基于小数据的在线用户兴趣长程演化研究

被引：20

作者：

李勇 ^{[1
,2
]}

孟小峰 ^{[1
]}

刘继 ^{[3
]}

王常青 ^{[4
]}

机构：

[1] 中国人民大学信息学院

[2] 西北师范大学计算机科学与工程学院

[3] 新疆财经大学统计与信息学院

[4] 中国互联网络信息中心互联网基础技术开放实验室

来源：

计算机研究与发展 | 2015年 / 52卷 / 04期

基金：

高等学校博士学科点专项科研基金;

关键词：

小数据; 块熵; 超熵; 兴趣演化; 预测增益;

D O I：

暂无

中图分类号：

O236 [信息论（信息论的数学理论）];

学科分类号：

070104 ;

摘要：

网络大数据中与Web用户行为相关的数据,例如在线点击数据和通讯记录等,为人们深度挖掘和定量分析人类兴趣动力学带来了机遇,这些在线行为数据被称为大数据时代的"小数据",有助于揭示许多复杂的人类社会与经济现象.Web用户行为建模时常见的前提假设就是人的行为符合Markov过程,用户下一行为仅依赖于当前行为,与过去的历史行为无关.然而,在线用户行为是一个复杂过程,常常依赖于人的兴趣,对于人类兴趣动力学的本质规律目前知之甚少.利用中国互联网络信息中心提供的30 000多名在线用户行为记录数据,基于块熵理论对在线用户行为进行分类研究,通过信息论分析方法,结合熵增曲线的离散导数和积分理论,分析在线用户点击行为的随机性和记忆性特征.研究表明,与常见的假设不同,Web用户的行为并不是一个简单的Markov过程,而是一个符合幂率的非周期无限长程记忆过程;进一步还发现,用户在线连续点击7个兴趣点,其行为的平均预测增益就可达到95.3%以上,可为大数据时代在线用户兴趣精准预测提供理论指导.

引用

页码：779 / 788

页数：10

共 7 条

[1] 云计算环境下基于协同过滤的个性化推荐机制 [J].

朱夏 ;

宋爱波 ;

东方 ;

罗军舟 .

计算机研究与发展, 2014, 51 (10) :2255-2269

[2]

社会计算:大数据时代的机遇与挑战[J]. 孟小峰,李勇,祝建华.计算机研究与发展. 2013(12)

[3] 大数据管理:概念、技术与挑战 [J].

孟小峰 ;

慈祥 .

计算机研究与发展, 2013, 50 (01) :146-169

[4]

Small data, where n = me[J] . Deborah Estrin.Communications of the ACM . 2014 (4)

[5]

Block-Entropy Analysis of Climate Data[J] . J. Walter Larson,Peter R. Briggs,Michael Tobis.Procedia Computer Science . 2011

[6]

Impact of interactions on human dynamics[J] . J.G. Oliveira,A. Vazquez.Physica A: Statistical Mechanics and its Applications . 2008 (2)

[7]

Maximum entropy production principle in physics, chemistry and biology[J] . L.M. Martyushev,V.D. Seleznev.Physics Reports . 2005 (1)

← 1 →