移动应用崩溃监控和用户行为分析的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 研究目标 | 第11-12页 |
| 1.2.1 崩溃监控概述 | 第11页 |
| 1.2.2 用户行为分析概述 | 第11-12页 |
| 1.2.3 研究意义 | 第12页 |
| 1.3 国内外研究进展 | 第12-15页 |
| 1.3.1 国外的研究现状 | 第12-14页 |
| 1.3.2 国内的研究现状 | 第14-15页 |
| 1.4 本文主要工作 | 第15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 相关技术研究和平台架构设计 | 第17-22页 |
| 2.1 Android应用崩溃监控相关技术 | 第17页 |
| 2.2 用户行为分析相关技术 | 第17-19页 |
| 2.2.1 点击流分析 | 第18页 |
| 2.2.2 转化率分析 | 第18页 |
| 2.2.3 聚类分析 | 第18-19页 |
| 2.3 平台架构设计 | 第19-21页 |
| 2.3.1 系统整体架构设计 | 第19-21页 |
| 2.3.2 平台运行流程 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 面向Android应用的崩溃监控分析 | 第22-31页 |
| 3.1 实现背景 | 第22页 |
| 3.2 崩溃监控解决方案的设计 | 第22-25页 |
| 3.2.1 Android异常处理机制 | 第22-24页 |
| 3.2.2 崩溃信息收集 | 第24-25页 |
| 3.3 设备硬件参数的获取 | 第25-26页 |
| 3.4 运行时性能信息的收集 | 第26-30页 |
| 3.4.1 内存信息收集 | 第26-28页 |
| 3.4.2 CPU信息收集 | 第28-29页 |
| 3.4.3 电池温度信息收集 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于点击流的用户行为分析 | 第31-48页 |
| 4.1 实现背景 | 第31页 |
| 4.2 点击流数据收集 | 第31-35页 |
| 4.3 极大频繁序列挖掘算法的设计 | 第35-44页 |
| 4.3.1 基本概念 | 第35-36页 |
| 4.3.2 数据预处理 | 第36页 |
| 4.3.3 算法设计 | 第36-43页 |
| 4.3.4 算法分析 | 第43-44页 |
| 4.4 关键路径分析算法的设计 | 第44-47页 |
| 4.4.1 关键路径判断规则的制定 | 第44-45页 |
| 4.4.2 关键路径转化率分析算法的设计 | 第45-46页 |
| 4.4.3 漏斗模型展示关键路径达成情况 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于用户行为的聚类分析 | 第48-59页 |
| 5.1 实现背景 | 第48页 |
| 5.2 用户会话相似性度量 | 第48-53页 |
| 5.2.1 非连续最长公共子序列 | 第48-51页 |
| 5.2.2 用户会话相似度计算公式的制定 | 第51-53页 |
| 5.3 基于点击流的两层聚类算法的设计 | 第53-58页 |
| 5.3.1 第一层聚类 | 第53-56页 |
| 5.3.2 第二层聚类 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 案例分析 | 第59-76页 |
| 6.1 实现背景 | 第59页 |
| 6.2 崩溃监控和用户行为分析平台搭建 | 第59-63页 |
| 6.2.1 实验环境配置 | 第59-60页 |
| 6.2.2 平台使用流程 | 第60-63页 |
| 6.3 被测应用介绍 | 第63-65页 |
| 6.4 实验分析 | 第65-75页 |
| 6.4.1 数据采集 | 第65-66页 |
| 6.4.2 崩溃报告分析 | 第66-69页 |
| 6.4.3 极大频繁序列挖掘分析 | 第69-72页 |
| 6.4.4 关键路径转化率分析 | 第72页 |
| 6.4.5 聚类结果分析 | 第72-75页 |
| 6.5 本章小结 | 第75-76页 |
| 总结与展望 | 第76-77页 |
| 总结 | 第76页 |
| 展望 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻读硕士学位期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 答辩委员会对论文的评定意见 | 第82页 |
