CN104462213A - 一种基于大数据的用户行为分析方法及*** - Google Patents
一种基于大数据的用户行为分析方法及*** Download PDFInfo
- Publication number
- CN104462213A CN104462213A CN201410615306.8A CN201410615306A CN104462213A CN 104462213 A CN104462213 A CN 104462213A CN 201410615306 A CN201410615306 A CN 201410615306A CN 104462213 A CN104462213 A CN 104462213A
- Authority
- CN
- China
- Prior art keywords
- user behavior
- data
- user
- module
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据的用户行为分析方法及***，本发明通过客户端实时采集用户行为数据，将用户行为和页面URL的上下文信息相结合，最大限度地重现用户浏览Web页面的真实场景，提取全面的用户行为轨迹，为分析用户行为提供有效的数据保障；并通过安全分析模块为用户行为数据提供安全保障，还利用用户行为数据本体模型对用户行为建模，实现行为信息语义级的共享和重用，提高了模型互操作性和可靠性；实时采集用户行为及上下文数据进行分析，使结果更可靠；以列存储数据库对本体和行为信息进行存储，为海量数据管理奠定基础；将云计算技术的强大处理能力和大规模数据存储能力、本体及其推理、知识发现方法相结合，实时分析海量用户行为数据，及时获取用户兴趣，从而实现有效与精准的用户推送。
Description
技术领域
本发明涉及数据分析领域，具体是一种基于大数据的用户行为分析方法及***。
背景技术
用户行为分析是分析用户在使用网络资源时表现出来的规律、个性化的习惯，其目的在于监视、预测、甚至控制用户行为，而用户兴趣是用户的个性化特点针对网络资源的具体表现。在互联网飞速发展的今天，对用户行为进行分析，提取用户兴趣，了解其特点，一方面可以进行用户个性化定制与推送，为网站访问者提供更加主动的、智能化的服务；另一方面，从用户行为的不同表现，发现其兴趣和偏好，可以优化页面之间组织关系，完善网站***架构，从而减轻用户寻找信息的负担，使其操作更加简单，节约时间和精力。
对于用户行为的分析，国内外做过很多研究，但存在一些问题：首先，大多集中于挖掘WEB日志，但这些日志并不足以及时描述用户访问网站时的情景；其次，大型网站一般拥有庞大的在线用户，产生的实时行为和上下文信息量巨大，因此，***的存储能力和计算速度更强，才能及时地将分析结果反馈给用户。而目前，大多数用户行为分析***采用关系数据库技术与传统的数据处理方法，不能很好满足海量数据的高效分析。
发明内容
本发明的目的在于提供一种基于大数据的用户行为分析方法及***，以解决上述背景技术中提出的问题。本发明综合利用云计算、本体推理以及知识发现方法等技术，对实时采集的海量用户实时行为数据，在满足安全的前提下，实现了有效与精准的推送。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据的用户行为分析方法，包括如下步骤：
S1、客户端实时采集用户行为数据，然后通过客户端上传到服务器保存；
S2、安全分析模块根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；若确定为安全行为，则进行S3；
S3、对用户行为数据采用并行运算模型进行预处理与聚合；
S4、根据聚合后的用户行为数据，建立用户行为数据本体模型，并存储在数据库中；
S5、对用户行为数据本体模型进行推理，找出用户最新兴趣数据；
S6、提取S4中聚合后的用户行为数据中每个用户每一次会话内浏览的网页URL 链接，采用基于用户行为上下文的轨迹重现算法进行轨迹补全，将补全后的结果存放到所述数据库相应表中；
S7、依据S6中补全后的结果建立转移矩阵，并将该转移矩阵存放到所述数据库相应表中；依据S5中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；
S8、针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL集；
S9、将客户端继续采集的用户下一步的用户行为数据与S8中推荐的下一步URL集进行比较，得到比较结果；
S10、根据所述比较结果实时评估该用户行为分析方法。
作为本发明进一步的方案：步骤S1中所述用户行为数据包括用户行为主体、发生时间、发生的页面、上下滚动页面、移动或点击鼠标、页面停留时间、收藏、打印、保存、访问同一页面次数、复制粘贴文字操作、当前用户的搜索条件、搜索关键字对应的标题。
作为本发明进一步的方案：步骤S2中所述安全分析模块包括：第一分析模块和第二分析模块；第一分析模块包括转发子模块和分析子模块；转发子模块用于接收用户行为数据并同时转发一份给第二分析模块；分析子模块用于进行用户行为分析；第二分析模块，用于进行IP 地址和消息的聚合分析，其中IP 地址和消息均为用户行为数据中所包含的内容。
作为本发明进一步的方案：在步骤S3中，所述预处理包括：去除不完整数据，删除重复数据、图片、页面动画；对页面进行的打印、收藏、保存、下载操作，在获取后，将其转换为对应的数据格式保存在数据库中；所述数据聚合包括：对正确、但无效的用户行为信息，采用基于规则的用户行为聚合算法进行过滤、整合。
作为本发明进一步的方案：步骤S4中使用OWL-DL描述语言建立用户行为数据本体模型，并对本体模型进行分解，所述数据库采用开源的非关系型分布式数据库。
一种采用所述基于大数据的用户行为分析方法的***，包括：
客户端，用于实时采集用户行为数据，然后通过客户端上传到服务器保存；
安全分析模块，用于根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；
数据预处理与聚合模块，用于实时对用户行为数据采用并行模型进行预处理与聚合，将结果存放到数据库相应表中；
用户行为本体模型建立模块，用于建立用户行为数据本体模型，并设计的基于开源的非关系型分布式数据库的本体存储模式；
用户兴趣偏好分析模块，用于将所述数据预处理与聚合模块聚合后的用户行为数据添加到用户行为数据本体模型中，对存储在数据库中的用户行为数据本体模型数据进行推理，找出用户最新兴趣数据；
用户浏览轨迹补全模块，用于利用基于用户行为上下文的轨迹重现算法，对数据预处理与聚合模块所得结果进行补全，将补全后的结果存放到数据库相应表中；
推荐模型建立模块，用于依据用户浏览轨迹补全模块所述补全后的结果建立转移矩阵，并将该矩阵存放到数据库相应表中，依据用户兴趣偏好分析模块中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；
***推荐模块，用于针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL 集；
比较模块，将客户端继续采集的用户下一步的用户行为数据与***推荐模块推荐的下一步URL集进行比较；
评估模块，根据所述比较结果实时评估该用户行为分析方法。
与现有技术相比，本发明的有益效果是：本发明通过客户端实时采集用户行为数据，将用户行为和页面URL的上下文信息相结合，最大限度地重现用户浏览Web页面的真实场景，提取全面的用户行为轨迹，为分析用户行为提供有效的数据保障；并通过安全分析模块为用户行为数据提供安全保障，还利用用户行为数据本体模型对用户行为建模，实现行为信息语义级的共享和重用，提高了模型互操作性和可靠性；实时采集用户行为及上下文数据进行分析，使结果更可靠；以列存储数据库对本体和行为信息进行存储，为海量数据管理奠定基础；将云计算技术的强大处理能力和大规模数据存储能力、本体及其推理、知识发现方法相结合，实时分析海量用户行为数据，及时获取用户兴趣，从而实现有效与精准的用户推送。
附图说明
图1为基于大数据的用户行为分析方法的流程图。
图2为基于大数据的用户行为分析***的结构框图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
请参阅图1，一种基于大数据的用户行为分析方法，包括如下步骤：
S1、客户端实时采集用户行为数据，然后通过客户端上传到服务器保存；所述用户行为数据包括用户行为主体、发生时间、发生的页面、上下滚动页面、移动或点击鼠标、页面停留时间、收藏、打印、保存、访问同一页面次数、复制粘贴文字操作、当前用户的搜索条件、搜索关键字对应的标题；
S2、安全分析模块根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；若确定为安全行为，则进行S3；所述安全分析模块包括：第一分析模块和第二分析模块；第一分析模块包括转发子模块和分析子模块；转发子模块用于接收用户行为数据并同时转发一份给第二分析模块；分析子模块用于进行用户行为分析；第二分析模块，用于进行IP 地址和消息的聚合分析，其中IP 地址和消息均为用户行为数据中所包含的内容；
S3、对用户行为数据采用并行运算模型进行预处理与聚合；所述预处理包括：去除不完整数据，删除重复数据、图片、页面动画；对页面进行的打印、收藏、保存、下载操作，在获取后，将其转换为对应的数据格式保存在数据库中；所述数据聚合包括：对正确、但无效的用户行为信息，采用基于规则的用户行为聚合算法进行过滤、整合；
S4、根据聚合后的用户行为数据，建立用户行为数据本体模型，并存储在数据库中；具体使用OWL-DL描述语言建立用户行为数据本体模型，并对本体模型进行分解，所述数据库采用开源的非关系型分布式数据库；
S5、对用户行为数据本体模型进行推理，找出用户最新兴趣数据；
S6、提取S4中聚合后的用户行为数据中每个用户每一次会话内浏览的网页URL 链接，采用基于用户行为上下文的轨迹重现算法进行轨迹补全，将补全后的结果存放到所述数据库相应表中；
S7、依据S6中补全后的结果建立转移矩阵，并将该转移矩阵存放到所述数据库相应表中；依据S5中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；
S8、针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL集；
S9、将客户端继续采集的用户下一步的用户行为数据与S8中推荐的下一步URL集进行比较，得到比较结果；
S10、根据所述比较结果实时评估该用户行为分析方法。
请参阅图2，一种采用所述基于大数据的用户行为分析方法的***，包括：
客户端，用于实时采集用户行为数据，然后通过客户端上传到服务器保存；
安全分析模块，用于根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；
数据预处理与聚合模块，用于实时对用户行为数据采用并行模型进行预处理与聚合，将结果存放到数据库相应表中；
用户行为本体模型建立模块，用于建立用户行为数据本体模型，并设计的基于开源的非关系型分布式数据库的本体存储模式；
用户兴趣偏好分析模块，用于将所述数据预处理与聚合模块聚合后的用户行为数据添加到用户行为数据本体模型中，对存储在数据库中的用户行为数据本体模型数据进行推理，找出用户最新兴趣数据；
用户浏览轨迹补全模块，用于利用基于用户行为上下文的轨迹重现算法，对数据预处理与聚合模块所得结果进行补全，将补全后的结果存放到数据库相应表中；
推荐模型建立模块，用于依据用户浏览轨迹补全模块所述补全后的结果建立转移矩阵，并将该矩阵存放到数据库相应表中，依据用户兴趣偏好分析模块中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；
***推荐模块，用于针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL 集；
比较模块，将客户端继续采集的用户下一步的用户行为数据与***推荐模块推荐的下一步URL集进行比较；
评估模块，根据所述比较结果实时评估该用户行为分析方法。
上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下作出各种变化。
Claims (6)
1.一种基于大数据的用户行为分析方法，其特征在于，包括如下步骤：
S1、客户端实时采集用户行为数据，然后通过客户端上传到服务器保存；S2、安全分析模块根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；若确定为安全行为，则进行S3；S3、对用户行为数据采用并行运算模型进行预处理与聚合；S4、根据聚合后的用户行为数据，建立用户行为数据本体模型，并存储在数据库中；S5、对用户行为数据本体模型进行推理，找出用户最新兴趣数据；S6、提取S4中聚合后的用户行为数据中每个用户每一次会话内浏览的网页URL 链接，采用基于用户行为上下文的轨迹重现算法进行轨迹补全，将补全后的结果存放到所述数据库相应表中；S7、依据S6中补全后的结果建立转移矩阵，并将该转移矩阵存放到所述数据库相应表中；依据S5中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；S8、针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL集；S9、将客户端继续采集的用户下一步的用户行为数据与S8中推荐的下一步URL集进行比较，得到比较结果；S10、根据所述比较结果实时评估该用户行为分析方法。
2.根据权利要求1所述基于大数据的用户行为分析方法，其特征在于：步骤S1中所述用户行为数据包括用户行为主体、发生时间、发生的页面、上下滚动页面、移动或点击鼠标、页面停留时间、收藏、打印、保存、访问同一页面次数、复制粘贴文字操作、当前用户的搜索条件、搜索关键字对应的标题。
3.根据权利要求1 所述基于大数据的用户行为分析方法，其特征在于，步骤S2中所述安全分析模块包括：第一分析模块和第二分析模块；第一分析模块包括转发子模块和分析子模块；转发子模块用于接收用户行为数据并同时转发一份给第二分析模块；分析子模块用于进行用户行为分析；第二分析模块，用于进行IP 地址和消息的聚合分析，其中IP 地址和消息均为用户行为数据中所包含的内容。
4.根据权利要求1 所述基于大数据的用户行为分析方法，其特征在于，在步骤S3中，所述预处理包括：去除不完整数据，删除重复数据、图片、页面动画；对页面进行的打印、收藏、保存、下载操作，在获取后，将其转换为对应的数据格式保存在数据库中；所述数据聚合包括：对正确、但无效的用户行为信息，采用基于规则的用户行为聚合算法进行过滤、整合。
5.根据权利要求1 所述基于大数据的用户行为分析方法，其特征在于：步骤S4中使用OWL-DL描述语言建立用户行为数据本体模型，并对本体模型进行分解，所述数据库采用开源的非关系型分布式数据库。
6.一种采用权利要求1-5之一所述基于大数据的用户行为分析方法的***，其特征在于，包括：
客户端，用于实时采集用户行为数据，然后通过客户端上传到服务器保存；安全分析模块，用于根据数据库中保存的恶意行为判别策略，对服务器保存的用户行为数据进行分析，若确定为恶意行为，并根据判别策略对应的恶意等级确定打击策略，将所确定的打击策略同分析结果一起反馈给服务器，服务器根据打击策略对相应用户进行管控处理；数据预处理与聚合模块，用于实时对用户行为数据采用并行模型进行预处理与聚合，将结果存放到数据库相应表中；用户行为本体模型建立模块，用于建立用户行为数据本体模型，并设计的基于开源的非关系型分布式数据库的本体存储模式；用户兴趣偏好分析模块，用于将所述数据预处理与聚合模块聚合后的用户行为数据添加到用户行为数据本体模型中，对存储在数据库中的用户行为数据本体模型数据进行推理，找出用户最新兴趣数据；用户浏览轨迹补全模块，用于利用基于用户行为上下文的轨迹重现算法，对数据预处理与聚合模块所得结果进行补全，将补全后的结果存放到数据库相应表中；推荐模型建立模块，用于依据用户浏览轨迹补全模块所述补全后的结果建立转移矩阵，并将该矩阵存放到数据库相应表中，依据用户兴趣偏好分析模块中所述用户最新兴趣数据，利用余弦因子法计算出每个用户间的兴趣相似度，构成兴趣相似度矩阵；结合所述转移矩阵建立基于协同过滤的推荐模型；***推荐模块，用于针对实时捕捉到的用户输入页面URL，通过基于协同过滤的推荐模型推荐下一步URL 集；比较模块，将客户端继续采集的用户下一步的用户行为数据与***推荐模块推荐的下一步URL集进行比较；评估模块，根据所述比较结果实时评估该用户行为分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410615306.8A CN104462213A (zh) | 2014-12-05 | 2014-12-05 | 一种基于大数据的用户行为分析方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410615306.8A CN104462213A (zh) | 2014-12-05 | 2014-12-05 | 一种基于大数据的用户行为分析方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104462213A true CN104462213A (zh) | 2015-03-25 |
Family
ID=52908249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410615306.8A Pending CN104462213A (zh) | 2014-12-05 | 2014-12-05 | 一种基于大数据的用户行为分析方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104462213A (zh) |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951961A (zh) * | 2015-06-02 | 2015-09-30 | 百度在线网络技术（北京）有限公司 | 用于推送内容的方法、终端、服务器以及*** |
| CN105357217A (zh) * | 2015-12-02 | 2016-02-24 | 北京北信源软件股份有限公司 | 基于用户行为分析的数据盗取风险评估方法和*** |
| CN105447186A (zh) * | 2015-12-16 | 2016-03-30 | 汉鼎信息科技股份有限公司 | 一种基于大数据平台的用户行为分析*** |
| CN105634860A (zh) * | 2015-12-21 | 2016-06-01 | 中国电子科技集团公司第十五研究所 | 一种上网行为轨迹还原的方法和装置 |
| CN105956204A (zh) * | 2016-07-01 | 2016-09-21 | 北京奇虎科技有限公司 | 会话Session满意度评估的方法及装置 |
| CN106202482A (zh) * | 2016-07-18 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种基于用户行为分析的网站优化方法及*** |
| CN106203676A (zh) * | 2016-06-27 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种基于云计算架构的业务流程优化方法 |
| CN106230809A (zh) * | 2016-07-27 | 2016-12-14 | 南京快页数码科技有限公司 | 一种基于url的移动互联网舆情监测方法及*** |
| CN106330552A (zh) * | 2016-08-30 | 2017-01-11 | 成都广达新网科技股份有限公司 | 一种可配置的网管用户行为采集***及其工作方法 |
| CN106372133A (zh) * | 2016-08-19 | 2017-02-01 | 苏州七彩部落网络科技有限公司 | 一种基于大数据的用户行为分析处理方法及*** |
| CN106484708A (zh) * | 2015-08-26 | 2017-03-08 | 北京奇虎科技有限公司 | 一种用户行为数据的处理方法和*** |
| CN106570174A (zh) * | 2016-11-10 | 2017-04-19 | 中广热点云科技有限公司 | 运行于cmmb超级热点业务平台的大数据分析方法及*** |
| CN106599988A (zh) * | 2016-12-09 | 2017-04-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种智能可穿戴设备行为数据的多级语义特征提取方法 |
| CN106708820A (zh) * | 2015-07-20 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种信息显示方法及装置 |
| CN106777367A (zh) * | 2017-01-24 | 2017-05-31 | 深圳企管加企业服务有限公司 | 一种基于大数据挖掘的用户行为分析方法及*** |
| CN107103063A (zh) * | 2017-04-17 | 2017-08-29 | 山东辰华科技信息有限公司 | 基于大数据的科技信息资源检索查询*** |
| CN107229878A (zh) * | 2017-06-28 | 2017-10-03 | 海南大学 | 一种投入决定的安全性可定义的基于数据图谱、信息图谱和知识图谱的资源安全保护方法 |
| CN107391098A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 管理车辆中的消息 |
| CN107704605A (zh) * | 2017-10-13 | 2018-02-16 | 北京中教在线科技有限公司 | 一种基于本地存储的用户行为记录方法 |
| CN108171079A (zh) * | 2017-12-27 | 2018-06-15 | 深圳创维－Rgb电子有限公司 | 一种基于终端的数据采集方法、装置、终端及存储介质 |
| WO2018137104A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于大数据挖掘的用户行为分析方法及*** |
| CN109033281A (zh) * | 2018-07-11 | 2018-12-18 | 国网技术学院 | 一种知识资源库的智能推送*** |
| CN110507997A (zh) * | 2019-08-12 | 2019-11-29 | 广州小丑鱼信息科技有限公司 | 一种用户行为分析方法及*** |
| CN111030893A (zh) * | 2019-12-31 | 2020-04-17 | 上海途鸽数据科技有限公司 | 云通讯应用场景下分析用户行为的方法和装置 |
| CN111177534A (zh) * | 2019-12-06 | 2020-05-19 | 南京欣网互联信息技术有限公司 | 一种基于互联网大数据的用户行为轨迹分析方法 |
| CN113139822A (zh) * | 2020-01-19 | 2021-07-20 | 苏州金龟子网络科技有限公司 | 一种基于用户行为分析的推广***及方法 |
| CN117194202A (zh) * | 2023-11-08 | 2023-12-08 | 北京网藤科技有限公司 | 一种基于网页鼠标行为检测用户操作困境的***及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110209040A1 (en) * | 2010-02-24 | 2011-08-25 | Microsoft Corporation | Explicit and non-explicit links in document |
| CN103198091A (zh) * | 2012-12-04 | 2013-07-10 | 网易（杭州）网络有限公司 | 一种基于用户行为的在线数据请求的处理方法和设备 |
| CN103516586A (zh) * | 2012-06-30 | 2014-01-15 | 北京神州泰岳软件股份有限公司 | 一种即时通信***的在线用户行为分析*** |
| CN103793465A (zh) * | 2013-12-20 | 2014-05-14 | 武汉理工大学 | 基于云计算的海量用户行为实时分析方法及*** |
-
2014
- 2014-12-05 CN CN201410615306.8A patent/CN104462213A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110209040A1 (en) * | 2010-02-24 | 2011-08-25 | Microsoft Corporation | Explicit and non-explicit links in document |
| CN103516586A (zh) * | 2012-06-30 | 2014-01-15 | 北京神州泰岳软件股份有限公司 | 一种即时通信***的在线用户行为分析*** |
| CN103198091A (zh) * | 2012-12-04 | 2013-07-10 | 网易（杭州）网络有限公司 | 一种基于用户行为的在线数据请求的处理方法和设备 |
| CN103793465A (zh) * | 2013-12-20 | 2014-05-14 | 武汉理工大学 | 基于云计算的海量用户行为实时分析方法及*** |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951961A (zh) * | 2015-06-02 | 2015-09-30 | 百度在线网络技术（北京）有限公司 | 用于推送内容的方法、终端、服务器以及*** |
| CN106708820B (zh) * | 2015-07-20 | 2021-01-01 | 斑马智行网络(香港)有限公司 | 一种信息显示方法及装置 |
| CN106708820A (zh) * | 2015-07-20 | 2017-05-24 | 阿里巴巴集团控股有限公司 | 一种信息显示方法及装置 |
| CN106484708A (zh) * | 2015-08-26 | 2017-03-08 | 北京奇虎科技有限公司 | 一种用户行为数据的处理方法和*** |
| CN105357217B (zh) * | 2015-12-02 | 2018-11-16 | 北京北信源软件股份有限公司 | 基于用户行为分析的数据盗取风险评估方法和*** |
| CN105357217A (zh) * | 2015-12-02 | 2016-02-24 | 北京北信源软件股份有限公司 | 基于用户行为分析的数据盗取风险评估方法和*** |
| CN105447186B (zh) * | 2015-12-16 | 2019-03-08 | 汉鼎宇佑互联网股份有限公司 | 一种基于大数据平台的用户行为分析*** |
| CN105447186A (zh) * | 2015-12-16 | 2016-03-30 | 汉鼎信息科技股份有限公司 | 一种基于大数据平台的用户行为分析*** |
| CN105634860B (zh) * | 2015-12-21 | 2019-09-24 | 中国电子科技集团公司第十五研究所 | 一种上网行为轨迹还原的方法和装置 |
| CN105634860A (zh) * | 2015-12-21 | 2016-06-01 | 中国电子科技集团公司第十五研究所 | 一种上网行为轨迹还原的方法和装置 |
| CN107391098A (zh) * | 2016-05-17 | 2017-11-24 | 谷歌公司 | 管理车辆中的消息 |
| CN106203676A (zh) * | 2016-06-27 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种基于云计算架构的业务流程优化方法 |
| CN105956204A (zh) * | 2016-07-01 | 2016-09-21 | 北京奇虎科技有限公司 | 会话Session满意度评估的方法及装置 |
| CN105956204B (zh) * | 2016-07-01 | 2019-08-02 | 北京奇虎科技有限公司 | 会话Session满意度评估的方法及装置 |
| CN106202482A (zh) * | 2016-07-18 | 2016-12-07 | 浪潮(北京)电子信息产业有限公司 | 一种基于用户行为分析的网站优化方法及*** |
| CN106230809A (zh) * | 2016-07-27 | 2016-12-14 | 南京快页数码科技有限公司 | 一种基于url的移动互联网舆情监测方法及*** |
| CN106372133A (zh) * | 2016-08-19 | 2017-02-01 | 苏州七彩部落网络科技有限公司 | 一种基于大数据的用户行为分析处理方法及*** |
| CN106330552A (zh) * | 2016-08-30 | 2017-01-11 | 成都广达新网科技股份有限公司 | 一种可配置的网管用户行为采集***及其工作方法 |
| CN106570174A (zh) * | 2016-11-10 | 2017-04-19 | 中广热点云科技有限公司 | 运行于cmmb超级热点业务平台的大数据分析方法及*** |
| CN106570174B (zh) * | 2016-11-10 | 2020-09-08 | 中广热点云科技有限公司 | 运行于cmmb超级热点业务平台的大数据分析方法及*** |
| CN106599988B (zh) * | 2016-12-09 | 2019-10-08 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种智能可穿戴设备行为数据的多级语义特征提取方法 |
| CN106599988A (zh) * | 2016-12-09 | 2017-04-26 | 无锡清华信息科学与技术国家实验室物联网技术中心 | 一种智能可穿戴设备行为数据的多级语义特征提取方法 |
| WO2018137104A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳企管加企业服务有限公司 | 一种基于大数据挖掘的用户行为分析方法及*** |
| CN106777367A (zh) * | 2017-01-24 | 2017-05-31 | 深圳企管加企业服务有限公司 | 一种基于大数据挖掘的用户行为分析方法及*** |
| CN107103063A (zh) * | 2017-04-17 | 2017-08-29 | 山东辰华科技信息有限公司 | 基于大数据的科技信息资源检索查询*** |
| CN107229878B (zh) * | 2017-06-28 | 2019-09-24 | 海南大学 | 一种投入决定的安全性可定义的基于数据图谱、信息图谱和知识图谱的资源安全保护方法 |
| CN107229878A (zh) * | 2017-06-28 | 2017-10-03 | 海南大学 | 一种投入决定的安全性可定义的基于数据图谱、信息图谱和知识图谱的资源安全保护方法 |
| CN107704605B (zh) * | 2017-10-13 | 2021-04-09 | 北京中教在线科技有限公司 | 一种基于本地存储的用户行为记录方法 |
| CN107704605A (zh) * | 2017-10-13 | 2018-02-16 | 北京中教在线科技有限公司 | 一种基于本地存储的用户行为记录方法 |
| CN108171079A (zh) * | 2017-12-27 | 2018-06-15 | 深圳创维－Rgb电子有限公司 | 一种基于终端的数据采集方法、装置、终端及存储介质 |
| CN109033281A (zh) * | 2018-07-11 | 2018-12-18 | 国网技术学院 | 一种知识资源库的智能推送*** |
| CN110507997A (zh) * | 2019-08-12 | 2019-11-29 | 广州小丑鱼信息科技有限公司 | 一种用户行为分析方法及*** |
| CN111177534A (zh) * | 2019-12-06 | 2020-05-19 | 南京欣网互联信息技术有限公司 | 一种基于互联网大数据的用户行为轨迹分析方法 |
| CN111030893A (zh) * | 2019-12-31 | 2020-04-17 | 上海途鸽数据科技有限公司 | 云通讯应用场景下分析用户行为的方法和装置 |
| CN113139822A (zh) * | 2020-01-19 | 2021-07-20 | 苏州金龟子网络科技有限公司 | 一种基于用户行为分析的推广***及方法 |
| CN117194202A (zh) * | 2023-11-08 | 2023-12-08 | 北京网藤科技有限公司 | 一种基于网页鼠标行为检测用户操作困境的***及方法 |
| CN117194202B (zh) * | 2023-11-08 | 2024-01-02 | 北京网藤科技有限公司 | 一种基于网页鼠标行为检测用户操作困境的***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104462213A (zh) | 一种基于大数据的用户行为分析方法及*** | |
| CN101957834B (zh) | 一种基于用户特征进行内容推荐的方法与设备 | |
| Sun et al. | When will it happen? relationship prediction in heterogeneous information networks | |
| CN103793465B (zh) | 基于云计算的海量用户行为实时分析方法及*** | |
| CN104199874A (zh) | 一种基于用户浏览行为的网页推荐方法 | |
| CN104899324B (zh) | 一种基于idc有害信息监测***的样本训练*** | |
| CN106372133A (zh) | 一种基于大数据的用户行为分析处理方法及*** | |
| CN109271488B (zh) | 一种结合行为序列和文本信息的社交网络用户间因果关系发现方法及*** | |
| CN105389329A (zh) | 一种基于群体评论的开源软件推荐方法 | |
| Wang et al. | A survey of multimedia big data | |
| CN104298785A (zh) | 一种众搜资源搜索方法 | |
| CN107103063B (zh) | 基于大数据的科技信息资源检索查询*** | |
| Wang et al. | A novel blockchain oracle implementation scheme based on application specific knowledge engines | |
| CN106844588A (zh) | 一种基于网络爬虫的用户行为数据的分析方法及*** | |
| CN104598536A (zh) | 一种分布式网络信息结构化处理方法 | |
| Arora et al. | Big data: A review of analytics methods & techniques | |
| Bai et al. | A rumor detection model incorporating propagation path contextual semantics and user information | |
| Kaisler et al. | Big data issues and challenges | |
| Ahmed et al. | Prediction of popular tweets using Similarity Learning | |
| Abdulrahman et al. | Multi agent system for historical information retrieval from online social networks | |
| Bian et al. | [Retracted] Application of Data Mining in Predictive Analysis of Network Security Model | |
| Wang | Research on the collection method of financial blockchain risk prompt information from sandbox perspective | |
| CN109522466B (zh) | 一种分布式爬虫*** | |
| CN104239346A (zh) | 一种基于搜索引擎的网站优化建设*** | |
| Ramulu et al. | A study of semantic web mining: Integrating domain knowledge into web mining |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150325 |
|
| WD01 | Invention patent application deemed withdrawn after publication |