面向移动商务智能的数据挖掘方法研究.pdfVIP

面向移动商务智能的数据挖 掘方法研究 陈恩红 中国科学技术大学计算机学院 内容提纲 2 1 背景介绍 2 移动应用商店排名欺诈检测 3 情境感知的移动推荐系统 4 基于扩展信息的移动应用分类 5 结束语 内容提纲 3 1 背景介绍 2 移动应用商店排名欺诈检测 3 情境感知的移动推荐系统 4 基于扩展信息的移动应用分类 5 结束语 移动商务智能概述 4  近年来，移动互联网产业迅猛发展，根据中国互联网信息中心2013年发布的 《 中国互联网络发展状况统计报告》，2012 年是中国移动互联网市场爆发式增 长的一年，移动网络从3G 向4G 升级，移动设备用户数超越了台式电脑数， 我国手机网民规模已超过4.2 亿，占整体网民数量的比例74.5% 。  各种移动应用和智能服务，如智能移动应用程序，基于位置的服务等，在规模 上同样出现了爆炸式增长。 移动商务智能概述 5  移动商务智能为移动商务服务及应用的开发、决策 、运营等提供智能分析与挖掘方法  典型的移动商务智能：  移动推荐系统  移动用户行为分析  移动城市计算 移动商务智能－移动推荐系统 6 出租车载客路线推荐 移动用户团购推荐 移动商务智能－移动用户行为分析 7 移动用户重要地点发现 移动用户行为模式分析 移动商务智能－移动城市计算 8 智能行驶路线推荐 城市功能区域划分 移动线路重构 (d) (e) 移动商务智能的机遇数据 9 移动用户情境数据 移动应用商店数据 内容提纲 10 1 背景介绍 2 移动应用商店排名欺诈检测 3 情境感知的移动推荐系统 4 基于扩展信息的移动应用分类 5 结束语 移动应用商店排名欺诈检测 11  随着移动技术的飞速发展，各种移动应用和服务已进入人们生活、娱乐与 工作等方方面面。为方便用户选择，各种移动应用商店都提供了应用排行 榜，比如“免费排行”，“收费排行”等。  在排行榜上名列前茅的应用不仅会收获大量用户，往往也会获得丰厚的商 业利润。因此，应用开发商都希望自己的应用能够排到榜单前面。  一些厂商雇用商业公司，通过“机器人”或者“水军”来刷榜，即移动应 用商店排名的恶意欺诈。 移动应用商店排名欺诈检测 12  移动应用商店的排名欺诈引起了工业界的高度重视，苹果因此封 杀了众多移动应用厂商。  如何检测这些排名欺诈，具有很多挑战：  刷榜行为并不是长时间的，而是在某些时间段实现。挖掘活跃周期  移动应用数量众多且快速增长，需要设计自动的增量式方法实现  移动排行具有高度的动态性，需要寻找刷榜行为证据 1. Hengshu Zhu, Hui Xiong,