【摘要】：當今時代,移動互聯(lián)網(wǎng)正在快速的發(fā)展,與此同時,大數(shù)據(jù)時代也悄然而至,“移動互聯(lián)網(wǎng)”和“大數(shù)據(jù)”變成當今當前互聯(lián)網(wǎng)領域內(nèi)最火的話題。而在這之中,和用戶關系最直接的移動互聯(lián)網(wǎng)便是移動APP,而面對海量的APP,如何選擇合適的APP,對普通用戶來說是一個頭疼的問題。在這種情況下,如何在大量數(shù)據(jù)里幫助用戶選擇合適的APP,以提升用戶的使用體驗并且能為用戶節(jié)約使用成本變得重要起來�；谶@個情況,本文將從流量使用方面,結合用戶的使用偏好,為用戶推薦符合自身使用習慣并且減少流量使用的APP。本文首先研究了如何進行數(shù)據(jù)分析平臺的搭建,實現(xiàn)了基于Ambari的Hadoop分析平臺;在此基礎上對目標數(shù)據(jù)集進行相關的分類、處理,進而對數(shù)據(jù)做一些相關的分析。其次,本文基于APP的流量消耗和流行度建立APP推薦模型,并結合用戶相關的使用偏好研究APP推薦模型。根據(jù)建立好的推薦模型,分析出用戶的使用偏好,為用戶推薦相似的但流量更少,流行度更高的APP,改善用戶的使用體驗。除此之外,不論是用戶還是APP,都需要考慮時間段的問題,也就是說用戶偏好使用某一類APP的時間段和APP被使用最頻繁的時間段。最后,本文依據(jù)移動互聯(lián)網(wǎng)用戶相關的數(shù)據(jù)集,為上述APP推薦模型進行了驗證,結果表明在滿足用戶的使用偏好情況下,為用戶推薦的APP能夠比用戶原來使用的APP花費更少的流量或者推薦的APP具有更高的流行度。這樣一來達到了提高用戶使用體驗的目的。
[Abstract]:Nowadays, the mobile Internet is developing rapidly. At the same time, the era of big data has come quietly. "Mobile Internet" and "big data" have become the hottest topics in the current Internet field. Among these, the most direct relationship with the mobile Internet is the mobile APP, and facing the mass of APP, how to choose the right APP, is a headache for ordinary users. In this case, it is important to help users choose the right APP, in large amounts of data to improve the user's experience and save users the cost of use. Based on this situation, this article will from the traffic use aspect, combines the user's use preference, recommends to the user the APP. which conforms to its own usage habit and reduces the traffic use. Firstly, this paper studies how to build the data analysis platform, and realizes the Hadoop analysis platform based on Ambari. On this basis, it classifies and processes the target data set, and then makes some correlative analysis to the data. Secondly, based on the traffic consumption and popularity of APP, this paper establishes the APP recommendation model, and studies the APP recommendation model based on user-related usage preferences. According to the established recommendation model, the users' preference is analyzed, and the similar APP, with less traffic and higher popularity is recommended for users to improve the user's experience. In addition, both users and APP, need to consider the problem of time periods, that is, users prefer to use a certain kind of APP period and APP is used most frequently. Finally, according to the data sets related to the mobile Internet users, this paper validates the APP recommendation model mentioned above. The results show that in the case of satisfying the user's usage preference, The APP recommended for the user can cost less traffic or the recommended APP has a higher popularity than the original APP used by the user. In this way, the user experience has been improved.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.56

【參考文獻】

相關期刊論文 前2條

1 唐家琳;;移動互聯(lián)網(wǎng)用戶行為比較分析[J];西安郵電大學學報;2013年05期

2 陳克寒;韓盼盼;吳健;;基于用戶聚類的異構社交網(wǎng)絡推薦算法[J];計算機學報;2013年02期

相關會議論文 前1條

1 馮銘;王保進;蔡建宇;;基于云計算的可重構移動互聯(lián)網(wǎng)用戶行為分析系統(tǒng)的設計[A];CCF NCSC 2011——第二屆中國計算機學會服務計算學術會議論文集[C];2011年

相關博士學位論文 前2條

1 祝恒書;面向移動商務的數(shù)據(jù)挖掘方法及應用研究[D];中國科學技術大學;2014年

2 寶騰飛;面向移動用戶數(shù)據(jù)的情境識別與挖掘[D];中國科學技術大學;2013年

相關碩士學位論文 前9條

1 趙志勇;移動Hadoop集群監(jiān)控系統(tǒng)的設計與實現(xiàn)[D];北京交通大學;2015年

2 鄢舒源;移動個性化應用推薦系統(tǒng)的設計和實現(xiàn)[D];北京郵電大學;2015年

3 余泓;基于移動終端的移動互聯(lián)網(wǎng)服務質(zhì)量及用戶行為分析研究[D];安徽大學;2014年

4 李龍飛;基于Hadoop+Mahout的智能終端云應用推薦引擎的研究與實現(xiàn)[D];電子科技大學;2013年

5 李威;移動互聯(lián)網(wǎng)用戶行為分析研究[D];北京郵電大學;2013年

6 潘宇彬;基于個性化推薦的移動應用管理系統(tǒng)的設計與實現(xiàn)[D];西安電子科技大學;2013年

7 楊艷;下一代網(wǎng)絡業(yè)務用戶行為研究[D];西南交通大學;2012年

8 王璐;移動互聯(lián)網(wǎng)用戶行為分析[D];重慶郵電大學;2012年

9 鄭桂鳳;移動互聯(lián)網(wǎng)的用戶行為分析系統(tǒng)的設計與實現(xiàn)[D];北京郵電大學;2010年

，

本文編號：2457383