用户行为分析系统设计.pdf

摘 要
随着信息技术的迅猛发展，信息技术在各个行业的使用也越来越普遍，随之
而来的是数年来这些信息系统沉淀下来海量数据，并且这些数据还在增长，这些
海量数据中包含丰富的用户行为信息。如何能精确、及时地从这些信息中发掘出
对企业有用的知识，挖掘出这些数据背后隐含规律与信息，已成为制约企业决策
发展战略，开拓市场并且拓宽客户群的一个瓶颈。
基于这个背景，本论文设计了一个用户行为分析系统。这个系统主要用于中
国移动或者中国联通 BOSS/BSS 系统与运营商各增值业务生产系统之间，系统处于
通信运营商内部网络中，在网络安全性上较为有保证;系统利用基于数据挖掘技术
的贝叶斯的增量学习分类方法对用户数据进行分类，提取用户数据模型及用户行
为特征， 并利用贝叶斯增量学习算法不断对该模型进行优化从而实现对客户消费
行为的精准定位。此外，用户行为分析系统可以直接将获取到的用户产品兴趣度
输出给外围广告系统，从而实现对用户进行精准广告投放并发掘潜在的用户。
论文首先分析了目前国内运营商在 3G 时代来临面临的全新挑战背景，介绍了
用户行为分析系统的系统框图，从系统分析到系统功能的实现都进行了论述。论
文着重从以下方面作了详细论述：
①数据挖掘技术在用户行为分析系统中应用以及数据挖掘技术的主要方法和
一般过程；
②通过对用户的行为特征不断进行分析，根据获得的数据信息利用贝叶斯增
量学习算法对用户进行分类，不断地更新分类模型，实现结果反馈自学习功能；
③通过行业知识关系树将获取得到的用户行为信息建立用户全生命周期的贡
献度原子模型，并通过 SVM 算法为用户建立多维度空间的分类向量模型。


关键词： 用户行为分析，贝叶斯增量学习算法，行业知识关系树
I
Abstract
It becomes increasingly common for various industries to use information
technology with its development. The information systems have collected a huge
amount of data these years, including a lot of information about the customers. The
number of the data is still increasing exponentially. How to accurately find out useful
knowledge and discover the implicit mode of the data timely can help the enterprises to
formulate the strategies of market, to keep the former customers, to attract new
customers and to take the preemptive opportunities.
This paper, based on such background, designing a user behavior analysis system
situates between BSS/BOSS and increment services system, in a closed or semi-open
network which, the security is assured; using data mining algorithms of Bayesian
incremental learning to classify user data for obtaining the characteristics of user
behavior and data model then using Bayesian incremental learning algorithm to
optimize the model to orientate consumer behavior accurately. In addition, the user
behavior analysis system can connect direct