人文社會(huì)科學(xué)通過(guò)人類(lèi)行為來(lái)揭示社會(huì)現(xiàn)象和經(jīng)濟(jì)現(xiàn)象背后的規(guī)律。但受到網(wǎng)絡(luò)應(yīng)用不斷深入的影響,人類(lèi)在線行為越來(lái)越復(fù)雜,其背后隱藏的信息也越來(lái)越難以發(fā)掘。大數(shù)據(jù)技術(shù)的出現(xiàn),為這一問(wèn)題提供了新的解決思路。在線用戶行為是人類(lèi)行為在互聯(lián)網(wǎng)上的表現(xiàn)方式。通過(guò)對(duì)在線用戶行為數(shù)據(jù)的收集和分析,可以為政府及企業(yè)在決策等問(wèn)題上提供較為準(zhǔn)確的數(shù)據(jù)支撐,同時(shí)也可以為科研人員在研究人類(lèi)行為時(shí)提供理論支撐。本文通過(guò)在線用戶的點(diǎn)擊流數(shù)據(jù),結(jié)合在線用戶的特征以及行為,研究了匿名用戶識(shí)別問(wèn)題與用戶下一步點(diǎn)擊行為預(yù)測(cè)問(wèn)題,對(duì)影響識(shí)別及預(yù)測(cè)準(zhǔn)確率的因素進(jìn)行了分析。主要的研究?jī)?nèi)容包括以下兩個(gè)方面:（1）基于多維軌跡集的匿名用戶識(shí)別。通過(guò)實(shí)驗(yàn)驗(yàn)證了在用戶的軟件點(diǎn)擊流數(shù)據(jù)中包含了用戶的行為規(guī)律,對(duì)比網(wǎng)絡(luò)瀏覽數(shù)據(jù)識(shí)別準(zhǔn)確率有所提高。提出了一種基于關(guān)聯(lián)規(guī)則改進(jìn)的（Anonymous User Identification,AUI）算法,通過(guò)篩選異常數(shù)據(jù)和減少掃描數(shù)據(jù)集的次數(shù),降低算法運(yùn)行的時(shí)間成本。同時(shí)提出了一種多維軌跡集模型（Multidimensional Trajectory Set,MTS）,通過(guò)AUI關(guān)聯(lián)算法和向量化方法為每... 

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
    1.4 研究?jī)?nèi)容
    1.5 論文組織結(jié)構(gòu)
第2章 基于多維軌跡集的用戶個(gè)體特征識(shí)別
    2.1 引言
    2.2 用戶行為數(shù)據(jù)描述
    2.3 MTS模型
        2.3.1 AUI行為模式分析
        2.3.2 多維軌跡集構(gòu)建
        2.3.3 最大熵匿名用戶分類(lèi)
        2.3.4 CM識(shí)別結(jié)果修正
        2.3.5 MTS模型流程
    2.4 實(shí)驗(yàn)與結(jié)果
    2.5 本章小結(jié)
第3章 基于CMQ的用戶點(diǎn)擊行為預(yù)測(cè)模型
    3.1 引言
    3.2 構(gòu)建基準(zhǔn)獎(jiǎng)勵(lì)矩陣
        3.2.1 點(diǎn)擊流網(wǎng)絡(luò)
        3.2.2 基準(zhǔn)獎(jiǎng)勵(lì)矩陣B-Reward
    3.3 構(gòu)建權(quán)值獎(jiǎng)勵(lì)矩陣
        3.3.1 頻繁點(diǎn)擊項(xiàng)集
        3.3.2 權(quán)值獎(jiǎng)勵(lì)矩陣Wi-Reward
    3.4 CMQ預(yù)測(cè)算法
    3.5 RL-P預(yù)測(cè)模型
    3.6 實(shí)驗(yàn)與結(jié)果
    3.7 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及研究成果



本文編號(hào)：3672676