行動網路用戶時序行為分析

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：9

、訪客IP：3.134.81.206

姓名

劉庭瑜(Ting-Yu Liu) 查詢紙本館藏

畢業系所

資訊工程學系在職專班

論文名稱

行動網路用戶時序行為分析
(Analysis of temporal behavior of mobile network users)

相關論文

★ 應用自組織映射圖網路及倒傳遞網路於探勘通信資料庫之潛在用戶	★ 基於社群網路特徵之企業電子郵件分類
★ 社群網路中多階層影響力傳播探勘之研究	★ 以點對點技術為基礎之整合性資訊管理及分析系統
★ 在分散式雲端平台上對不同巨量天文應用之資料區域性適用策略研究	★ 應用資料倉儲技術探索點對點網路環境知識之研究
★ 從交易資料庫中以自我推導方式探勘具有多層次FP-tree	★ 建構儲存體容量被動遷徙政策於生命週期管理系統之研究
★ 應用服務探勘於發現複合服務之研究	★ 利用權重字尾樹中頻繁事件序改善入侵偵測系統
★ 有效率的處理在資料倉儲上連續的聚合查詢	★ 入侵偵測系統：使用以函數為基礎的系統呼叫序列
★ 有效率的在資料方體上進行多維度及多層次的關聯規則探勘	★ 在網路學習上的社群關聯及權重之課程建議
★ 在社群網路服務中找出不活躍的使用者	★ 利用階層式權重字尾樹找出在天文觀測紀錄中變化相似的序列

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

至系統瀏覽論文 ( 永不開放)

摘要(中)

現今攜帶型裝置與行動網路相當普及，網路設備商蒐集到了大量用戶去識別化後造訪網站或是APP程式服務連線到主機端時的DNS記錄，儘管擁有如此大量的資料卻缺乏有效的分析方式。
本次研究將會以前綴投影模式增長法(PrefixSpan)來尋找行動網路用戶是否有特定的網路使用習性與時序，期盼能夠作為企業未來發展方針的參考依據。
實驗結果顯示行動網路用戶在這一周的資料當中平日與假日的Pattern並無太大差異，多以使用娛樂類型的服務為主，尤其音樂與影視方面有壓倒性的多數，而在序列方面使用者大多會在使用某類型的服務後繼續使用具有相同類型的服務，而不是轉為使用其他類型的服務。最後則是通訊軟體服務的使用頻率遠低於預期且智慧家電服務的使用頻率非常的高，甚至高過部分娛樂類型的服務。

摘要(英)

Portable devices and mobile internet have become extremely prevalent today. Network device providers have collected a large amount of DNS records, which are anonymized, capturing user visits to websites or connections to server endpoints through various app services. Despite having such a vast amount of data, there is a lack of effective analysis methods.
This research utilizes the PrefixSpan algorithm to investigate whether mobile internet users exhibit specific usage patterns and temporal sequences. The aim is to provide valuable insights as a reference for the future development strategies of companies.
The experimental results indicate that there is not much difference in patterns between weekdays and weekends among mobile internet users in the data collected for this week. Users predominantly engage in entertainment services, particularly in music and video content. In terms of sequential behavior, users tend to continue using services of the same type after using a particular service, rather than switching to other types. Surprisingly, the usage frequency of communication software services is lower than expected, while the usage frequency of smart home services is exceptionally high, even surpassing certain entertainment services.

關鍵字(中)

★ 前綴投影模式增長法
★ 資料探勘
★ 循序樣式探勘

關鍵字(英)

★ Prefixspan
★ Data Mining
★ Sequential Pattern Mining

論文目次

摘要 ........................................................................................................................................... V
Abstract ................................................................................................................................... VI
誌謝 ........................................................................................................................................ VII
表目錄 ..................................................................................................................................... IX
第一章緒論 .............................................................................................................................. 1
第一節前言 .......................................................................................................................... 1
第二節研究動機 .................................................................................................................. 1
第三節研究目標 .................................................................................................................. 2
第四節論文架構 .................................................................................................................. 3
第二章文獻探討 ...................................................................................................................... 4
第一節資料探勘 .................................................................................................................. 4
第二節循序樣式探勘 .......................................................................................................... 4
第三節前綴投影模式增長法 .............................................................................................. 5
第四節巨量資料 .................................................................................................................. 6
第三章研究方法 ...................................................................................................................... 8
第一節研究架構 .................................................................................................................. 8
第二節研究對象 .................................................................................................................. 9
第三節研究工具 ................................................................................................................ 10
第四節預期結果 ................................................................................................................ 10
第四章實驗結果 .................................................................................................................... 11
第一節資料預處理 ............................................................................................................ 11
第二節實驗結果 ................................................................................................................ 11
第五章結論 ............................................................................................................................ 20
第一節結果分析 ................................................................................................................ 20
第二節未來工作 ................................................................................................................ 22
參考文獻 ................................................................................................................................. 24

參考文獻

[1] Clifton, C. W. (2023, May 23). Data Mining. Britannica. https://www.britannica.com/technology/data-mining
[2] Bechini, A.; Bondielli, A.; Dell′Oglio, P.; Marcellonii, F.
( "From basic approaches to novel challenges and applications
in Sequential Pattern Mining" Applied Computing and
Intelligence 3 (1): 44 78. doi 10.3934/aci.2023004
[3] 曾憲雄、蔡秀滿、蘇東興、曾秋蓉、王慶堯（2005）。資料探勘。臺北市：旗標。(ISBN: 978-957-442-236-4)
[4] Jian Pei et al., "PrefixSpan,: mining sequential patterns efficiently by prefix-projected pattern growth," Proceedings 17th International Conference on Data Engineering, Heidelberg, Germany, 2001, pp. 215-224, doi: 10.1109/ICDE.2001.914830.
[5] Gillis, A. S. (n.d.). 5 V’s of Big Data. TechTarget.
https://www.techtarget.com/searchdatamanagement/definition/5 Vs
of big data
[6] 大數據的「 4V 」 . (n.d.). 香港中文大學傳訊及公共關係處刊物 ).
https://www.iso.cuhk.edu.hk/chinese/publications/newsletter/article.
aspx?articleid=56296
25
[7] Gao, C. (2018, September 29). Prefixspan 0.5.2. PyPI. Gao, C. (2018, September 29). Prefixspan 0.5.2. PyPI. httpshttps://pypi.org/project/prefixspan/#description://pypi.org/project/prefixspan/#description
[8] Overview. (n.d.). Spyder IDE.Overview. (n.d.). Spyder IDE. https://www.spyderhttps://www.spyder--ide.org/ide.org/
[9] 2022 台灣網路報告. (2022, July). 財團法人台灣網路資訊中心(TWNIC). https://report.twnic.tw/2022/
[10] 許桂芬許桂芬. (2015, September 10). . (2015, September 10). 智慧家庭熱潮再起智慧家庭熱潮再起. . 資策會產業情資策會產業情報研究所（報研究所（MICMIC））. . https://mic.iii.org.tw/industry.aspx?id=137https://mic.iii.org.tw/industry.aspx?id=137

指導教授

蔡孟峰(Meng-Feng Tsai)

審核日期

2023-7-19

推文