欢迎来到天天文库
浏览记录
ID:35092243
大小:3.84 MB
页数:71页
时间:2019-03-17
《用户移动端与社交端行为建模与模式分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文用户移动端与社交端行为建模与模式分析MODELINGANDPATTERNANALYSISONUSERBEHAVIORSINMOBILEDEVICEANDSOCIALNETWORKENVIROMENT于浩哈尔滨工业大学2016年6月国内图书分类号:TP315学校代码:10213国际图书分类号:681.3密级:公开工学硕士学位论文用户移动端与社交端行为建模与模式分析硕士研究生于浩导师王忠杰教授申请学位工学硕士学科计算机科学与技术所在单位计算机科学与技术学院答辩日期2016年6月授予学位单位哈尔滨工业大学ClassifiedI
2、ndex:TP315U.D.C:681.3DissertationfortheMaster’sDegreeinScienceMODELINGANDPATTERNANALYSISONUSERBEHAVIORSINMOBILEDEVICEANDSOCIALNETWORKENVIROMENTCandidate:YuHaoSupervisor:Prof.WangZhongjieAcademicDegreeAppliedfor:MasterofScienceSpeciality:ComputerScienceandTechnologyAffi
3、liation:SchoolofComputerScienceandTechnologyDateofDefence:June,2016Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要随着互联网技术的迅猛发展,各种服务商在互联网中开启的流量入口也越来越多,形式各不相同,硬件上,用户可以通过PC、智能平板、手机等使用相关服务,在软件上也包含了如社交网络、电子商务、游戏等各类应用渠道。也就是说,在现今的互联网大环境下,有很多种渠道可以留下用
4、户的行为轨迹,这些行为轨迹能从某种程度上能够折射出用户的个性化特征,通过挖掘这些个性化特征可以帮助我们了解用户日常的行为习惯,并对用户进行较为准确的服务推荐。用户在线使用服务的行为一般在两种场景下发生,一种是围绕用户个人产生的行为,只是满足自己的需求,并不与他人发生直接关系,比如在线音乐,手机阅读等,另一种是多个用户互相协作以满足某种需求,比如社交网络。那么我们针对这两种场景展开对用户在线行为的研究,即用户在移动端的行为与用户在社交端的行为,通过对行为的建模与行为模式的分析来研究用户使用服务中的行为习惯。对于用户在移动端的行为研究,
5、我们挑选安卓用户作为我们的研究群体,并进行了如下工作:通过手机程序采集用户在移动端发生的行为以上下文信息,并对数据进行预处理;提出四种基于上下文的用户的行为模式;设计挖掘基于上下文的行为模式算法并进行算法的评价;提出若干移动端用户行为预测策略;通过可视化系统来展示挖掘结果。对于用户在社交端的行为研究,因为每种社交平台给用户提供的行为类型都不同,所以我们挑选行为类型较多,用户活跃度较高的这种比较代表性的社交协作平台github来进行研究,并进行了如下工作:通过信息抓取等技术采集用户在github的行为并对数据进行预处理;对用户在线行为
6、特征进行分析;提出两种行为模式:面向具体开发者的行为模式(PP)与面向抽象开发者的行为模式(RP);设计社交端用户行为模式挖掘算法并实证分析;提出若干社交端用户行为预测策略;通过可视化系统来展示挖掘结果。研究结果发现,用户在线行为是遵循一定的行为模式,用户在移动端使用以个人为中心的服务时,与上下文结合可以更好地解释用户的行为模式,而用户在社交端与其他用户协作时,用户间的模式之间差异与共性并存。关键词:用户在线行为;移动终端;社交网络环境;行为模式;实证分析I哈尔滨工业大学工学硕士学位论文AbstractWiththerapiddev
7、elopmentofcomputertechnology,avarietyofinternetserviceprovidersopenmoreandmoreflowinletinthedifferentformofhardwareandsoftware,likePC,smarttablet,mobilephones,electroniccommerce,socialnetwork,game.etc.thatmeansinnowdaysInternetenvironment,therearemanychannelsusermaylea
8、vetheirtracks,insomedegree,whichcouldreflecttheuser’spersonalizationfeaturesabouttheonlinebehaviors.Miningtheseperson
此文档下载收益归作者所有