基于网络行为分析的用户分类技术研究.pdfVIP

综述： 十 络行为分析的用户分类技术 究 基于网络行为分析的用户分类技术研究 王永程 摘要：随着网络化 、宽带化的高速发展 ，网络行为分析 已经成为一个重要的研究领 域，而网络用户分类研究是网络行为分析最重要的内容之一。总结 了近年来5-种不同的 用户行为分类方法：基于行为特征分布的用户分类、基于机器学习的用户分类、基于行 为模型的用户分类方法的优势和不足，分析 了它们的发展趋势。 关键词：网络行为分析；用户分类 ；行为特征；行为模型 的准则不l司，对相 行为模式的解释也不一样 。 1 引言 本文总结了近年来三种不 的用户行为分类办 随着网络化、宽带化的高速发展，尤其是 法：基 J行为特征分布的用户分类、基 J机器 社交网络的普及 用，网络用户的行为分析 已 学习的用户分类以及基 J行为模型的用户分类， 经成为一个重要的研究领域 。尤论是网络基础 分析了_三种不同分类办法的优势和不足及其发 设施提供商、网络运营商 ，还是网络服务提供 展趋势。 商、广告商等，网络及其用户行为模式的挖掘 2 基于行为特征分布的用户分类 和分析对各 自的运营、服务模式和智能化水平 都能产生重要 的影响。 基丁行为特征分布的用户分类的主要思想 网络用户的分类是用户行为研究的重要 内 是：采用统计学方法考察行为特征罱的统计规 ， 对用户不I司行为模式的理解 ，有助下研究 律，并对不同特征晕分布之阿相关性进行考最。 和制定不l—J的应用策略。如从网络系统设计的 行为特征量的分布情况有助1直观理解用户行 角度 ，不 类别的用户所需要的系统资源不一 为，如用户参与程度、用户偏好、用户影响力 样 ，基 ’J用户行为的资源配置可有效提高资源 等 。特征晕 的分布参数有助1定骨=I)=‘分用户 。 利用率 ；从 网络服务 的角度 ，服务提供者可依 另外 ，特征最分布之 间相关性分析可 以解释用 据不 的行为模式提供个性化、差异化的服务， 户行为之间的依赖性 以及用户行为的形成机制 。 增强用户体验 ；从网络情报 的角度 ，网络监管 文献 4【]采用 的数据源 为新浪微博的用户 部 门可针对不J—J行为特征的用户群采取不 的 信息，基于新浪提供 的API接 U，在特定时段 监管策略 。 采用滚雪球和宽度优先的爬取策略，主要记录 学术界和T业界从不同的 用角度对网络 了用户的6类行为特征，分别是用户粉丝数、 用户行为开展 了研究，文献 【1]从 电商的角度对 关注数、微博数、收藏数、转发数、评论数 。 用户行为进行分类 ，文献 2【]拟通过结合用户行 这 6类特征 的物理意义 比较 明显 ，这里不 为模式提供最优 网页搜索体验 ，文献 [3]提 山了 冉赘述 。表 1显示的是行为特征量的分布情况 。 一 种通过分析用户社交行为进行用户角色推理 粉丝数可 以用f描述用户影响力，关注数 的方法 。另外，由于应用需求的多样性，即不 则代表 了用户的参与程度 。表 1对数据集 中用 同的分析动机和意图，导致用户行为特征选择 户粉丝数和关注数的基本统计量进行 了简单归