基于Spark的电商网站用户行为分析预测系统研究

以Spark软件为工具,对电商网站用户行为分析预测系统进行探讨,在此基础上,对一家电商平台进行了一系列的预处理,包括在一定的时间段内,对用户的行为进行处理,提出时间序列规则处理原始数据动态滑动窗口。用户行为分析实验表明,XGBoost的训练模式表现最好,而决策树的学习效果最差。XGBoost模型无需对全部的训练进行集合,是通过XGBoost在每一个滑行窗口内使用XGBoost来输出最后的预测。XGBoost在预测结果正确率、稳定性方面均较好。Spark平台主要由数据读入、RDD的创建、用户行为预测计算三部分构。相比Hadoop平台,基于Spark平台系统效率提高了近8倍,系统运行速度降低幅度较大,减少了电商网站运营成本,Spark平台系统可靠性较高。     

采用CAUX工具的用户日常频繁行为方法研究

随着智能手机的不断普及,移动用户体验变得越来越重要,而移动用户体验与移动用户行为密切相关。为有效地对移动用户行为进行研究,采用基于运动状态感知的CAUX工具方法,首先在CAUX工具基础上实时获取用户运动状态,然后对数据进行可视化提取,最后对原始数据进行标注分析,得到用户日常频繁行为模式。实验表明各运动状态感知准确率达90%以上。该方法解决了传统用户研究方法数据与情境信息耦合度低、主观性强、真实性弱等问题。     

高校教师网络教学平台用户体验行为的实证研究

本文借助用户体验模型,对高校教师网络教学平台用户体验行为进行实证研究,界定教师网络教学平台用户体验行为由教学管理、资源管理、学生管理、师生交互和教学创新功能使用五个结构性特征构成,并分析了不同群体教师的用户体验行为特征;从教师个体特征、教育技术理念与基础、群体态度倾向、院校制度支持和技术帮助支持五个方面分析了影响教师用户体验行为的主要因素;最后根据相关研究结论提出相应政策改进建议。     

面向成人移动学习平台的用户行为授权研究北大核心

随着网络技术、通信技术的不断发展,传统教育模式正在发生巨大变革,网络化和移动化的教育模式逐渐形成。用户行为授权管理模式对移动学习平台的整体安全架构有重要影响。但从国内外的应用现状来看,用户行为授权设计对权限关注较多,而对资源行为缺乏有效控制,主要原因是用户行为缺乏有效的定义。本文分析了用户行为在移动学习平台中的现状、开发设计难点和常用的移动用户行为授权方式,设计了一种基于成人移动学习平台的用户行为模式库,并通过数据结构展示了行为授权的详细过程。     

基于用户行为的推荐算法研究

推荐系统是对用户的历史行为进行挖掘,对用户兴趣信息进行建模,并对用户未来行为进行预测,从而建立用户和内容的关系,满足用户对商品的推荐需求的一种智能系统。通过对主要的推荐算法进行比较分析,提出一种基于用户行为的推荐算法,挖掘用户浏览阅读行为的关联规则,模拟实现了基于用户行为的智能推荐系统,提高了推荐算法的有效性。     

基于 Web日志的用户信息行为研究

以鞍山师范学院图书馆网站为样本,利用Awstats软件从Web日志文件中提取访问量、点击量、浏览页面量、访问时间和访问来源等指标的数据,采用SPSS软件对数据进行描述性和推断性分析,并进行深入挖掘。根据相关分析结果对鞍山师范学院图书馆用户信息行为相关问题进行分析,并提出了相应解决对策。     

基于用户行为可信度的可信软件设计方法研究

目前可信软件的研究内容主要是保证软件自身的可信,即保证软件自身在被攻击时依然能提供可靠的服务。由于操作软件的是用户,攻击或破坏软件的也是用户,所以研究用户的行为就显得非常重要。对用户行为可信及软件可信进行了研究,提出了在软件开发过程中,尤其是在软件设计过程中如何关注用户行为的方法,以增强软件的可信性。提出的基于用户行为可信的可信软件设计方法,可以有效增强软件的可信性。     

基于改进用户浏览行为个性化搜索引擎系统研究

提出了一种改进用户浏览行为的用户兴趣模型,该模型综合考虑了用户对页面的浏览行为、用户的长期兴趣和短期兴趣。将这种改进的用户兴趣模型应用于个性化搜索引擎系统中,详述了系统的基本框架、系统基本功能模块,开发了一个演示系统IUBPSES。模拟实验显示:利用该改进用户兴趣模型的搜索引擎系统进行关键词搜索,其搜索效果优于当前主流搜索引擎系统。最后,指出了需要改进和进一步研究方向。     

基于用户的信息管理系统访问控制

随着计算机和网络技术的发展,信息管理系统在高校被广泛的开发和使用,这些系统大多数是基于网络的分布式系统,每个信息系统都有多个用户,不同的用户具有不同的工作角色和权限级别,因此获取信息、处理信息的需求和职权也不同。这就需要针对用户采用综合的用户认证、信息加密等访问控制技术,结合网络基础设施安全控制来保证系统的安全。     

基于日志分析的用户搜索行为研究

用户行为分析是改进搜索引擎的重要依据,为了更好地理解中文搜索用户的检索行为,在引入分词的基础上对搜狗搜索引擎在一个月内的真实查询日志进行了分析,对查询语言、查询长度、rank和网页深度与点击次数四个方面的用户行为进行分析。所得结论对改进中文搜索引擎的设计和更准确地评测检索效果都有较好的指导意义。     

基于K-means的MOOC学习行为分析及用户画像研究

随着学界对MOOC教育研究的广泛关注,以edX平台开放共享的MOOC教育大数据为研究基础,通过数据的清洗、筛选、分析,从课程、国家、年龄、性别等方面针对学习者学习行为进行分析,之后提取5类学习行为特征进行K-means聚类分析,得到四类学习者群体,通过对群体画像特点的深入分析,为MOOC教育的优化建设和持续发展提供了诸多有益的启示。     

一种基于用户浏览行为的数据采集方法

提出了一种基于用户浏览行为的客户端数据采集方法,普通浏览者访问图书馆网络监测系统服务器端网页时,浏览器自动运行嵌入在网页中的JavaScript代码.通过JavaScript代码的运行,普通浏览者与采集中心进行连接和数据传送,实时地采集用户行为数据,实时地统计汇总网站的最新状态数据.该数据采集方法对被监测网站服务器运行效率没有影响,其优点在绍兴图书馆网络监测系统得到了验证.     

高校在线课程用户学习行为研究

在互联网影响下,建设在线课程成为高校教学改革的一个重要方向。疫情的发生推动高校使用在线课程来保证教学计划的完成,但如何使在线课程更好地服务于教学还处于探索阶段。本文基于文献研究和实践观察,综合考虑高校用户在线学习行为的影响因素,以此为基础构建概念和测量模型;然后通过调研获得样本数据,检验测量模型的可靠性、概念模型的稳定性;最后分析和揭示高校用户在线学习行为的影响因素和影响程度,以期为高校科学制定在线课程、改善运行机制提供决策支持与依据。     

Web客户端用户行为数据收集研究

用户行为数据是用户偏好等个性化研究的重要依据,从服务器端收集是获得该数据的重要方法之一,但这种方法需要消耗大量的服务器资源。提出了一种从客户端收集的方法,直接在客户端捕获用户行为数据,在用户空闲时动态上传至服务器,有效缓解服务器压力,且对用户透明。     

网络环境下社区图书馆用户信息行为研究

随着社会信息化的不断发展,人们对信息的需求越来越多元化,获取信息的手段也更加多样化。在已有研究基础上,主要讨论了网络环境下用户信息行为的变化以及对社区图书馆的影响,并提出社区图书馆应对用户信息行为变化的举措。     

网络环境下社区图书馆用户信息行为研究

随着社会信息化的不断发展,人们对信息的需求越来越多元化,获取信息的手段也更加多样化。在已有研究基础上,主要讨论了网络环境下用户信息行为的变化以及对社区图书馆的影响,并提出社区图书馆应对用户信息行为变化的举措。     

一种基于K-均值的用户行为聚类算法

针对电子商务系统中大多采取用户评分或购买数据进行聚类,较少进一步分析用户行为的现状,提出一种根据用户浏览商品时序分析用户兴趣的方法 .在此基础上先用Canopy算法进行数据预处理后使用K-均值算法根据用户兴趣实现用户聚类.采用KDD CUP2000数据集中的用户点击流数据中的用户浏览记录对算法进行实验,实验结果表明算法有较好的聚类结果 .     

微博用户的从众行为特性与影响研究

微博作为一种新型的信息发布和沟通交流工具,是社会公众心理的感应器。该文从从众心理的产生与主要特征出发,研究微博中人们接受信息的环境和获取信息的特征,发现人们处于一种信息多样、内容复杂的环境中,使得微博用户在信息选择与获取方面存在着"跟风"行为,依靠别人的选择作为自己判断的标准;在言论发表过程中,为获取他人的认同与支持,会保持一致,使得言论具有较强的相似性,导致用户在微博中的行为和对待微博事件中的态度与趋于一致。这对微博舆论的理性化与合理化都产生了巨大的挑战,不利于微博和谐舆论环境的形成,同时也对大学生的教育产生了一定的影响。     

校园网用户行为聚类分析的研究与实现

校园网作为教学、科研、学习、娱乐等多用途的承载平台,管理方式从提供基本服务的运维转变到大规模的运营,必须在保障校园网为教学科研提供支撑平台的基础上,最大限度地挖掘潜力,提供优质服务。本文利用数据挖掘技术和知识发现的指导思想,通过对用户网络使用行为的分析,发现网络特征,为网络建设和运营提供科学的决策依据。     

一种基于用户行为的多Agent信息推荐系统研究

通过分析用户行为和Agent技术,提出基于用户行为的多Agent个性化信息推荐系统设计模型。对基于用户行为数据进行分析,整合用户的行为特性可以为用户带来更好的使用体验,多Agent技术能结合用户兴趣偏好信息及用户访问记录实现信息过滤并推理出用户的意图,从而提供个性化的推荐服务。