基于Spark的網(wǎng)絡用戶行為分析方法的研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，網(wǎng)絡用戶行為數(shù)據(jù)量急劇增長。一方面，服務提供商迫切需要分析用戶的行為及愛好，以提供合乎用戶需求的服務，以使得利潤最大化，或者通過分析用戶的行為構成與其行為上的特點來構建科學的決策支持系統(tǒng)；另一方面，對于網(wǎng)絡用戶自身而言，服務提供商對用戶行為進行分析之后，有針對性地提供信息可以大大節(jié)省用戶獲得所需信息的時間。因此，網(wǎng)絡用戶行為分析得到越來越多學者的關注與研究。然而，無論從網(wǎng)絡用戶行為數(shù)據(jù)的獲取還是從網(wǎng)絡用戶行為分析的

2、角度而言，難度都變得越來越大。因此，本文在網(wǎng)絡用戶行為數(shù)據(jù)量激增的背景下，針對不能全面、快速、精確的分析網(wǎng)絡用戶行為的問題，展開了以下研究。
　　論文分析了網(wǎng)絡用戶行為的特點，闡述了網(wǎng)絡用戶行為分析的內(nèi)容和方法，對網(wǎng)絡用戶行為的體系進行分類，同時分析了如何在大數(shù)據(jù)環(huán)境下實時地精確地獲得網(wǎng)絡用戶行為數(shù)據(jù)以及應用于網(wǎng)絡用戶行為分析中的不同算法。
　　論文研究了網(wǎng)絡用戶行為數(shù)據(jù)獲取的方法，提出了一種網(wǎng)絡用戶行為數(shù)據(jù)收集的框架；給出

3、了行為數(shù)據(jù)源收集機制，提出采用遠程代理的方式，以保證了網(wǎng)絡用戶行為數(shù)據(jù)源的實時獲取，極大地提高了數(shù)據(jù)源獲取的精確性。
　　論文還研究了網(wǎng)絡用戶行為分析算法的運行過程，結合云計算平臺Spark，提出了一種網(wǎng)絡用戶行為分析算法的改進方法，通過對網(wǎng)絡用戶行為分析算法的改進，提高了網(wǎng)絡用戶行為分析的時效性。
　　論文給出了基于Spark的網(wǎng)絡用戶行為分析方法，通過性能測試和以及案例分析，驗證和評價了本文提出的網(wǎng)絡用戶行為分析方法的可