基于時序模式挖掘的IPTV用戶行為分析.pdf

1、近年來，在家庭寬帶普及、網(wǎng)絡速度提升、國家三網(wǎng)融合政策的支持等多方面因素影響下，交互式網(wǎng)絡電視（Internet Protocol Television，IPTV）業(yè)務在中國得到了快速發(fā)展，用戶量持續(xù)增長。從 IPTV運營商的業(yè)務擴展及盈利的角度出發(fā)，對用戶行為進行有效分析以提供個性化電視服務、為企業(yè)尋找目標消費群體并搭建雙向對接橋梁具有重要的意義。
　　本文針對IPTV用戶行為分析問題提出了基于時序模式挖掘的解決方案。該方案是通

2、過將用戶行為數(shù)據(jù)處理成時間行為序列，在此基礎上進行分時段的潛在興趣挖掘，進而獲得用戶時序行為模式。因此本文的主要工作包括潛在興趣挖掘算法設計、用戶時序模式挖掘方案設計兩塊。
　　潛在興趣是影響用戶行為的重要因素，是對用戶特征更具體的刻畫。把握用戶興趣是提供優(yōu)質個性化服務的前提。在無法直接獲取用戶興趣特征的情況下，文章提出了基于興趣概率分布的用戶行為序列生成模型LIM(Latent Interest Mining），進而得到用戶潛在

3、興趣挖掘和表達算法。
　　IPTV用戶本質是家庭用戶。為了發(fā)現(xiàn)用戶時序興趣隱含著的家庭成員結構特征信息，本文提出了完整的用戶時序模式挖掘模型 USPM（User Sequential Pattern Mining）。USPM模型首先提出了一種用戶時序興趣刻畫方法，進而從中提取單用戶時序模式以便于分析單個用戶的家庭特征。然后使用 DBSCAN聚類算法從單用戶時序模式中挖掘得到群組用戶時序模式，便于對具有相似特征的用戶統(tǒng)一進行分析。<

4、br>　　本文通過基于真實數(shù)據(jù)的大量實驗，驗證了潛在興趣挖掘算法的有效性以及用戶時序模式挖掘效果。實驗表明，LIM算法能夠較好地發(fā)現(xiàn)用戶潛在興趣，在此基礎上實現(xiàn)的單用戶時序模式挖掘在對用戶進行分時段節(jié)目預測上具有優(yōu)勢，能夠為更多用戶提供具有一定準確率和召回率的預測結果。特別是在對用戶的點播行為的預測，能夠對將近90％的測試序列進行有一定準確率的電視節(jié)目預測，并且對將近50%的測試序列的預測準確率接近1。最后，本文使用 USPM方法對部分