导读:本文包含了用户行为预测论文开题报告文献综述及选题提纲参考文献，主要关键词:用户行为特征,深度森林,特征工程,购买行为预测
用户行为预测论文文献综述
葛绍林,叶剑,何明祥[1]（2019）在《基于深度森林的用户购买行为预测模型》一文中研究指出近年来,网络零售保持高速增长,网站中富含大量的用户行为数据。电商平台中的用户对商品的操作行为可以体现用户偏好,如何利用用户行为挖掘用户偏好已经成为学术界和工业界的关注焦点,并已经取得了众多研究成果。然而,目前用户操作行为预测方法研究通常只针对用户某一类操作行为进行分析,无法完备反映用户行为的整体特征。因此,提出一种基于深度森林的用户购买行为预测模型,通过构建用户行为特征工程建立整体用户行为特征模型;基于此,提出基于深度森林的用户购买行为预测方法,实现高效的行为预测训练效果。该方法的训练时间为43 s,F1值为9.73%,相对其他模型取得了更好的效果。实验结果表明,该模型在降低时间开销的同时,提高了预测准确率。(本文来源于《计算机科学》期刊2019年09期）
俞准,周亚苹,李郡,黄余建,张国强[2]（2019）在《建筑用户在室行为预测新方法》一文中研究指出准确预测建筑用户在室行为可显着提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.(本文来源于《湖南大学学报(自然科学版)》期刊2019年07期）
邓米克,黄心怡,涂山山,张雅琴,肖创柏[3]（2019）在《异构蜂窝网络中基于HMM的用户行为预测方法》一文中研究指出针对异构蜂窝网络(heterogeneous cellular networks,HCN)环境下,传统的切换管理策略极少综合考虑热点地区用户的移动偏好与移动特征的问题,提出一种基于隐式马尔科夫模型(hidden Markov model,HMM)对热点地区用户行为进行感知的方法.首先,该方法基于人类自相似性最小行走移动(self-similar least-action human walk,SLAW)模型模拟热点地区用户移动路径,并使用HMM对用户行为建模;然后,通过用户的移动序列预测对应的移动时间;最后,通过仿真实验分析不同采样时间和不同基站密度对用户行为预测的影响,为设计合理的切换管理方案提供具体的设置参数.结果表明,该方法提升了热点地区用户行为预测的准确率,确保热点地区基站对即将到来的切换请求做出有效准备.(本文来源于《北京工业大学学报》期刊2019年10期）
成耐克[4]（2019）在《面向教育数据日志分析的用户行为预测研究》一文中研究指出当前大多数信息系统使用用户静态属性、动态行为等数据预测用户访问网站行为,但是对用户动态行为之间的联系考虑不足。在业务信息系统中,业务流程的设计是决定用户行为的主要因素。因此,本文使用教育领域业务信息系统的用户行为日志数据,进行了叁方面研究:(1)从日志数据中挖掘用户行为关系;(2)研究了融合用户行为关系的脑皮层学习模型BRHTM;(3)预测地区教育统计平台用户访问网站行为。具体研究如下:首先,使用过程挖掘的方法构建完整的工作流网。本文结合该问题研究了一种新型日志次序关系以实现上述目标,并通过五个质量维度(拟合度、简洁度、精确度、泛化度和行为适当性)来比较日志次序关系。在此基础上,梳理用户日志数据中的因果关系、并行关系,结合用户行为次数、前件次数和后件次数进行相关性分析。实验证明,这五类特征之间存在强相关性。最后使用聚类算法,结合用户行为类别标签挖掘用户行为关系。其次,本文设计了融合用户行为关系的脑皮层学习模型,即BRHTM。首先重点探讨了稀疏分布表示,形成了基于稀疏分布表示的处理单元,即一种专属的人工细胞模型,从而构成了该模型的训练数据集;然后识别细胞活跃状态、细胞预测状态,并更新细胞突触值,形成细胞预测模型;遍历模型预测结果。最终实验证明,BRHTM在用户访问网站多步预测时具有良好的效果,提高了准确率。最后,应用本文研究的融合用户行为关系的脑皮层学习模型BRHTM,设计出地区基础教育统计数据库平台用户行为预测的实施方案和软件系统。在地区教育统计基础数据库平台中设置用户行为预测模块,使用该模型对用户行为进行预测,并向用户予以实时提示。通过该功能,验证了模型的可用性,并为类似的预测问题提供了解决思路。该模型过程基本完整,使得用户行为预测问题得到了解决。(本文来源于《西安理工大学》期刊2019-06-30）
陆怡[5]（2019）在《基于深度神经网络的信息系统用户异常行为预测研究》一文中研究指出随着企业信息化水平的不断提升,企业核心业务越来越依赖于信息系统的可靠运行。对企业而言,任何信息系统用户所进行的异常操作,都可能会给企业带来不可估量的损失。因此,用户异常行为对企业造成的负面影响是一个无法忽视的问题,用户异常行为检测也成为当前学者的研究热点。在各种用户异常行为检测方法中,数据驱动方法可以适应数据的复杂变化,所以采用数据驱动的方法进行用户异常行为检测。由于存在多种多样的数据驱动方法,因此,如何选择一种高效准确的用户异常行为预测方法,成为了本文的研究问题之一。此外,目前企业中的异常检测软件大多针对系统的软硬件本身而开发,很少有专门检测用户行为的系统,而且用户异常行为的分析处理过程耗时较长,有较多步骤都可实施自动化操作。因此,亟需开发一个用于预测用户异常行为的系统,帮助企业提高数据处理效率,增加数据价值。为了解决这两个问题,本文以某船舶企业为例,采用特征工程的理论和方法,对信息系统日志数据进行了特征处理,并对相关分类模型与算法进行了详细的分析阐述和实验研究,并基于此设计了预测系统,最后提炼出了一个用户异常行为预测流程。本文主要研究和完成的工作如下:(1)日志数据的异常行为分类和特征工程构建。本文明确了异常行为的发生条件,将无监督的日志数据集转化为了有监督的用户异常行为数据集。然后运用特征匹配、构造、编码、缩放和降维的方法,对日志数据进行特征工程处理,得到了适用于深度神经网络模型的数据集和特征维度的重要性排序结果。(2)深度神经网络模型预测。本文首先构建并优化了DNN模型,其次采用特征去尾的方法迭代测试了不同特征维度数量下的模型性能,得到了相对较好的预测结果,然后对比了每个维度下的不同行为模式发生率,并可视化了对比结果,分析发生原因,制定降低用户异常发生率的策略,最后对比分析了深度神经网络模型与多重线性回归、支持向量机的预测结果,阐述了深度神经网络模型的优越性。以业务部门为例,深度神经网络的预测召回率达到77.4%,优于支持向量机的74.86%;预测精度达到84.56%,显着优于支持向量机的63.03%。(3)系统设计与预测流程提炼。结合相关理论方法和实际实验结果,本文基于此设计了一个预测系统,归纳了一个用户异常行为预测流程,并缩短了数据处理分析的时间,提高了预测的效率,让用户异常行为的分析变得更简单。(本文来源于《江苏科技大学》期刊2019-05-19）
康霄普[6]（2019）在《基于循环神经网络的社会化问答社区用户答题行为预测研究》一文中研究指出Web2.0是互联网时代的核心理念。社会科技的进步扩大了人们的知识需求,用户在寻求答案的过程中已经不再局限于第一代“关键词搜索式”网络问答系统,社会化问答社区成为用户“提出问题-解决问题”的首选方式。社会化问答社区具备社交性、互动性和分享性特征,针对某一问题能够产生多种优质答案,提问用户在浏览的过程中对答案进行再次筛选,这也促使了社区意见领袖的出现。意见领袖一方面借助问答社区平台提出问题,获取个体所需知识;另一方面为了实现自我价值,平衡被尊敬和被需要的心理需求,他们会分享更多的信息,满足其他用户的知识需求。基于社交网络关系的链接、个人知识获得的满足感、社区意见领袖自我价值实现的需要,更多的用户被吸引过来,形成比较稳固的社会网络关系,从而产生了提问、回答、评论等信息行为。由于用户所回答的问题往往与用户的兴趣存在直接的关联,也就是说用户答题行为的产生是建立在用户兴趣的基础上,用户只有对某类问题感兴趣,才会对该类问题进行回答。基于用户兴趣与所答问题之间的关联,本文从用户回答的问题入手,通过构建问题话题预测模型实现对问题话题的识别,并根据模型预测问题话题的概率,结合用户回答某一话题的概率,从而预测出用户对某个问题的答题概率。同时用户所回答的问题都存在问题标签,而问题标签是关联问题内容和问题话题的重要信息。因此我们可以从用户回答的问题角度来预测用户回答某个问题的概率。本文的工作主要包括以下几个方面。设计并生成构建循环神经网络模型需要的数据集:结合当前已有的微博转发预测方法以及应用神经网络实现对广告点击率等多领域进行预测的方法,通过分析社会化问答社区用户及问题特征,采用爬虫技术等方式在互联网上收集社会化问答社区用户和问题的相关指标,通过特征向量方法将收集到的数据整理成循环神经网络能够接收、处理的数据。设计并构建社会化问答社区用户答题行为预测模型:实现对社会化问答社区用户答题行为的预测,首先需要建立基于循环神经网络的问题话题预测模型,运用循环神经网络(RNN)网络架构,根据RNN的正向传播及反向传播算法,配置开发环境并通过Tensor Flow框架将该神经网络实现。根据已收集到的话题及问题相关数据,从中选取问题内容、问题标签等特征作为模型的输入,构建基于循环神经网络的问题话题预测模型。依据模型的输出结果得到问题的话题及概率值,并结合用户话题回答概率,预测用户回答某一问题的概率。通过实验进行循环神经网络模型参数优化并进行性能测试:使用循环神经网络模型对社会化问答社区用户回答的问题话题进行学习,不断通过实验将模型参数调优,得到最优化的预测模型,进而通过该模型实现问题话题及其概率的预测。在此基础上,从中选取叁条问题和预测结果,从循环神经网络模型预测的结果是否符合其输出层Softmax函数的特点,是否符合知乎检索结果以及知乎的问题/话题映射关系叁点出发,证明了本文RNN预测模型的有效性,并结合学习率和缺损率指标对模型进行了评估。本文从用户所回答的问题角度出发,将循环神经网络模型用于答题行为预测的研究,搭建了基于循环神经网络的问题话题预测模型,并结合用户的话题回答概率,预测用户对某个问题的答题概率。本课题不仅能够充分挖掘用户和问题的关键特征,还能为其他领域的细粒度预测提供一定的研究基础,对于兴趣问题的推荐、热销商品的发现乃至商业营销策略的实施也具有重大研究价值。虽然本文通过运用机器学习算法通过构建问题话题预测模型,预测了社会化问答社区用户的答题概率,具有一定的理论价值和实践意义,但是有关深度学习的一些技术还需要优化和完善。(本文来源于《吉林大学》期刊2019-05-01）
曾蔚,吴伊萍[7]（2019）在《一种基于卷积神经网络和贝叶斯网络的用户行为预测算法》一文中研究指出针对群体中的个体行为具有随机性及不确定性但在群体结构上却倾向于采取相同或相近策略的问题,提出一种基于卷积神经网络和贝叶斯网络的用户行为预测模型。卷积神经网络负责学习群体共性行为并进行预测,贝叶斯网络融入个人内在因素、客观情景因素及短期效应因素等特征对卷积神经网络的预测结果进行校正。模型旨在融合卷积神经网络优秀的识别能力及贝叶斯网络的因果推理能力,帮助决策者发现隐含在海量用户行为中的因果关系。最后的实验表明,该模型能够有效提升用户行为预测的正确率。(本文来源于《安阳师范学院学报》期刊2019年02期）
牛强[8]（2019）在《基于循环3D卷积神经网络的电信用户行为预测系统的设计与实现》一文中研究指出电信网络流量增长迅速,网络流量实时调度的需求也愈发重要,目前在基于网络区域粒度和天级别的流量预测上已经取得了可观的进展,却一直缺少对基于用户粒度和天级别的流量和更多其他电信行为的预测。另一方面,电信套餐大量涌现以满足用户的差异化需求,电信套餐个性化推荐较好的解决了月级别的套餐与用户匹配问题,但无法感知基于用户粒度和天级别的电信用户行为变化,不能向用户推荐合适的天级别套餐。上述问题可统一为如何提供基于用户粒度和天级别的电信用户行为预测。针对该问题,论文提出了一种3D特征帧数据结构,在保留时序性、局部相关性的前提下,抽象了用户粒度和天级别的电信用户行为特征;提出了一种循环3D卷积神经网络模型,较好的整合了3D卷积神经网络和栈式长短期记忆网络的优势,使之能够更好的挖掘电信用户行为特征,和学习电信用户历史行为规律学习,自动的预测电信用户的未来行为。论文首先研究了电信用户行为预测相关技术,提出循环3D卷积神经网络模型,并进行了模型调优;然后分析了电信用户行为预测问题的特点,明确了电信用户行为预测系统要满足的功能性需求和非功能性需求;接下来,依据需求分析,围绕3D特征帧和循环3D卷积神经网络,阐述了电信用户行为系统的总体功能结构设计和各模块的功能结构设计,并基于MapReduce编程模型和TensorFlow编程框架等技术,设计和实现了较完整的电信用户行为预测原型系统;最后描述了原型系统的测试工作,验证了原型系统的可行性。论文的研究成果对今后研究电信用户行为预测问题具有一定参考意义。(本文来源于《北京邮电大学》期刊2019-03-01）
徐冬,肖莹慧[9]（2019）在《基于机器学习技术的网站用户行为预测》一文中研究指出针对网站中用户留存度、转化率和忠诚度较低的问题,文中以旅游网站为例,基于logistic回归的机器学习技术,提出一个旅游网站的访问用户行为预测模型。该模型对网站用户的行为数据集合进行预处理,按照固定的比例对数据集合进行分类,验证数据集的分类服从相同的统计分布。最后,建立使用logistic回归机器学习算法相应的模型,对网站用户的行为进行预测。预测结果表明,该模型可以比较准确地预估网站用户的行为。(本文来源于《现代电子技术》期刊2019年04期）
谭晶[10]（2019）在《O2O电商用户行为预测应用研究》一文中研究指出电子商务的发展使得传统实体业面临危机,而O2O模式为传统行业带来转机同时改变着人们的生活方式,因此O2O用户数据对整个业务模式的发展至关重要。文章分析了O2O模式的特点和O2O用户数据的特征,提出数据挖掘流程,并探讨了O2O电商用户数据挖掘的应用。通过对O2O电商用户数据的分析,不仅能给用户带来更精准优质的服务体验,也可帮助企业实现精准营销。(本文来源于《信息通信》期刊2019年01期）
用户行为预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
准确预测建筑用户在室行为可显着提高建筑能耗模拟精度,并进一步帮助建筑设计及运行控制优化.当前进行在室行为预测时所采用的主要是基于隐马尔可夫链方法的数学模型,该模型考虑了在室行为的时间关联性,可平稳有效地预测在室行为.然而现有隐马尔科夫模型难以准确描述在室行为动态变化规律以及在室行为与可观测参数之间的关联,降低了模型预测精度.针对该问题,本文提出一种基于状态转移的时变隐马尔科夫模型.该模型采用时变状态转移概率矩阵量化不同时刻在室行为的动态变化特征及关联,同时该模型基于状态转移计算可观测参数的概率分布以定量描述在室行为对可观测参数的影响.本文采用比利时某办公室在室行为数据库进行了相关建模和验证,结果表明该模型可更有效地捕捉在室状态变化,从而提高了在室行为预测精度.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户行为预测论文参考文献
[1].葛绍林,叶剑,何明祥.基于深度森林的用户购买行为预测模型[J].计算机科学.2019
[2].俞准,周亚苹,李郡,黄余建,张国强.建筑用户在室行为预测新方法[J].湖南大学学报(自然科学版).2019
[3].邓米克,黄心怡,涂山山,张雅琴,肖创柏.异构蜂窝网络中基于HMM的用户行为预测方法[J].北京工业大学学报.2019
[4].成耐克.面向教育数据日志分析的用户行为预测研究[D].西安理工大学.2019
[5].陆怡.基于深度神经网络的信息系统用户异常行为预测研究[D].江苏科技大学.2019
[6].康霄普.基于循环神经网络的社会化问答社区用户答题行为预测研究[D].吉林大学.2019
[7].曾蔚,吴伊萍.一种基于卷积神经网络和贝叶斯网络的用户行为预测算法[J].安阳师范学院学报.2019
[8].牛强.基于循环3D卷积神经网络的电信用户行为预测系统的设计与实现[D].北京邮电大学.2019
[9].徐冬,肖莹慧.基于机器学习技术的网站用户行为预测[J].现代电子技术.2019
[10].谭晶.O2O电商用户行为预测应用研究[J].信息通信.2019