基于顯露模式的早期網癮行為檢測模型的研究與實現.pdf

1、網絡成癮問題，即“病理性網絡使用”，英文為Pathological Internet Use，簡稱PIU。研究大多數基于心理學、社會學和醫(yī)學等方向，然而計算機技術領域研究較少。因此，本文從計算機數據挖掘角度對網癮問題進行了研究，提出了基于顯露模式（Emerging Pattem-EP）的網癮模式挖掘和檢測模型，為進一步有效治療網癮提供了可參考的理論依據。
　　顯露模式是一種新的對比挖掘模式，是從一個數據集到另外一個數據集支持度發(fā)生

2、顯著變化的項集，其能夠捕獲目標類與非目標類之間的差異化特征，基于顯露模式可以建立分類效果良好的分類器。在網癮模式挖掘和檢測模型中，首先需要采集用戶上網行為簡單事件，然后通過生成規(guī)則推理出具有高級語義信息的復雜事件，最后根據行為等價類(Behavior Equivalence Class)挖掘出產生子(Generator)，因為產生子能顯著的代表數據集的屬性特征且表示形式簡單。
　　本文提出了兩種PIU模式檢測算法，基于產生子的PI

3、U檢測算法(Ge nerator-basedPIU Detecting Algorithm-GBPDA)和基于EP的PIU檢測算法(EP-based PIU DetectingAlgorithm-EPBPDA)。GBPDA算法從產生子角度，選擇能顯著代表網癮行為的產生子，通過對網癮數據集產生子與測試數據集產生子比對打分方法給出最后診斷。EPBPDA算法則從EP角度出發(fā)，挖掘出跳躍顯露模式(JEP)與基本顯露模式(eEP)，綜合考慮增長率

4、、支持度、JEP與EP提出一種有效打分機制，并利用該機制對網癮進行檢測。
　　從真實數據集和仿真數據兩種數據集進行實驗，分別檢驗了兩種算法的性能指標，如運行時間、內存資源占用情況;有效性指標，如正確率、誤診率、率。實驗結果表明，當數據規(guī)模不大時，兩種方法都有很好的網癮檢測效果，且EPBPDA算法的有效性好于GBP DA算法，這是因為EP區(qū)分能力強于Generator。但性能指標GBPDA算法好于EPBPDA算法，原因在于挖掘EP比