《手机上网用户行为分析系统》结题汇报.ppt
《《手机上网用户行为分析系统》结题汇报.ppt》由会员分享,可在线阅读,更多相关《《手机上网用户行为分析系统》结题汇报.ppt(29页珍藏版)》请在三一文库上搜索。
1、中国移动集团级重点研发项目 结题汇报报告,5/27/2019,项目名称:手机上网用户行为分析系统,一. 课题目标实现情况,目 录,二、主要研究成果(整合后),研究背景,“十一五”期间,我国网民规模跃居全球第一,宽带普及率接近100%,手机网民规模迅速发展,互联网应用更加深入,推动着社会进步和人们生活方式的变革。随着移动互联网近几年快速的发展,作为移动互联网关键环节的中国移动正在感受这个浪潮带来的冲击。,上网流量同比上升112.3%,流量收入同比上升49.4%,高速发展的流量并没有带来相关收入的同步增长,研究背景,在以用户为中心的发展时代下,了解用户需求成为我们面对课题的第一步工作,这就需要我们
2、对我们网络中的流量有深入的了解,掌握我们用户的行为情况,便于我们针对性的调整运营战略,在正在到来的移动互联网大潮中未雨绸缪,迎接即将到来的挑战。 针对用户的需求分析作为中国移动具有先天的优势,海量的CMWAP、CMNET的日志信息蕴含着巨大的财富,通过用户移动互联网行为分析,一方面让我们更了解我们的用户,实现个性化需求的识别。同时在有限的资源情况下及时的为用户提供个性化的产品生产、个性化的匹配/分发。 通过针对用户上网行为的分析实现个性化需求的识别,成为数据部迫不及待需要解决的问题;同时在流量经营和精细化的营销方面具有非常重要的战略意义。,研究目标,建立一套完善的手机上网用户行为分析系统, 通
3、过对用户手机上网访问行为进行分析,获取用户的访问轨迹、浏览页面内容、网站信息、浏览客户端信息、移动终端信息等,进行各类分析,形成各类用户模型。,网络爬虫,GPRS,网站 内容分析,用户行为分析,用户属性,内容属性,结果呈现,5个应用,细分营销活动,精确发展用户,引导自有业务,分析竞争业务,个性化内容,日志采集,研究目标,研究一种适应分类体系变化的海量网页快速分类系统,要求如下: 实现一个快速爬取手机用户访问日志的方法,需要深入到用户访问页面的标题、正文信息以及相关网页链接。 针对手机互联网,提出一种正文提取的方法。基于分块的基础上,提取每个信息块的信息量,并计算各个分块和网页title的相似度
4、,最终确定正文块。 基于主题的多分类方法。文本不被看作仅仅是由一些特征词所组成的,而是被看作是由一些主题构成的,主题是由一些特征词构成的。通过样本中不同类别的主题分布,实现预测出一个新的文本到底属于什么类别。,研究总体框架,手机上网用户行为分析项目研究的总体架构如下: 多数据海量数据预处理 海量数据存储和计算 “客户-内容”特征类标签分层可扩充体系 “客户-内容-业务”三维匹配矩阵 前台应用管理模块,研究总体框架,系统海量数据存储和计算功能是整个系统的核心功能实现模块,根据功能的层次结构可以进一步细分为以下层次: 数据采集和接口层:它负责从不同类型的网络中的接入和采集数据。针对网络自身的特性以
5、及系统建设的实际情况,数据的采集可以是从硬件设备(如网关、Gn口、分光设备)直接获取并解析,也可以是从其它系统(如BOSS和VGOP)导入。 数据清理和融合层:它负责对采集的数据进行清洗,归一化后存入海量数据存储设备。为了更深层次分析用户行为,它还负责网页收集和爬取、网页分类、应用协议分析,以及用户属性的获取等功能。 网络统计和用户行为分析层:它负责系统的核心应用功能实现,分为手机和有线网络流量统计分析、用户个体和群体行为分析、以及游戏、音乐等应用业务专题分析等。 分析结果展示层:它负责向读取网络统计和用户行为分析层产生的结果,并向用户展示在浏览其中。,难点及解决方案,项目的难点: 本课题首先
6、是获取不同类型网页的正文内容,然后利用数据挖掘来分析用户的喜好,其主要的困难如下: 数据大规模性 网页类型多样性 分类要求的高效性 多分类性 分类体系的变化性 “客户-内容-业务”三维矩阵模型的构建 用户数据的零散性 垃圾数据的清理 用户数据业务偏好的识别,项目的难点及解决方案,相关解决方案: 系统架构采用云存储和云计算的方式,有良好的扩展性; 建立适应性分类体系变化的海量网页快速分类体系和系统 基于主题的分类方法正是为解决这些问题应运而生。它基于PLSA模型,计算出文本的主题分布,再根据贝叶斯分类来预测文本所属的类别。由于PLSA模型在训练的时候比较耗时,但在训练过之后,计算文本的主题分布的
7、时间是线性的,所以在实际应用中,计算文本的主题分布并不是很耗时。另外,基于主题贝叶斯分类消耗的时间也是有限的,因为主题数通常都在1000以下,相比于特征词来说,维度已经降低了很多,所以时间花费也比较少。 基于主题的分类方法以PLSA的模型的理论基础,通过抽象出一个虚拟的主题层,通过文档和关键词之间的共生关系,来求解主题和各文档的关系及主题和关键词的分布情况。以及在求解过程中所采用的EM迭代算法。,主要技术方案和关键技术,hadoop-分布式存储系统hdfs 高效性:任务分配,数据分发,本地计算,高吞吐量等 异构软硬件平台的可移植性 可靠性:容错,复本 大数据集 数据一致性,主要技术方案和关键技
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 手机上网用户行为分析系统 手机 上网 用户 行为 分析 系统 汇报
链接地址:https://www.31doc.com/p-2846613.html