基于移动终端用户访问内容的服务推荐模型分析-analysis of service recommendation model based on mobile terminal users access to content.docxVIP

摘要摘要4G牌照的颁发和持续增长的移动终端的持有量势必带来移动互联网的高增长态势，这也标志着中国移动互联网新时代的全面到来。对于运营商而言，已经趋于饱和的语音通信市场增长空间日趋狭窄。为保证其持续健康发展，运营商提出了以存量经营、流量经营、集团客户经营作为发展的三大主驱动力。通过对客户信息挖掘，精细化管理，差异化服务，从而更好的满足用户的需求，实现业务的持续增长。如何在移动互联网飞速发展的大趋势下挖掘出客户的消费潜力，稳固自己的市场份额，是摆在各大电信运营商面前的重大课题。本文从分析国内外基于用户在移动互联网的访问行为和访问内容而进行的精准服务推荐入手。通过用户在移动终端的上网日志分析用户的上网行为，挖掘用户的生活轨迹和生活需求，以实现“产品寻找用户”为目标，构建基于用户访问内容的服务推荐模型，模型分三大模块。包括的主要内容和成果为：1、用户上网日志数据的预处理模块首先对用户的移动互联网日志进行采集、过滤、去重等操作。统计各个时段的上网人数和PV量（pageview），分析用户上网行为的时间偏好。另外，利用网络爬虫抓取网页源码，利用网页正文提取技术，提取HTML源代码中的正文内容。2、用户访问内容的文本分类模块利用文本分类（支持向量机SVM）技术对爬虫抓取的网页内容进行分类，从而推测用户在该时间段内的需求。实现了中文文本分词、文本特征提取，文本向量化以及基于SVM的多分类等技术。收集训练集训练分类模型，利用模型对用户的访问内容分类，构造用户访问内容的偏好模型。3、产品推荐模块以母婴产品为例，通过分析母婴类产品，收集数据集构造母婴领域不同类型产品的特征向量。提取用户访问偏好模型中母婴类偏好系数不为0的用户为目标用户，计算其访问的母婴类文本与目标产品的特征向量的相似度来确定推荐产品的类型。最后，通过用户访问的时间偏好来确定服务推荐的时间。关键词：文本分类，上网日志，网络爬虫，服务推荐IABSTRACTABSTRACTThereleaseof4GlicensesandsustainablegrowthofmobileterminalholdingsinevitablyleadtohighgrowthsituationofthemobileInternet.ThisalsomarksaneweraofChinamobileInternetentirely.ForoperatorsinChina,thegrowthspaceofthesaturatedvoicecommunicationmarketisnarrow.Inordertopromotestrategictransformation,operatorsputforwardtothreemaindrivingforceswhicharethestockmanagement,trafficmanagementandguestmanagement.Throughtheinformationminingtocustomer,finemanagement,differentiatedservices,soastobettermeettheneedsofusersandmakethebusinesscontinuestogrow.Howtogetusers?potentialspendingpowerunderthetrendofthedevelopmentofthemobileInternetisanimportantsubjectinfrontofoperators.Thisthesisstartsfromtheanalysisofservicerecommendationbasedonusers?webaccessbehaviorandcontentindomesticandoverseas.TouseInternetaccesslogofthemobileterminalforfindingpeople?sbehaviorsothatknowingtheuserslifedemand.Thegoalisrealizing?productsearchingforuser?.Thenbuildthemodelofservicerecommendationbasedonwebaccesscontent.Maincontentsandachievementsofthisthesisareasfollows:thepreprocessingandanalysisofusersweblogAtfirst,thethesiscollectsandfiltersalargenumberofusers?accesslog.Makingstatisticsofonlinebehaviorsuchas