面向教育数据日志分析的用户行为预测研究

摘要

当前大多数信息系统使用用户静态属性、动态行为等数据预测用户访问网站行为，但是对用户动态行为之间的联系考虑不足。在业务信息系统中，业务流程的设计是决定用户行为的主要因素。因此，本文使用教育领域业务信息系统的用户行为日志数据，进行了三方面研究：(1)从日志数据中挖掘用户行为关系；(2)研究了融合用户行为关系的脑皮层学习模型BRHTM;(3)预测地区教育统计平台用户访问网站行为。具体研究如下： 首先，使用过程挖掘的方法构建完整的工作流网。本文结合该问题研究了一种新型日志次序关系以实现上述目标，并通过五个质量维度（拟合度、简洁度、精确度、泛化度和行为适当性）来比较日志次序关系。在此基础上，梳理用户日志数据中的因果关系、并行关系，结合用户行为次数、前件次数和后件次数进行相关性分析。实验证明，这五类特征之间存在强相关性。最后使用聚类算法，结合用户行为类别标签挖掘用户行为关系。 其次，本文设计了融合用户行为关系的脑皮层学习模型，即BRHTM。首先重点探讨了稀疏分布表示，形成了基于稀疏分布表示的处理单元，即一种专属的人工细胞模型，从而构成了该模型的训练数据集；然后识别细胞活跃状态、细胞预测状态，并更新细胞突触值，形成细胞预测模型；遍历模型预测结果。最终实验证明，BRHTM在用户访问网站多步预测时具有良好的效果，提高了准确率。 最后，应用本文研究的融合用户行为关系的脑皮层学习模型BRHTM，设计出地区基础教育统计数据库平台用户行为预测的实施方案和软件系统。在地区教育统计基础数据库平台中设置用户行为预测模块，使用该模型对用户行为进行预测，并向用户予以实时提示。通过该功能，验证了模型的可用性，并为类似的预测问题提供了解决思路。该模型过程基本完整，使得用户行为预测问题得到了解决。

目录

声明

1 绪论

1.1 选题背景及意义

1.2 国内外研究现状

1.2.1 用户行为分析

1.2.2 面向用户行为分析的业务信息系统发展现状

1.2.3 当前用户行为分析存在的问题

1.3 主要研究内容

1.4 本文组织结构

2 相关理论与技术

2.1 层级实时记忆

2.1.1 HTM神经元模型

2.1.2 高阶序列

2.1.3 突触学习规则

2.2 稀疏分布表示

2.2.1容量

2.2.2抗噪声能力

2.3过程挖掘

2.3.1 Petri网

2.3.2 工作流网

2.4 聚类算法

2.5 本章小结

3 基于WEB日志的用户行为关系挖掘

3.1 WEB日志数据采集

3.2 WEB日志数据预处理

3.3 用户行为关系挖掘

3.3.1 用户行为关系挖掘模型

3.3.2 用户行为关系挖掘模型步骤

3.3.3 用户行为关系挖掘算法设计

3.4 仿真及实验结果

3.4.1 构建工作流模型方法

3.4.2 构建工作流模型

3.4.3 挖掘用户行为关系

3.5 本章小结

4 融合用户行为关系的脑皮层学习模型BRHTM

4.1 BRHTM理论模型

4.2 BRHTM模型的实现

4.3 实验与分析

4.3.1 单步预测

4.3.2 多步预测

4.4 本章小结

5 脑皮层学习模型BRHTM在教育统计平台中的应用

5.1 预测用户行为方案

5.1.1 总体方案设计

5.1.2 BRHTM模型的应用

5.2 预测用户行为功能模块

5.2.1 数据采集

5.2.2 数据预处理

5.3实验结果与分析

5.3.1 实验描述

5.3.2 实验结果与分析

5.4 本章小结

6 总结与展望

6.1 全文总结

6.2 未来展望

致谢

参考文献

攻读硕士学位期间主要研究成果