用户网络访问行为的预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 主要研究内容及创新点 | 第9-10页 |
| 1.3 论文的结构 | 第10-12页 |
| 第二章 用户在线行为研究综述 | 第12-20页 |
| 2.1 相关研究内容和基本概念 | 第12-13页 |
| 2.2 用户行为的实证研究 | 第13-16页 |
| 2.2.1 用户行为的时间统计特性研究 | 第13-15页 |
| 2.2.2 用户行为的空间统计特性研究 | 第15-16页 |
| 2.3 用户行为的模型研究 | 第16-19页 |
| 2.3.1 任务优先级排队模型 | 第16-17页 |
| 2.3.2 自适应兴趣驱动模型 | 第17-18页 |
| 2.3.3 非齐次泊松模型 | 第18页 |
| 2.3.4 其他基于时间特性的行为动力学模型 | 第18-19页 |
| 2.3.5 基于空间特性的行为动力学模型 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 用户在线行为的实证分析 | 第20-33页 |
| 3.1 数据说明 | 第20-21页 |
| 3.1.1 数据的描述 | 第20页 |
| 3.1.2 数据的预处理 | 第20-21页 |
| 3.2 时间间隔分布研究 | 第21-27页 |
| 3.2.1 个体层面的时间间隔幂律特性 | 第22-23页 |
| 3.2.2 群体层面的时间间隔幂律特性 | 第23-24页 |
| 3.2.3 相关性系数 | 第24-27页 |
| 3.3 访问量的记忆性研究 | 第27-32页 |
| 3.3.1 分析方法 | 第28页 |
| 3.3.2 分析结果 | 第28-31页 |
| 3.3.3 建模及仿真分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 用户点击流预测模型的建立与分析 | 第33-51页 |
| 4.1 点击流的统计特性 | 第33-36页 |
| 4.2 时间序列模型 | 第36-50页 |
| 4.2.1 ARIMA理论介绍 | 第36-40页 |
| 4.2.2 ARIMA模型预测的基本步骤 | 第40-43页 |
| 4.2.3 ARIMA模型的构建和预测 | 第43-46页 |
| 4.2.4 指数平滑法 | 第46-49页 |
| 4.2.5 预测结果的比对和分析 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文总结 | 第51页 |
| 5.2 未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士期间发表的论文及取得的研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
