移動性統計指標分析
    4.3 基于位置的社會網絡
        4.3.1 社區(qū)發(fā)現綜述
        4.3.2 Combo算法介紹
        4.3.3 Combo算法應用
    4.4 用戶移動性建模
    4.5 本章小結
第五章 移動互聯網用戶線上瀏覽行為分析
    5.1 基于瀏覽行為的社會網絡
        5.1.1 基于瀏覽行為的社會網絡構建
        5.1.2 CPM算法介紹
        5.1.3 CPM算法應用
    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 樸素貝葉斯網站分類應用
    5.3 移動互聯網在線瀏覽模式挖掘
    5.4 本章小結
第六章 移動互聯網用戶線上線下行為相關性分析
    6.1 用戶瀏覽興趣分布
    6.2 瀏覽模式預測
        6.2.1 隨機森林模型
        6.2.2 卷積神經網絡模型
        6.2.3 結果和分析
    6.3 本章小結
第七章 總結與展望
    7.1 總結
    7.2 展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄



本文編號：3847997