网络用户行为的多维度分析方法
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 用户行为分析 | 第11-13页 |
| 1.3.2 聚类算法 | 第13-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 论文结构 | 第16-17页 |
| 第2章 上网活跃维度分析 | 第17-37页 |
| 2.1 引言 | 第17页 |
| 2.2 上网行为特征分析 | 第17-27页 |
| 2.2.1 会话属性分布规律 | 第17-22页 |
| 2.2.2 用户数量分布规律 | 第22-27页 |
| 2.3 上网行为模式分析 | 第27-36页 |
| 2.3.1 基于变异系数的改进K-means算法 | 第28-29页 |
| 2.3.2 实验过程和结果 | 第29-34页 |
| 2.3.3 上网行为模式特征 | 第34-35页 |
| 2.3.4 用户忠诚度 | 第35-36页 |
| 2.4 小结 | 第36-37页 |
| 第3章 WEB兴趣维度分析 | 第37-52页 |
| 3.1 引言 | 第37-38页 |
| 3.2 数据描述 | 第38-39页 |
| 3.3 基于熵的自动聚类算法 | 第39-41页 |
| 3.3.1 熵定义 | 第39页 |
| 3.3.2 兴趣分布熵 | 第39-40页 |
| 3.3.3 初始划分 | 第40-41页 |
| 3.3.4 聚类过程 | 第41页 |
| 3.4 实验过程和结果 | 第41-45页 |
| 3.5 上网兴趣模式分析 | 第45-49页 |
| 3.5.1 兴趣模式用户比例和出现概率 | 第45-47页 |
| 3.5.2 兴趣模式间的转移 | 第47-48页 |
| 3.5.3 用户稳定性 | 第48-49页 |
| 3.6 算法分析 | 第49-51页 |
| 3.6.1 时间复杂度 | 第49-50页 |
| 3.6.2 算法优缺点 | 第50-51页 |
| 3.7 小结 | 第51-52页 |
| 第4章 网络业务维度分析 | 第52-60页 |
| 4.1 引言 | 第52页 |
| 4.2 数据描述 | 第52-53页 |
| 4.3 业务使用模式分析 | 第53-59页 |
| 4.3.1 实验过程和结果 | 第53-56页 |
| 4.3.2 业务模式特征 | 第56-59页 |
| 4.4 小结 | 第59-60页 |
| 第5章 维度间关联分析 | 第60-65页 |
| 5.1 引言 | 第60页 |
| 5.2 综合行为模式 | 第60-62页 |
| 5.3 特殊模式分析 | 第62-64页 |
| 5.3.1 上行流量大于下行流量的用户 | 第62-63页 |
| 5.3.2 频繁上下线的用户 | 第63-64页 |
| 5.4 小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表论文与研究成果清单 | 第69-70页 |
| 致谢 | 第70页 |
