引言：伴隨著互聯(lián)網(wǎng)的飛速發(fā)展和用戶日益劇增的需求，關于網(wǎng)絡用戶的行為分析和數(shù)據(jù)挖掘研究從無到有的迅速的發(fā)展了起來。現(xiàn)在的輿論亂七八糟，為了引導輿論朝著正確的道路走下去，節(jié)約網(wǎng)絡用戶的上網(wǎng)時間，提讓用戶更好的訪問網(wǎng)站，我們對網(wǎng)絡用戶的數(shù)據(jù)行為進行了如下探究。

前言：

網(wǎng)絡信息的數(shù)據(jù)挖掘包含的內(nèi)容很多，有效的挖掘網(wǎng)絡信息不但可以增強網(wǎng)站的吸引力，還可以讓用戶更有效的利用網(wǎng)絡資源。和數(shù)據(jù)挖掘類似，社交網(wǎng)絡的用戶行為分析可以幫助決策者掌握用戶的行為特征，同時也能幫助決策者了解用戶的興趣變化，更好的發(fā)揮網(wǎng)絡的作用。

一、 數(shù)據(jù)挖掘和網(wǎng)絡用戶行為的概念

（一） 數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘的另一種叫法數(shù)據(jù)庫知識發(fā)現(xiàn)（Knowledge Discovery in Databases），簡稱KDD，由數(shù)據(jù)的清理，數(shù)據(jù)的集成，數(shù)據(jù)的選擇，數(shù)據(jù)的轉換，模式額發(fā)現(xiàn)，模式的評估和知識的表示 七個部分組成。數(shù)據(jù)的集成，數(shù)據(jù)的選擇和數(shù)據(jù)的轉換可以劃分為一個部分，成為數(shù)據(jù)預處理階段，數(shù)據(jù)的預處理階段的效果將直接影響著數(shù)據(jù)挖掘質(zhì)量的好壞。模式的發(fā)現(xiàn)是中間階段，是運用數(shù)據(jù)挖掘算法從數(shù)據(jù)庫中提取有效模式的階段。

常用的數(shù)據(jù)挖掘方法包括支持向量機，K-Means聚類算法，聚類分析。

（二） 網(wǎng)絡用戶行為的概念

網(wǎng)絡用戶行為是指網(wǎng)絡用戶在使用網(wǎng)絡信息和資源時所表現(xiàn)出來了規(guī)律性的行為特征。對網(wǎng)絡用戶行為的研究目的就是通過一些算法和軟件對網(wǎng)絡用戶行為進行研究分析，發(fā)現(xiàn)規(guī)律特征，進而利用這些特征預測未來的網(wǎng)絡用戶行為，同時通過這些網(wǎng)絡用戶規(guī)律優(yōu)化網(wǎng)絡信息。

網(wǎng)絡用戶行為的特點：一方面是它的主觀能動性太強，牽扯到的東西很多，它不受地域的限制，用戶之間能自由的發(fā)表意見進行交流；一方面它知識豐富，計劃跟不上變化，用戶可以隨意的上傳資料行為信息豐富多彩；一方面網(wǎng)絡用戶特點鮮明，比較偏好的特征和用戶的習慣不受時間和空間的限制；一方面隱蔽性比較好，網(wǎng)絡用戶在訪問信息的時候可以隱藏自己的真實身份，并且物理傳遞介質(zhì)也具有隱藏性；最后一方面，它即存在隨機性又存在規(guī)律性，用戶行為分析就是通過用戶行為的這一特征進行分析的。

二、 數(shù)據(jù)挖掘和用戶行為分析的聯(lián)系

不同的人有不同的興趣愛好，網(wǎng)絡用戶也是這樣的，因為網(wǎng)絡用戶的社會經(jīng)歷文化程度等的不同，所以網(wǎng)絡用戶的行為模式各有不同。而數(shù)據(jù)挖掘是從眾多數(shù)據(jù)中選取有用知識的過程，這些有用的數(shù)據(jù)往往是被隱藏起來的。同時，數(shù)據(jù)挖掘的對象并不單一，任何數(shù)據(jù)集合都可以通過數(shù)據(jù)挖掘方法照出統(tǒng)一的規(guī)律。

數(shù)據(jù)挖掘在用戶行為分析過程中的應用可以分為以下幾種：

（一） 推薦系統(tǒng)

推薦系統(tǒng)有兩部分組成，一部分是基于內(nèi)容的推薦，一部分是協(xié)同過濾推薦。基于內(nèi)容的推薦它依賴產(chǎn)品和信息的說明，在各大購物網(wǎng)站出現(xiàn)的頻率最高。如京東，天貓，巴里巴巴等商城。現(xiàn)階段在很多視頻網(wǎng)站也得到了廣泛的應用，比如奇異，優(yōu)酷，土豆等網(wǎng)站?；趦?nèi)容的方法它是以信息論為理論基礎的，以關鍵詞和用戶比較感興趣的信息作為模型，然后再通過其他的軟件計算出用戶對于其他信息的興趣程度，然后再將符合用戶興趣程度的信息傳遞給用戶，而協(xié)同過濾是基于模型的，它是通過尋找相似的用戶進行推廣的。

（二） 檢測入侵和防止入侵

入侵檢測和預防系統(tǒng)分為基于特征的檢測和基于異常的檢測。基于特征的檢測在檢測網(wǎng)絡流量異常上應用比較廣泛，假如檢測異常的結果與標準模型相符合，那么該系統(tǒng)就會采取相關的措施終止該系統(tǒng)異常的運行。這種不具有動態(tài)性，只能對已經(jīng)存在的異常進行檢測，對于新異常是不能進行檢測的。而基于異常的檢測是根據(jù)正常的 行為模式特點，如果系統(tǒng)存在異常，那么會把異常同正常行為特征相比較，進而進行檢測和預防。數(shù)據(jù)挖掘算法就是應用在正常行為特征和異常特征的訓練匹配中。

（三） 零售和電信業(yè)

在零售業(yè)，數(shù)據(jù)挖掘的應用也是很廣泛的。它用來分析處理購買者的購買行為，總結出顧客的購買模式，同時將顧客以后可能要購買的東西擺放在明顯的位置，以便顧客方便拿取，同時提高商品的銷售量。

在電信業(yè)方面，主要是幫助用戶防盜，幫助電信運營商判斷用戶行為模式，從而提高電信運行商的服務質(zhì)量。

數(shù)據(jù)挖掘在用戶行為分析上的應用大體可以分為兩個方面：一方面，幫助用戶發(fā)現(xiàn)興趣特征，然后根據(jù)這些用戶特征建立用戶的興趣模型和先關的更新文件，這樣以后就可以利用數(shù)據(jù)挖掘出來的模型對以后用戶的興趣做出預判和揣測；另一方面，對用戶的興趣特征進行識別，通過識別，然后對未來論壇和其他交流軟件上比較受關注的帖子重新置頂回歸。

三、 應用最廣泛的數(shù)據(jù)挖掘算法

在數(shù)據(jù)挖掘算法中，應用最廣的就是決策樹算法，它是一種歸納推理算法，它通過逼近離散值函數(shù)來對噪聲數(shù)據(jù)處理然后分析出表達式的方法來實現(xiàn)的。在這種方法中，表達式被稱為決策樹，也正是如此才被叫做決策樹算法的。

下面我們就談一下決策樹算法的特點：一方面，種方法便于理解，因為從事教務處管理的老師并不了解數(shù)據(jù)挖掘相關的知識，而決策樹算法非常形象的通過樹形結構表示最后的分類結果。它符合人們認識事物的一般規(guī)律；一方面決策樹算法的計算量小，復雜程度小，這樣就能提高工作人員的效率嗎，能在短時間內(nèi)解決更多的問題；最后一方面，決策樹算法能夠主次分明的表達出重點，屬性的重要程度能被一眼看出來。

結語

隨著信息技術和通信技術的飛速發(fā)展，數(shù)據(jù)挖掘幾乎出現(xiàn)在了所有的領域。在解決重大策略的時候，數(shù)據(jù)挖掘往往作為一種重要的手段。它能從萬千的數(shù)據(jù)中找出有價值的信息，為決策和方案的制定提供數(shù)據(jù)和理論支持。

網(wǎng)絡用戶的行為中蘊含著萬千的信息，不但用來反映用戶的興趣，還用來對未來的發(fā)展趨勢進行預判，雖然數(shù)據(jù)挖掘算法一直被創(chuàng)新，但是提高數(shù)據(jù)挖掘算法的效率的任務依舊艱巨，面臨著諸多挑戰(zhàn)。另外用戶行為分析系統(tǒng)還僅處在系統(tǒng)分析階段，而具體得到應用還有很長的路要走，需要我們對此加大研究力度。

參考文獻

[1]陳克寒，韓盼盼，吳健.基于用戶聚類的異構社交網(wǎng)絡推薦算法[J].計算機學報.2013（02）.

[2]高彬.大學生社交網(wǎng)站使用動機研究——以人人網(wǎng)為例[J].學理論.2012（17）.

[3]楊亮，林原，林鴻飛.于情感分布的微博熱點事件發(fā)現(xiàn)[J].中文信息學報.2012（01）.

[4]李澤峰，王煜.基于RBF神經(jīng)網(wǎng)絡和關聯(lián)規(guī)則的Web文本分類規(guī)則獲取方法[J].圖書情報工作.2012（10）.

（作者單位：長沙醫(yī)學院）

作者簡介：高超，男，出生于1982年3月，籍貫湖南省長沙市，就職于長沙醫(yī)學院，講師職稱