大数据背景下物流服务订单分配

针对已存在的多级物流服务供应链订单分配中没有充分考虑客户的最佳配送时间和需求的问题,提出了在大数据背景下,利用大数据的知识分析客户的点击量、浏览时间和销量之间的关联性,预测客户的需求、分析客户的位置数据来预测客户的最佳配送时间.基于大数据的预测结果,以物流服务集成商最小化服务成本为目标,建立三级物流服务供应链的订单分配优化模型,并通过实例仿真进行了验证.结果表明,基于大数据预测的销量和配送时间更贴近客户实际需求,在保证客户服务质量的情况下,获得问题的最优解.

用户行为异常检测在安全审计系统中的应用

提出一种基于数据挖掘的用户行为审计方法,通过对正常审计数据进行分类预处理获取其他传统方法容易遗漏的正常模式,结合使用关联规则以及序列模式挖掘技术对用户行为进行模式挖掘,根据模式相似度比较来检测用户行为的异常。将此方法应用于实际的安全审计系统,得到了较好的效果。

云模式用户行为关联聚类的协同过滤推荐算法

传统的协同过滤推荐算法基于互联网模式单纯从某个角度研究电子商务推荐问题,推荐质量明显不高。为改善推荐效果,提高推荐系统的伸缩性和实用价值,基于研究云模式的用户行为相似性度量公式、用户行为等级函数、关联规则函数,定义关联聚类方法,改进相应算法,提出一种云模式用户行为关联聚类的协同过滤推荐算法。最后使用MovieLens和阿里巴巴的云测试数据进行局部实验与全局实验,并对各种算法的实验结果进行对比分析。实验结果表明,该算法推荐效果明显优于传统算法,具有较强的伸缩性和较高的实用价值。

关联规则在Web日志挖掘中的研究与应用

本文通过对某房地产网站2012年上半年的Web日志数据的分析,在对原始数据进行预处理后,运用数据挖掘方法中的简单关联规则及序列关联规则的挖掘,发现用户搜索行为的特征以及用户浏览网页的顺序偏好,从而为网站提供相应建议改进用户访问体验。

高校图书馆微博用户行为规律实证研究

以厦门大学图书馆的新浪认证微博"厦大图书馆"2014年10月发布的所有微博及用户的评论、转发和点赞为样本,分析高校图书馆微博用户的特征、微博用户的行为规律以及基于微博生命周期的用户行为,发现:图书馆发布微博的时间决定了用户的回应时间,大多数微博的生命周期较短,高活跃度和高影响力用户是图书馆微博传播的重要推手等。在此基础上,提出改进建议:图书馆应充分了解和掌握用户的活跃时间和规律;对重要微博通过重发或转发等方式提高其可见度;及时对用户意见进行回复;重点关注高活跃度和高影响力的用户。

网络音频资源集合组织中的用户行为规律与偏好揭示

[目的/意义]区别于文献资源集合,网络音频资源集合的组织具有更强的个性化特征,其用户偏好的揭示不仅可拓展数字资源集合组织行为规律,亦有助于网络音频资源服务水平的提升。[方法/过程]选择代表性网络音频资源分享平台中的用户自组织音频资源集合作为样本,通过对音频资源集合名称的高频热词分析,探究用户创建网络音频资源集合逻辑与组织偏好。[结果/结论]相较于文献资源集合组织中对文献资源类型、学科领域等的强调,用户在创建网络音频资源集合时具有优先情感表达(内部归因),其次进行风格、主题、语种描述(外部归因)的组织规律和行为偏好。

基于用户行为的可信模型研究

传统的授权与认证主要解决了用户的身份信任问题,但并没有解决用户行为的信任问题。基于此,从解决系统安全需求的角度出发,提出了一种基于用户行为的可信模型。该模型将网络服务的用户看作主体,计算机系统中的文件和数据看作客体,对不同的主体和客体分别赋予不同的机密性级别和完整性级别;同时,将用户对系统的服务请求映射为主体对客体的访问,通过定义模型的安全属性、安全策略以及用于约束用户行为的规则,构造了一个安全、可信的系统。

基于数据挖掘的用户安全行为分析

通过对用户网络流量进行协议投影,获得其行为的具体信息,然后采用关联规则等方法,将上面得到的信息进行统计学习,从而得到该用户所特有的行为模式。利用这种模式,可以进行网络用户的身份识别。实验结果表明,该方法为进行用户网络行为特征提取和身份识别提供了一种新思路,另外也有助于发现蠕虫或其他大规模入侵行为。

基于数据库用户行为分析的改进FP-Growth算法

数据库是信息系统的核心,是最吸引攻击者的目标。其用户行为记录是一种特定的类型,有相对固定的成份。FP-Growth算法在规则挖掘时会产生一些冗余的、无意义的规则。首先给出数据库用户行为的定义,将数据库的用户行为属性按重要性阈值排序,并从中选取关键属性或属性组。在FP-Growth算法的基础上提出一种基于用户行为分析的BFP-Growth算法,避免产生无意义的规则,节省了存储空间和时间,提高了挖掘效率。

基于粗糙集的Web用户行为预测研究

随着互联网的飞速发展和Web应用系统的广泛应用,Web挖掘得到了人们越来越多的研究。从Web日志中发现和分析出用户的有用信息的Web日志挖掘已成为研究热点。很多基于关联规则的方法已经被应用于Web挖掘中。运用基于差别矩阵的粗糙集提取Web日志中的关联规则,并将生成的关联规则集用于用户行为的预测。实验结果说明该方法的有效性和实用性。

基于Apriori算法的用户行为数据挖掘研究

据用户行为数据发现客户行为特征及习惯,实现对用户数据进行有价值提取及分析,本文提出了基于改进的Apriori算法改进的用户数据挖掘的研究。先对Apriori算法流程进行了分析,接着根据Apriori算法在效率及精度的不足提出三个方面的改进,最后运用实例仿真对算法性能进行验证,实验证明,在相同数据样本情况下,改进的Apriori算法更加高效且最小置信度更高,具有一定的应用价值。

混合型房地产开发项目的建筑面积方案决策优化研究

对于混合型房地产开发项目来说,其建筑面大小以及在各建筑类型间的分配,直接影响着项目的综合投资效益,因此,在详细的设计方案之前,运用科学有效的优化方法和手段,建筑面积方案进行最优化决策,显得至关重要。本文利用线性规划理论工具建立了建筑面积方案决策的最优化模型,并引入熵值法,对模型中综合效益系数的确定问题进行了深入的研究。

基于用户行为的P2P网络借贷信用体系构建

本文分析了P2P网络借贷运行模式和特点,以及目前国内外P2P网络借贷的主要发展情况,指出该种网络借贷平台的借贷实质上是一种信用借贷,信用保障了该平台的正常运行。因此,本文着重从考察用户行为特征的角度,针对性构建P2P网络借贷平台信用评级体系,并通过问卷调查和聚类分析方法分析了影响放款人和借款人行为特征的关键因素,对P2P网络借贷平台信用评级体系进行了经验实证。

基于大数据的“国图公开课”用户学习行为研究

“国图公开课”自上线以来,在拓宽国家图书馆社会教育职能中发挥着重要的作用。随着数万名学生加入并在“国图公开课”平台上学习课程,用户与平台之间产生了丰富的用户数据以及学习行为记录。面向“国图公开课”繁复的用户数据资源,利用关联数据挖掘方法和可视化技术可实现关联算法及结果可视化的系统结合,优化学生学习过程模式。建立基于大数据的用户学习行为分析系统,设计无交叉的网格优化映射,实现事件相关性、事件排名、网络社交三类行为要素的可视化。并利用“国图公开课”数据资源中的User数据集、Session数据集和Event数据集进行数据挖掘分析测试,结果表明,该系统实现了对用户学习行为数据的有效关联聚类,获得了良好的可视化效果。

基于Apriori算法的图书馆用户行为模式分析研究

以某高校图书馆信息管理系统用户数据为研究对象,对图书馆用户借阅行为进行研究。充分利用业务系统海量数据优势,使用K-means算法对用户数据进行聚簇,将用户群体细分形成相似群,然后构造用户行为指标体系,再选用Apriori关联规则算法,根据借阅行为数据特点构造用户行为分析模型,同时在聚类群体数据的基础上进一步深入挖掘,最后得到用户行为规则和模式。研究结论可为图书馆合理丰富馆藏、图书采编、书架摆放、业务系统流程优化等提供参考。

Apriori算法在商务网站用户行为分析中的应用

在介绍关联规则的相关概念后分析了关联规则经典的Apriori算法,探讨了Apriori算法在某商务网站用户行为分析中的具体应用,通过Apriori算法的挖掘结果分析出用户行为特征,即用户在点击购买不同商品时存在着某种必然或者大概率事件,从而改善网站结构,提高用户满意度.

舰载环境网络行为规则库系统设计与实现

随着信息化的高度发展,海军舰艇的信息化程度也越来越高。但是如何实现舰载信息化环境下的用户行为管理的问题还一直没有解决,这也给舰载网络环境埋下了安全隐患。论文设计了一种行为规则库,能够根据特定的规则实现网络用户行为的管理。首先从规则库的部署、架构等方面进行了设计,并在此基础上进行了实现和验证。结果表明论文所设计的规则库具有高度的灵活性和易用性,有利于舰载环境下网络行为的安全管理。

基于用户行为的个性化电商信息推送系统设计

为提高推荐产品与用户需求产品的适配度,基于用户行为分析设计了一种针对电子商务的个性化信息推荐系统。首先,使用网络爬虫技术检索电子商务平台的运行终端,获取电商用户行为信息;其次,构建电商用户行为信息表,分析获取的用户行为数据,通过用户对产品需求来计算用户的偏好度;最后,引进关联规则,挖掘符合用户喜好的产品,实现个性化信息主动推送服务。实验证明,该系统推荐的商品与用户需求产品两者适配度在90%以上,且系统推送后,显著提升了用户在电商平台的点击次数与浏览时间。

基于Apriori算法的农资网站用户行为分析

为了有效分析某农资网站的用户在购买产品时存在着的某种关联关系,文中在介绍了关联规则以及关联规则挖掘的经典算法——Apriori算法后,探讨了该算法在农资网站用户行为分析中的具体应用,通过对交易数据进行有效挖掘,从而发现用户行为特征,根据用户购买产品的偏好或相关性改善网站结构,从而提高用户满意度。

在线旅游社区用户行为规律的探讨

本文通过抽样采集国内最大的在线旅游社区平台马蜂窝中的用户成员帖子数据,进行预处理并借助数据挖掘技术进行挖掘,从而获得在线旅游社区的用户潜在的行为规律,并对这些行为规律进行相关描述。基于关联规则数据挖掘的在线旅游社区用户行为规律研究结果具有一定的意义,可为在线旅游社区的运营者开展针对性的运营提供有益的参考。