高教社唐九阳大数据技术基础教学课件第11章 在线用户行为分析案例.pptx

第十一章 在线用户行为分析案例;案例目标 案例准备 案例实战 ;目标：基于对用户过往行为的分析，主动为用户带来符合其关注需要或实际需求的内容。 效果： 可以确保用户能够快速发现与自身感兴趣的内容，节约用户时间成本，并切实提升用户体感度； 能够提升用户对电商网站的认可度，若推荐系统可以精准察觉用户关注点，并为用户带来合适资源，则用户会逐渐对该网站形成依赖感，这也有助于企业获得稳定的客户群体。 ;环境准备 数据预处理 构建全文索引 制作字典 分词算法 ;环境准备;数据准备;本文案例的具体目标是向用户提供合适推荐，即采取相关途径使得用户和网页之间形成联系，进而为用户节省信息搜索和获取时间，确保用户能够从海量数据中高效寻获所需内容，在现有较为单一的推荐系统中完成补充，可基于协同过滤算法完成推荐。具体思路如右图所示;用户在进入网站之后所浏览的内容较多，若对数据不作出分类研判，或将全部记录均作出推荐，则会造成下述问题：一是数据量过大；二是用户群体所关注的信息并不相同。 为规避以上问题，需对网站访问记录等作出分类，具体思路如右图所示;按照以上分析方法，根据本例中的原始数据信息和分析目标，能够得到完整的分析流程图;数据抽取 数据探索分析 数据预处理 模型构建;以用户访问时间为具体条件，选择三个月时间内用户访问网站的数据，具体时间为2020年2月至2020年4月，并将这些数据作为原始数据集。不同地区用户群体访问习惯、兴趣偏好并不相同，本案例以长沙市为对象，对当地用户访问数据作出分析，共获得857654条记录，具体内容覆盖用户账号、登陆时间、访问页面、来源网页、标签、关键词等。;网页类型分析 点击次数分析 网页排名;本次案例分析基于原始数据展开，整理与分析目标并无关联或模型使用需要处理的数据，具体预处理措施包括下述几项，即清洗、集成、变换，具体处理流程图见下图;理论上，有了特征之后，就可以比较各个章节的相似性了。然而问题是，现在有 50 个特征，也就是说现在的数据空间是 50 维的，这对于想象四维空间都难的人类来说是很难可视化的。对于高维数据的可视化问题来说，PCA 是一个很好用的数学工具。;在构建推荐模型时，可选择多种推荐方法。为提高推荐精准度，大多数情况下均需综合使用多种推荐方法得出推荐结果，一般在对推荐结果作出组合时，可运用串行法或并行法。本案例选用并行法;首先需关注如何应对冷启动问题，在出现新用户后，考虑如何更好完成推荐？;本章主要介绍了协同过滤算法在电子商务领域中的应用，实现了对用户的个性化推荐。通过对用户访问日志的数据进行分析与处理，采用基于物品的协同过滤算法对处理好的数据进行建模分析，最后通过模型评价与结果分析，发现基于物品的协同过滤算法的优缺点，同时对其缺点提出改进的方法。结合上机实验，有助于更好地理解协同过滤推荐算法的原理以及处理过程。;参考文献