基于GPS轨迹的用户移动行为挖掘算法

挖掘用户的移动行为,可以通过对交通出行方式进行识别来实现。传统的交通方式识别方法在交通堵塞或多种交通方式结合的情况下,识别效果并不理想。针对这种情况,提出基于轨迹分段和监督式学习相结合的识别方法,首先利用速度小于某一阈值的数据点将原始GPS轨迹划分为交通方式单一的子轨迹段,然后对子轨迹段分别抽取特征,采用监督式学习方法建立推断模型对不同子轨迹的交通方式进行识别。实验结果表明,提出的算法能够有效地识别不同交通方式,达到较为理想的效果。同时在交通堵塞的情况下也能够很好地识别。

基于时空数据的用户移动行为模式研究

文章首先以时空轨迹数据为基础,介绍了时空轨迹数据的基本结构,构建了时空轨迹数据模型。其次,对等时间间隔时空轨迹采样数据进行了研究,生成用户热点访问区域。最后,以用户时空轨迹数据挖掘算法实现了对热点访问区域的挖掘研究。

核心网数据挖掘下的移动通信用户行为分析

随着我国科学技术和经济的迅速发展,国内外网络运营商投入大量建设资金逐步扩大网络建设的规模与范围,移动通信网络用户数量不断增多,管理人员在网络运营期间需要及时收集并获取大量的数据信息,全面记录移动通信用户的行为。基于此,结合实际情况,首先说明了核心网的基本概念,其次介绍了核心网数据类型与数据挖掘相关内容,最后论述了移动通信用户行为的数值模型及其应用,希望能够给同行提供一定的帮助。

基于人工蜂群改进的BP神经网络移动用户行为分析及预测方法

如何根据不同的用户行为,来为移动用户提供精准的个性化服务是目前移动应用服务开发技术发展的主流。为解决BP神经网络建模算法收敛速度慢及预测不准确问题,提出基于人工蜂群算法改进的BP神经网络算法。为测试改进后算法的准确性,采用Matlab编程进行试验仿真,通过黑盒子测试方法输出预测的用户行为和实际的用户行为。在18次预测中只有2次预测失败,预测成功率达80%以上。为了验证改进的BP神经网络算法的效率,采用初始总群数为1000,进行了收敛性测试。试验结果表明:基于人工蜂群算法改进的BP神经网络算法可以有效的提高移动用户行为分析的效率和准确性,对在使用移动用户行为分析模型构建过程中,准确定位用户上网需求,提升企业在营销中的竞争力具有非常重要的意义。

基于区块链理念的图书馆移动用户行为大数据挖掘研究

区块链的出现为图书馆移动用户行为大数据提供了重新架构技术底层基础的机会。图书馆移动用户行为大数据挖掘具有数量大、速度快、类型复杂等本质特征,使数据挖掘在实际工作中面临逻辑困境与现实问题。区块链去中心化、时间戳、安全密钥的特征是改变图书馆移动用户行为大数据挖掘的支撑条件。区块链通过去信任达成共识、通过隐私安全达成可持续发展、通过智能合约达成智慧化是改变图书馆移动用户行为大数据挖掘的应用手段。在图书馆移动用户行为大数据挖掘过程中融合区块链理念,可以推动优势资源的共建和低成本资源共享市场的开拓,帮助图书馆移动用户行为大数据挖掘实现从网络信息服务向价值服务的转变。

大数据环境下的移动用户行为分析

本文主要针对移动用户研究了移动用户行为的特点、移动用户行为分析的内容和方法及数据挖掘算法的选择,结合Hadoop、Hive及ZooKeeper等大数据技术,深入地研究了移动用户行为分析系统的构建方法并详细地对数据分析层各模块进行了设计。

基于Spark的移动用户行为轨迹大数据分析

为获取移动用户轨迹数据中的价值信息,利用Spark集群分布式处理用户行为轨迹的原始数据,对存入HBase分布式数据存储中的数据进行筛选、分析后存入Hive数据库中,Spark对数据库文件中的数据进行相关性卡方检验和K-Means聚类分析,得到用户出行方式的统计结果及在距离限制下出行方式选择的普遍规律.该过程为用户行为分析和预测提供可行的解决方案.

移动设备在旅游移动信息服务中的用户接受行为实证研究

本文在理论分析和对特定游客群体(上海市大学生旅游者)进行深度访谈的基础上,构建了移动设备用户接受行为模型,通过实证调研的方法对所提出的结构方程模型进行了验证,并剖析了影响特定游客使用移动设备用于旅行的因素。结果表明,感知有用性、感知易用性、先前的旅游体验与游客满意度之间存在显著的正向影响,它们和使用意愿、使用行为等变量共同影响着游客忠诚度。最后,基于实证结果,对未来移动设备在旅游移动信息服务中的应用以及如何提升游客满意度与忠诚度提出了相关的建议。

信息构建视域下的移动用户行为数据收集与应用研究

[目的/意义]旨在为图书馆精准有效地开展契合读者需求的阅读推广建立基础。[方法/过程]通过新技术手段的运用对图书馆移动用户的交互行为数据进行精确收集,设计统一的移动用户行为数据采集系统,解决采集对象、前端采集方法、后端存储方式上存在的实际问题,从移动用户行为数据规模与可行性评估、移动用户个性化服务需求定位、增强图书馆移动用户个性化服务能力3个方面研究信息构建视域下图书馆移动用户行为模式。[结果/结论]提出从信息服务方式、网络信息组织表述、网络检索途径、用户体验特征、个性化推送手段5个方面提升图书馆阅读推广服务。

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。

基于移动端用户行为的新闻内容策略优化分析

随着智能手机和移动互联网的普及,新闻消费行为及其对应的编辑策略发生了显著变化。本文分析了移动端用户行为的发展现状,包括用户对多样化内容和即时信息的增长需求,以及技术进步如5G和AI如何促进用户互动。进一步探讨了这些变化如何迫使新闻机构重新思考内容格式和分发途径。文章最后提出适应这些挑战的策略,旨在提升新闻机构在数字化环境下的竞争力和用户满意度。

面向移动内容分发网络环境的移动视频预取技术研究进展

随着移动互联网的发展和视频应用的普及,移动内容分发网络(MCDN)应运而生。预取技术是内容分发的关键技术之一,它通过预测用户未来的请求,提前将预测的内容预取至网络边缘,从而减少数据的获取时延、提升用户体验质量(QoE)。为深入阐述移动视频预取技术的发展现状,从用户移动行为感知、内容属性感知、网络资源感知等角度分析梳理了移动视频预取技术的最新研究成果,同时分析了各类预取方案的性能及其主要优缺点,最后指出未来可以进一步研究的方向。

数据驱动的移动用户行为研究框架与方法分析

随着智能设备的高度普及化,移动用户产生了海量移动数据。数据驱动的移动用户行为还原与挖掘,能够为用户提供深度个性化服务,成为数据挖掘的热点之一。相关研究的目的和方法差异较大并缺乏统一的研究框架,本文在2005-2015年间发表在国内外重要期刊和会议上的相关文献中筛选出近50篇有关键影响的论文,经过系统梳理和分析,建构了数据驱动的移动用户行为研究框架,主要包括：移动数据的类型、移动用户行为模式分析、移动用户画像的建构和移动用户画像的深度应用。并且系统梳理了移动用户行为研究的方法,总结了当前研究的主要难题和研究方向。

大数据在移动通信中的应用

主要从大数据的关键技术作为出发点,分析和研究大数据在移动通信的运用现状,阐述大数据应用在移动通信的具体表现,提出在移动通信领域应用大数据的相关策略。

核心网大数据挖掘及功用探讨

随着科学技术的不断发展进步,通信网络日新月异,手机等智能终端越来越普及,国内外网络运营商投入大量资金以扩大网络规模并对其进行升级换代,移动通信网络由以前的2G网络发展到5G网络,移动网络用户和各种网络App也在不断增多,这些带动了网络大数据/数据挖掘的快速发展。在网络运营期间,管理人员需要及时获取并分析大量的网络用户数据信息,全面了解移动通信用户的网络状况,以进行相应的故障处理、网络扩容等相关操作。基于此,文章结合实际工作情况,首先说明了4G核心网的基本组成和相关概念,其次阐述了核心网大数据分析要点以及核心网大数据采集方案相关内容,最后介绍了核心网大数据挖掘/分析的功用,希望能够给同行提供一定的帮助。

An Overview of Social Analysis from Mobile Telephone Calls of Different Operators

We construct a call network digraph G with attribution using mobile phone call records within 21 days collected by three operators and analyze the social call behavior features through analyzing the degree distribution of nodes of the network digraph under the help of Graphx based on the Spark Platform.We get the following social conclusions from the communication relationship between phone users:on average,users make about5~7 mobile telephone calls and connect about2~3 persons one day;on weekends,people make less calls but spend longer time on each call,revealing that working calls account for a large part of calls on weekdays;among these telephone calls on weekdays,most are less than one minute,and on average,mobile users that call more people also tend to be called by more individuals.