電影評(píng)價(jià)數(shù)據(jù)中的用戶行為特征挖掘.pdf

1、人類行為動(dòng)力學(xué)的量化研究雖然起步晚，但是在近年來已得到廣泛的研究?？措娪耙殉蔀楫?dāng)代人們，特別是年輕人最為廣泛的消遣娛樂方式之一。研究人們?cè)诳措娪耙约半娪霸u(píng)價(jià)的行為中的動(dòng)力學(xué)特征，了解人們對(duì)電影的興趣口味，挖掘用戶的行為模式，有助于及時(shí)調(diào)整推薦用戶感興趣的電影，以此提高電影門戶網(wǎng)站的點(diǎn)擊量以及吸引潛在客戶，這無疑將會(huì)給電影門戶網(wǎng)站帶來巨大的商業(yè)價(jià)值。然而，絕大部分有用的信息都隱藏在大數(shù)據(jù)之中，要深入研究分析才能窺探一二?；谶@種背景，本文

2、研究了電影評(píng)價(jià)數(shù)據(jù)庫Movielens中的用戶行為特征。
　　首先，本文研究了電影評(píng)價(jià)數(shù)據(jù)Movielens的基本特征。接下來，研究了電影評(píng)價(jià)次數(shù)隨時(shí)間演化特征，發(fā)現(xiàn)電影在被第一次評(píng)價(jià)之后，電影的評(píng)價(jià)量會(huì)在此之后的大約第99天和第209天出現(xiàn)兩個(gè)高峰期，且在第209天，電影評(píng)價(jià)量是最多的。研究了處于電影評(píng)價(jià)高峰期和非高峰期階段用戶的行為特征，發(fā)現(xiàn)用戶的行為特征在這兩個(gè)階段呈現(xiàn)相似的特征，在這兩個(gè)階段中用戶度的概率分布服從冪律分布，

3、這說明在這兩個(gè)階段的用戶主要為不活躍的小度用戶。
　　進(jìn)一步，我們研究了積極和不積極評(píng)價(jià)電影的用戶的行為特征，發(fā)現(xiàn)積極評(píng)價(jià)電影的用戶度的概率分布服從冪律分布，說明該類用戶主要為不活躍用戶。而不積極評(píng)價(jià)電影的用戶的度的概率分布，相對(duì)來說分布的較為均勻，但用戶度處于100-300這個(gè)范圍的概率會(huì)相對(duì)高一些。
　　最后，分別研究了熱門電影和冷門電影的評(píng)價(jià)用戶特征。通過研究熱門和冷門電影評(píng)價(jià)的時(shí)間演化特性，電影評(píng)價(jià)出現(xiàn)大小高峰期和非