【摘要】：近年來,計(jì)算機(jī)科學(xué)技術(shù)的迅猛發(fā)展,極大地推動(dòng)了互聯(lián)網(wǎng)技術(shù)在人們生活中的普及率。人們在日常生活中正在不斷地通過互聯(lián)網(wǎng)來進(jìn)行信息的獲取、查詢和各種網(wǎng)絡(luò)服務(wù)。然而,在互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的過程中,在Internet快速發(fā)展的同時(shí),網(wǎng)絡(luò)安全問題成為了阻礙其發(fā)展的重要因素,安全問題還給電子商務(wù)技術(shù)的發(fā)展帶來了巨大的挑戰(zhàn)。隨著電子商務(wù)技術(shù)的發(fā)展,越來越多的企業(yè)開始深入分析網(wǎng)絡(luò)用戶的行為,通過分析用戶的行為來精確地掌握用戶的興趣愛好,從而根據(jù)他們的興趣愛好來完成個(gè)性化商品推薦服務(wù),在這個(gè)過程中可以充分提高用戶的交易成功率,同時(shí)提高企業(yè)的盈利水平。很多政府和非營利性網(wǎng)站也意識(shí)到分析用戶行為對網(wǎng)絡(luò)維護(hù)和發(fā)展的重要性,所以越來越多的科研工作者開始投入對網(wǎng)絡(luò)用戶行為的研究,對網(wǎng)絡(luò)用戶行為進(jìn)行精確分析越來越重要。很多電子商務(wù)網(wǎng)站都是通過獲取用戶的點(diǎn)擊行為來進(jìn)行用戶行為數(shù)據(jù)的收集的。隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,越來越多的廣告充斥在網(wǎng)絡(luò)上。所有用戶在使用互聯(lián)網(wǎng)的過程中,自身的瀏覽記錄都會(huì)被網(wǎng)絡(luò)自動(dòng)地進(jìn)行識(shí)別和記錄,這也就給用戶行為分析提供了非常準(zhǔn)確的行為基礎(chǔ),在研究用戶行為上,對數(shù)據(jù)的采集和網(wǎng)站數(shù)據(jù)提取是非常重要的。本課題的研究是基于智能感知技術(shù)來精確分析用戶行為,在文中對網(wǎng)絡(luò)用戶行為的概念和相關(guān)的技術(shù)核心都進(jìn)行了分析,同時(shí)根據(jù)用戶行為的不同進(jìn)行了分類,對用戶行為進(jìn)行分類可以有效提高用戶行為分析的準(zhǔn)確度。通過對用戶行為進(jìn)行建模來了解模型的輸入和輸出,從而提高對用戶行為分析系統(tǒng)模型的認(rèn)識(shí)。同時(shí),在使用基于協(xié)同過濾算法完成內(nèi)容分析的基礎(chǔ)上,在用戶行為分析中加入了度量項(xiàng),采用均方誤差來提高計(jì)算的精準(zhǔn)度。通過系統(tǒng)測試可以發(fā)現(xiàn),使用加權(quán)組合算法可以有效減小算法的時(shí)間復(fù)雜度,有效彌補(bǔ)了協(xié)同過濾算法計(jì)算上存在的冷啟動(dòng)問題,大大提高了個(gè)性化推薦系統(tǒng)的精準(zhǔn)度。
[Abstract]:In recent years, the rapid development of computer science and technology has greatly promoted the popularity of Internet technology in people's lives. In daily life, people are constantly using the Internet to access information, query and various network services. However, in the process of rapid development of Internet technology, with the rapid development of Internet, network security has become an important factor hindering its development. Security issues have also brought great challenges to the development of e-commerce technology. With the development of electronic commerce technology, more and more enterprises begin to analyze the behavior of network users in depth, by analyzing the behavior of users to accurately grasp the interests and hobbies of users. Thus, according to their interests and hobbies to complete personalized commodity recommendation service, in this process can fully improve the transaction success rate of users, while improving the profitability of enterprises. Many government and non-profit websites are also aware of the importance of analyzing user behavior to the maintenance and development of the network, so more and more researchers are beginning to study the behavior of Internet users. It is more and more important to accurately analyze the behavior of network users. Many e-commerce websites collect user behavior data by obtaining user click behavior. With the continuous development of Internet technology, more and more advertisements fill the network. In the process of using the Internet, all users will automatically identify and record their browsing records, which provides a very accurate behavioral basis for user behavior analysis. It is very important to collect data and extract website data. The research of this topic is based on intelligent perception technology to accurately analyze user behavior. In this paper, the concept of network user behavior and related technical core are analyzed, at the same time, according to the different user behavior are classified. Classification of user behavior can effectively improve the accuracy of user behavior analysis. In order to improve the understanding of the user behavior analysis system model, the input and output of the model can be understood by modeling the user behavior. At the same time, based on the collaborative filtering algorithm to complete the content analysis, a metric is added to the user behavior analysis, and the mean square error is used to improve the accuracy of the calculation. Through the system test, it can be found that the weighted combination algorithm can effectively reduce the time complexity of the algorithm, effectively make up for the cold start problem in the calculation of collaborative filtering algorithm, and greatly improve the accuracy of personalized recommendation system.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙玲;張靜;;微博用戶行為研究的多維解析[J];情報(bào)資料工作;2013年05期

2 郭巖;基于網(wǎng)絡(luò)用戶行為的相關(guān)頁面挖掘模型[J];微電子學(xué)與計(jì)算機(jī);2003年05期

3 �，F(xiàn)云;王宇鴿;;1979-2010年圖書館讀者行p悍治鑫南籽芯縖J];公共圖書館;2012年01期

4 朱彤;劉奕群;茹立云;馬少平;;基于用戶行為的長查詢用戶滿意度分析[J];模式識(shí)別與人工智能;2012年03期

5 左渭斌;;用戶行為特征庫的構(gòu)建方法研究[J];產(chǎn)業(yè)與科技論壇;2012年10期

6 蘇紅;萬國根;;基于用戶行為關(guān)聯(lián)分析的電子取證系統(tǒng)研究[J];電信科學(xué);2010年12期

7 方彬;胡俠;王燦;;基于用戶行為的盲人圖書推薦方法[J];計(jì)算機(jī)工程;2011年15期

8 張書娟;董喜雙;關(guān)毅;;基于電子商務(wù)用戶行為的同義詞識(shí)別[J];中文信息學(xué)報(bào);2012年03期

9 李繼洪;黃勤;劉益良;柳玉仙;;基于用戶行為統(tǒng)計(jì)的入侵檢測判據(jù)研究[J];微計(jì)算機(jī)信息;2009年03期

10 鄭雙陽;林錦賢;;基于用戶行為聚類的搜索[J];計(jì)算機(jī)與數(shù)字工程;2009年12期

相關(guān)會(huì)議論文 前10條

1 武小年;周勝源;;數(shù)據(jù)挖掘在用戶行為可信研究中的應(yīng)用[A];第十一屆保密通信與信息安全現(xiàn)狀研討會(huì)論文集[C];2009年

2 樊旺斌;劉正捷;陳東;張海昕;;博客服務(wù)系統(tǒng)用戶行為研究——用戶訪談[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第2屆中國人機(jī)交互學(xué)術(shù)會(huì)議(CHCI'06)論文集[C];2006年

3 張書娟;董喜雙;關(guān)毅;;基于電子商務(wù)用戶行為的同義詞識(shí)別[A];中國計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

4 曹建勛;劉奕群;岑榮偉;馬少平;茹立云;;基于用戶行為的色情網(wǎng)站識(shí)別[A];第六屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

5 李海宏;翟靜;唐常杰;李智;;基于用戶行為挖掘的個(gè)性化Web瀏覽器原型[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（技術(shù)報(bào)告篇）[C];2002年

6 寇玉波;李玉坤;孟小峰;張相於;趙婧;;個(gè)人數(shù)據(jù)空間管理中的任務(wù)挖掘策略[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（B輯）[C];2009年

7 徐峗;張盼;丁婕;;只逛不買的電子商務(wù)用戶分析——以淘寶網(wǎng)為例[A];第六屆（2011）中國管理學(xué)年會(huì)——信息管理分會(huì)場論文集[C];2011年

8 蔡皖東;何得勇;;基于用戶行為監(jiān)管的內(nèi)部網(wǎng)安全機(jī)制及其實(shí)現(xiàn)技術(shù)[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)’2004論文集[C];2004年

9 鄭常熠;佘宇東;王新;薛向陽;;CDN與P2P混合網(wǎng)絡(luò)架構(gòu)下一種基于用戶行為的VoD分發(fā)策略[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會(huì)議論文集（下冊）[C];2007年

10 ;Internet中的大范圍模式及其起源[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 張偉;在用戶行為中尋找靈感[N];中華合作時(shí)報(bào);2014年

2 ;危險(xiǎn)的用戶行為讓網(wǎng)絡(luò)面臨風(fēng)險(xiǎn)[N];網(wǎng)絡(luò)世界;2007年

3 本報(bào)記者 宋麗娜;做安全旗艦品牌[N];網(wǎng)絡(luò)世界;2004年

4 群邑中國互動(dòng)營銷總裁 MMA中國無線營銷聯(lián)盟聯(lián)席主席 陳建豪;移動(dòng)互聯(lián)催生用戶行為變化[N];第一財(cái)經(jīng)日報(bào);2013年

5 本報(bào)記者 張櫻贏;移動(dòng)醫(yī)療 “笨”有前景[N];計(jì)算機(jī)世界;2013年

6 盎然;大數(shù)據(jù)時(shí)代來臨 你該干什么？[N];中國政府采購報(bào);2013年

7 東軟研究院副院長 聞?dòng)⒂?云安全，機(jī)遇與挑戰(zhàn)并存[N];中國計(jì)算機(jī)報(bào);2010年

8 本報(bào)記者 劉菁菁;Google力拓未來搜索[N];計(jì)算機(jī)世界;2011年

9 思杰(Citrix)系統(tǒng)工程師 李兵;安全源于架構(gòu)[N];中國計(jì)算機(jī)報(bào);2008年

10 本報(bào)記者 張偉;“小數(shù)據(jù)”決勝大數(shù)據(jù)時(shí)代[N];中國高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 蔣朦;社交媒體復(fù)雜行為分析與建模[D];清華大學(xué);2015年

2 陳亞睿;云計(jì)算環(huán)境下用戶行為認(rèn)證與安全控制研究[D];北京科技大學(xué);2012年

3 楊悅;基于網(wǎng)絡(luò)用戶行為的搜索排行榜研究[D];北京交通大學(xué);2013年

4 陽德青;面向社會(huì)網(wǎng)絡(luò)的用戶行為挖掘與應(yīng)用研究[D];復(fù)旦大學(xué);2013年

5 郭U，

本文編號：2254258