Page 103 - 计算机应用软件开发技术研究

第三章 软件工程与大数据研究

并统一管理，因此研究移动用户行为的特征必须使用到数据挖掘技术。可以通过
查看移动用户上网的日志记录，来描述用户上网行为的特征，并给这类用户总结
他们的主要属性。要给用户的行为模式进行分类必须根据用户的行为表现特征来

分类。从采集到的数据去分析，并归纳用户的各种行为特征，从用户行为特征中
统计出它的规律性，从而创建用户的行为模型。将用户的行为模式的内容和规律
进行总结归纳。对大数据环境下移动用户上网行为特征的分析，就必须使用数据
挖掘。

2.移动互联网用户行为分析的方法
在对用户行为特征进行分析的过程中，应用数据挖掘的流程：
第一，首先根据企业的发展战略规划和企业目前发展的阶段，准确理解商业
中存在的问题，选定挖掘数据的目标，有目的地设计营销策略，确定研究的内容

及研究方法；
第二，根据所收集到的数据，构建用户的行为模型；
第三，将数据经过选取、清理、转换、整合以及变量的约简过程，最终生成
所要的数据；

第四，围绕数据挖掘的目标，选择合适的挖掘算法；
第五，将生成的数据导入模型中，去验证用户的行为模型是不是准确和有效
的，需要通过数据挖掘技术来验证；
第六，如果模型没有通过验证，就需要重新创建用户行为模型，通过了验证

则该用户行为模型就可用于数据分析的运营；
第七，用户行为模型结果最终以文字或图表来展示，这是数据挖掘完之后完
成的转换；
第八，数据挖掘模型在使用过程中得到不断地调整和完善。

3.聚类算法的选择
首先，统计量。本部分内容主要针对移动用户的行为数据来创建的移动用户
行为模型，通过数据挖掘技术去发现移动用户的行为特征，因此需要选取欧式距
离作为统计量。其次，聚类方式的选择综合考虑本书选择的算法是 k-means 聚类

算法。因为大数据环境下移动用户行为数据比较庞大，对于企业的数据进行分析
时，必须考虑采用能够得到比较准确的分类结果、一个相对时间短的计算和能对
庞大数据进行分类的聚类方法。最后，需要有一个判断准则来判断什么是合理的

·91·