论文部分内容阅读
如今,人们的智能手机已比指引宇航员登月时的计算机的处理速度快上千倍。随着智能手机的普及和逐渐强大,手机应用程序遍地开花,市场上现已有海量移动应用程序,并且移动应用程序的数据规模在不断扩大。面对海量的移动应用程序,用户可以享受到移动App带给生活的全方位服务,但是用户使用移动App的数量有限,那么面对海量App时会出现选择难题,同时从App本身的视角来说,如何从千万App中脱颖而出成为用户的选择,也是开发者面临的难题。准对这样的问题,本文围绕移动App,发现了用户与App之间以及App与App之间的密不可分的联系,同时分析用户使用App的行为数据以及App自身属性的特点,来发现用户使用App的偏好以及App之间的关系,从而帮助用户更好的选择,并提升App的受欢迎程度。本文从如下几个方面展开了研究:(1)开发了一款在用户手机上采集用户使用App行为数据的安卓工具,同时编写了Python脚本从三个应用网站上爬取与App属性相关的几部分静态数据。本文具体介绍了用户行为数据和App属性数据的数据模型,以及采集这些数据时用到的关键技术,并且展示了采集到的数据集的构成和部分数据统计的结果。(2)从不同侧面研究用户使用App的偏好。首先研究了用户与App之间的偏好关系,这种偏好关系直接体现在用户使用App的时间长度、频次等数据上,提出了这种偏好关系的定义以及度量方式。然后研究了App之间的竞争关系,造成用户手机上App竞争局面的原因是用户对App的偏好不同,所以我们在此基础上提出了挖掘用户手机上App之间竞争关系的算法。最后研究了App之间的合作关系,同样因为用户对App的偏好不同,每个用户产生了自己个性化的App合作关系,我们提出了两种不同的合作关系并分别给出了挖掘这两种合作关系的算法。(3)研究了用户手机上App服务领域的问题,确定了用户手机上App的服务领域有哪些,并且提出了如何确定App属于哪一个服务领域的算法。最后,在用户与App之间的偏好关系、App之间的竞争与合作关系以及App的服务领域的研究基础上提出了个人移动服务偏好的数据模型和构建算法。