收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于小数据的在线用户兴趣长程演化研究

李勇  孟小峰  刘继  王常青  
【摘要】:网络大数据中与Web用户行为相关的数据,例如在线点击数据和通讯记录等,为人们深度挖掘和定量分析人类兴趣动力学带来了机遇,这些在线行为数据被称为大数据时代的"小数据",有助于揭示许多复杂的人类社会与经济现象.Web用户行为建模时常见的前提假设就是人的行为符合Markov过程,用户下一行为仅依赖于当前行为,与过去的历史行为无关.然而,在线用户行为是一个复杂过程,常常依赖于人的兴趣,对于人类兴趣动力学的本质规律目前知之甚少.利用中国互联网络信息中心提供的30 000多名在线用户行为记录数据,基于块熵理论对在线用户行为进行分类研究,通过信息论分析方法,结合熵增曲线的离散导数和积分理论,分析在线用户点击行为的随机性和记忆性特征.研究表明,与常见的假设不同,Web用户的行为并不是一个简单的Markov过程,而是一个符合幂率的非周期无限长程记忆过程;进一步还发现,用户在线连续点击7个兴趣点,其行为的平均预测增益就可达到95.3%以上,可为大数据时代在线用户兴趣精准预测提供理论指导.

知网文化
【相似文献】
中国期刊全文数据库 前4条
1 南智敏;钱松荣;;引入漂移特性的用户兴趣模型优化研究[J];微型电脑应用;2012年03期
2 伍大清;阳小华;马家宇;胡东;吴取劲;;基于隐式反馈的用户兴趣漂移方法[J];计算机应用与软件;2010年09期
3 琚春华;章敏;;基于隐半马尔可夫模型的用户兴趣特征提取[J];计算机工程与设计;2011年12期
4 ;[J];;年期
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978