用户行为解析与数据挖掘模型研究与应用.ppt

用户行为分析与数据挖掘模型研究与应用 陶振武,taozhenwu@介绍框架;用户个体属性判别模型 用户社交属性判别模型 用户的业务偏好分析模型 基于群体相似性的智能推荐模型;总体框架;模型描述（一级）;模型描述（二级）;计算过程;介绍框架;用户个体属性判别模型 用户社交属性判别模型 用户的业务偏好分析模型 基于群体相似性的智能推荐模型;研究目标和意义;研究方法;阶段一：接口检测 检测配置文件，读取数据访问权限 阶段二：数据校验 检测表结构，清洗数据 检查实体完整性和参照完整性 运行状态检测 检测模型运行状态，运行提示;阶段三：OD提取（时间+空间优化） 出现频率大的基站区频繁度得到增强 出现次数下限大的基站区频繁度得到增强 周期性规律更显著的基站区得到突出 ;;;模型识别效果测试;关系识别可视化;可视化示意 ;介绍框架;用户个体属性判别模型 用户社交属性判别模型 用户的业务偏好分析应用模型 基于群体相似性的智能推荐模型;业务偏好应用模型研究的需求 如何根据客户的数据业务行为、基础画像、互联网行为，研究客户的业务偏好以及内容、时间等偏好，针对当前数据业务沉默客户、潜在客户开展激活与推荐。 研究业务偏好应用模型的意义 以用户为导向，满足用户个性化需求，比传统的大众推荐效果更好。 以真实数据为依据进行分析，实现对用户的精准定位和精确推荐。 有利于节约成本、提高利润水平，保留和吸引更多用户。;基于结构化数据的偏好分析模型;输入数据;业务偏好计算;业务偏好计算;基于文本的内容过滤推荐模型;基于文本的内容过滤推荐模型;基于文本的内容过滤推荐模型;介绍框架;用户个体属性判别模型 用户社交属性判别模型 用户的业务偏好分析应用模型 基于群体相似性的智能推荐模型;基于协同过滤的推荐模型;;基于协同过滤的推荐模型;基于FP Tree的关联规则推荐模型;基于FP Tree的关联规则推荐模型;基于社会网络的推荐模型;基于社会网络的推荐模型;模型特点;现网应用实验