基于聚類技術(shù)的校園網(wǎng)絡(luò)用戶行為數(shù)據(jù)分析研究.pdf

1、目前，隨著校園網(wǎng)絡(luò)用戶個性化需求的日益增長，網(wǎng)絡(luò)信息服務(wù)的使用從集中統(tǒng)一型向分布式個性化演進(jìn)，校園網(wǎng)絡(luò)中的用戶有著各自的上網(wǎng)習(xí)慣和興趣，各用戶使用網(wǎng)絡(luò)的時間、服務(wù)及關(guān)注的內(nèi)容焦點都有差異。校園網(wǎng)絡(luò)服務(wù)也從傳統(tǒng)的網(wǎng)絡(luò)聊天、瀏覽新聞網(wǎng)頁等方面向更細(xì)致、更個性化的服務(wù)轉(zhuǎn)變，如網(wǎng)絡(luò)購物、網(wǎng)絡(luò)課堂、娛樂游戲等，這為校園網(wǎng)絡(luò)用戶提供了極大的便利。然而，現(xiàn)階段的個性化校園網(wǎng)絡(luò)用戶服務(wù)在及時性、穩(wěn)定性等方面仍無法滿足實際應(yīng)用的需求，因此，為校園網(wǎng)用戶提

2、供更加及時、更高質(zhì)量的網(wǎng)絡(luò)服務(wù)，成為網(wǎng)絡(luò)用戶行為的研究方向之一。本文將借助挖掘處理、聚類分析技術(shù)來研究網(wǎng)絡(luò)用戶的行為，并進(jìn)一步分析網(wǎng)絡(luò)用戶的興趣和需求，以優(yōu)化用戶體驗。高等院校內(nèi)的校園網(wǎng)使用者有著比較高的文化教育水平和專業(yè)水平，并且不同的用戶有著不同的網(wǎng)絡(luò)使用習(xí)慣以及更加個性化的網(wǎng)絡(luò)需求，因此，在校園網(wǎng)中獲取的數(shù)據(jù)相比社會網(wǎng)絡(luò)數(shù)據(jù)有著更高的可研究性。
　　本文的主要研究工作和創(chuàng)新點概括如下：
　　1．本文梳理了近年來國內(nèi)外有

3、關(guān)網(wǎng)絡(luò)用戶行為的分析研究現(xiàn)狀，歸納總結(jié)出校園網(wǎng)絡(luò)用戶行為的概念及特點、數(shù)據(jù)挖掘的流程和方法，并根據(jù)校園網(wǎng)絡(luò)用戶行為分析數(shù)據(jù)的特點，選擇了K-means聚類算法進(jìn)行改進(jìn)，并用于聚類分析。
　　2．本文在傳統(tǒng)經(jīng)典的K-means聚類算法的基礎(chǔ)上，提出了基于興趣矩陣的相似度計算方法。該算法通過構(gòu)造用戶興趣度矩陣的方式改進(jìn)了用戶間相似度的計算方法，即用戶的上網(wǎng)行為以矩陣的形式表示出來，其中，每個矩陣有七行，每一行表示日期的記錄，即（周一、

4、周二...周日），每個矩陣元素表示在某影響條件分類下網(wǎng)絡(luò)使用量占當(dāng)天總使用量的比重值，每一列表示網(wǎng)絡(luò)用戶在同一影響條件分類下，不同日期的網(wǎng)絡(luò)使用量占當(dāng)天總使用量的比重值，進(jìn)而使用聚類技術(shù)，對校園局域網(wǎng)用戶行為進(jìn)行相似度計算。該算法在一定程度上降低了無效數(shù)據(jù)的影響，提高了用戶行為相似度聚類的時效性和有效性，能夠較好的應(yīng)用于校園局域網(wǎng)用戶行為的具體研究中。
　　3．本文提出了對影響用戶行為的條件進(jìn)行篩選的算法，即根據(jù)用戶行為隨條件變化