CN107770149B - 网络用户的上网行为的管理方法、装置及存储介质 - Google Patents
网络用户的上网行为的管理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN107770149B CN107770149B CN201710509720.4A CN201710509720A CN107770149B CN 107770149 B CN107770149 B CN 107770149B CN 201710509720 A CN201710509720 A CN 201710509720A CN 107770149 B CN107770149 B CN 107770149B
- Authority
- CN
- China
- Prior art keywords
- network
- behavior
- internet
- network user
- nodes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/30—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information
- H04L63/302—Network architectures or network communication protocols for network security for supporting lawful interception, monitoring or retaining of communications or communication related information gathering intelligence information for situation awareness or reconnaissance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Technology Law (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明介绍了一种网络用户的上网行为的管理方法、装置及存储介质,该方法包括:获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;通过边连接与网络用户触发的两个相邻上网行为相对应的两个节点,并根据两个相邻上网行为之间的交互总次数为两个节点之间的边设置权重值;基于各个节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。本发明由于考虑了网络用户的个体上网行为之间的关联关系,因而在判断多个网络用户之间的相似度时更加全面,提高了用户相似度度量的精确度。
Description
技术领域
本发明涉及网络用户行为技术领域,尤其涉及一种网络用户的上网行为的管理方法、装置及存储介质。
背景技术
相关技术中,衡量两个网络用户的上网行为相似度值是直接比较两个网络用户的上网行为,例如,通过判断两个网络用户是否有共同的好友、是否看过同一部电影、是否购买过同一种商品等等。但是,一个网络用户的个体上网行为是有很多类型的,而且数量繁多。一个网络用户的多个上网行为之间也存在着一定的关联关系。
这种方式下,由于没有考虑网络用户的个体上网行为之间的关联关系,因此采用相关技术中的衡量两个网络用户的上网行为相似度值来判断两个网络用户是否相似是不够全面的。
发明内容
本发明的主要目的在于提出一种网络用户的上网行为的管理方法、装置及存储介质,网络化的描述网络用户的个体上网行为,直观的呈现网络用户的各个上网行为之间的关联关系。
为实现上述目的,本发明提供了一种网络用户的上网行为的管理方法,所述方法包括:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与所述网络用户触发的两个相邻上网行为相对应的两个节点,并根据所述两个相邻上网行为之间的交互总次数为所述两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
可选的,所述方法,还包括:
根据所述网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值;
基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
可选的,在所述建立与所述网络用户相对应的个体上网行为网络之后,所述方法还包括:
根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值。
可选的,所述根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值,包括:
根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序;
分别从所述每个网络用户的个体上网行为网络中选取在前N个的节点,并根据所述前N个的节点分别生成与所述每个网络用户相对应的核心节点集合;其中,N为大于0的整数;
统计所述任意两个网络用户的核心节点集合中,交集节点的个数,并将所述个数作为所述任意两个网络用户的上网行为相似度值。
可选的,所述根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序,包括:
将所述每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值作为网页排名PageRank算法的输入,得到PageRank算法的输出,以分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序。
此外,为实现上述目的,本发明还提出一种网络用户的上网行为的管理装置,所述装置包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的网络用户的上网行为的管理程序,以实现以下步骤:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与所述网络用户触发的两个相邻上网行为相对应的两个节点,并根据所述两个相邻上网行为之间的交互总次数为所述两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
可选的,所述处理器还用于执行所述网络用户的上网行为的管理程序,以实现以下步骤:
根据所述网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值;
基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
可选的,在所述建立与所述网络用户相对应的个体上网行为网络之后,所述处理器还用于执行所述网络用户的上网行为的管理程序,以实现以下步骤:
根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值。
可选的,所述处理器在执行所述网络用户的上网行为的管理程序,以实现所述根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值的步骤时,具体包括:
根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序;
分别从所述每个网络用户的个体上网行为网络中选取在前N个的节点,并根据所述前N个的节点分别生成与所述每个网络用户相对应的核心节点集合;其中,N为大于0的整数;
统计所述任意两个网络用户的核心节点集合中,交集节点的个数,并将所述个数作为所述任意两个网络用户的上网行为相似度值。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有网络用户的上网行为的管理程序;
当所述网络用户的上网行为的管理程序被至少一个处理器执行时,导致所述至少一个处理器执行上述介绍的网络用户的上网行为的管理方法的步骤。
本发明提出的网络用户的上网行为的管理方法、装置及存储介质,对每个网络用户的多个上网行为以及它们之间的关联关系进行了网络化描述;采用经典的PageRank算法很好地利用了网络的拓扑结构信息,并且PageRank算法的效率很高;此外,本发明由于考虑了网络用户的个体上网行为之间的关联关系,因而在判断多个网络用户之间的相似度时更加全面,提高了用户相似度度量的精确度。
附图说明
图1是本发明第一实施例的网络用户的上网行为的管理方法的流程图;
图2是本发明第二实施例的网络用户的上网行为的管理方法的流程图;
图3是本发明第二实施例中的网络用户的个体上网行为网络的示例图;
图4是本发明第四实施例的网络用户的上网行为的管理装置的组成结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明进行详细说明如后。
本发明第一实施例,一种网络用户的上网行为的管理方法,如图1所示,该方法具体包括以下步骤:
步骤S101:获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点。
具体的,与现实社会中人类的社会行为相对应,上网行为是网络用户发生在网络虚拟空间中的行为。例如,网络用户在上网过程中的一系列点击操作、下载操作、输入操作等。
当获取到网络用户的所有上网行为时,对网络用户的所有上网行为进行分类,得到不同类型的上网行为。优选的,可根据网站类型或应用类型对上网行为进行分类。当然,也可根据预设的其他分类方式对上网行为进行分类,本实施例不做具体限定。
当得到不同类型的上网行为时,分别为每种类型的上网行为设置对应的节点。为了区分不同类型的上网行为,可将各个节点设置为不同的颜色,或将各个节点设置为不同的形状,或为每个节点添加文字说明,从而通过各个节点代表不同类型的上网行为。
步骤S102:通过边连接与网络用户触发的两个相邻上网行为相对应的两个节点,并根据两个相邻上网行为之间的交互总次数为两个节点之间的边设置权重值。
具体的,在将网络用户的不同类型的上网行为转化为不同的节点之后,当网络用户触发两个不同类型的上网行为的时间相邻时,若与两个不同类型的上网行为相对应的两个节点之间不存在边,则在两个节点之间添加一条边,并将边的权重值设置为1;若与两个不同类型的上网行为相对应的两个节点之间存在边,则将两个节点之间的边的权重值增加1。
若两个节点之间的边的权重值越大,则说明网络用户偏好于在相邻的时间内依次触发与两个节点相对应的两个上网行为。
步骤S103:基于各个节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。
进一步的,该方法还包括:
通过移动终端的显示屏显示网络用户的个体上网行为网络,以便于用户查阅,从而提升表达效果的直观性。
本实施例对每个网络用户的多个上网行为以及它们之间的关联关系进行了网络化描述,可以直观的呈现网络用户的各个上网行为之间的关联关系,并通过两个节点之间的权重值,分析出网络用户的上网习惯和上网行为偏好。
本发明第二实施例,一种网络用户的上网行为的管理方法,如图2所示,该方法具体包括以下步骤:
步骤S201:获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点。
具体的,与现实社会中人类的社会行为相对应,上网行为是网络用户发生在网络虚拟空间中的行为。例如,网络用户在上网过程中的一系列点击操作、下载操作、输入操作等。
当获取到网络用户的所有上网行为时,对网络用户的所有上网行为进行分类,得到不同类型的上网行为。优选的,可根据网站类型或应用类型对上网行为进行分类。当然,也可根据预设的其他分类方式对上网行为进行分类,本实施例不做具体限定。
当得到不同类型的上网行为时,分别为每种类型的上网行为设置对应的节点。为了区分不同类型的上网行为,可将各个节点的图标设置为不同的颜色,或将各个节点的图标设置为不同的形状,或为每个节点添加文字说明,从而通过各个节点代表不同类型的上网行为。
步骤S202:根据网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值。
可选地,本实施例中可以采用节点图标的面积大小标记对应的权重值,提升表达效果的直观性。例如,节点图标的面积大小与节点的权重值成正比例关系,即,若节点的权重值越大,则节点图标的面积越大。
通过每个节点的权重值的大小,可以直观地分析出网络用户的上网行为偏好。
步骤S203:通过边连接与网络用户触发的两个相邻上网行为相对应的两个节点,并根据两个相邻上网行为之间的交互总次数为两个节点之间的边设置权重值。
具体的,在将网络用户的不同类型的上网行为转化为不同的节点之后,当网络用户触发两个不同类型的上网行为的时间相邻时,若与两个不同类型的上网行为相对应的两个节点之间不存在边,则在两个节点之间添加一条边,并将边的权重值设置为1;若与两个不同类型的上网行为相对应的两个节点之间存在边,则将两个节点之间的边的权重值增加1。
可选地,本实施例中可以采用边的粗细程度标记对应边的权重值,例如,可以设置边的粗细程度与边的权重值成正比例关系,即,若边的权重值越大,则边越粗,提升表达效果的直观性。
若两个节点之间的边的权重值越大,则说明网络用户偏好于在相邻的时间内依次触发与两个节点相对应的两个上网行为。
步骤S204:基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。
如图3所示,为网络用户的个体上网行为网络的示例图。通过图3可以直观的呈现网络用户的各个上网行为之间的关联关系。在图3中,分别用5个节点代表网络用户触发的5种类型的上网行为,并通用文字说明,区分各个节点。节点面积的大小直观的反映出节点的权重值大小。节点与节点之间的边的粗细程度直观的反映出边的权重值大小。
步骤S205:根据任意两个网络用户的个体上网行为网络,计算任意两个网络用户的上网行为相似度值。
具体的,步骤S205,包括:
步骤A1:根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序。
进一步的,步骤A1,具体包括:
将每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值作为网页排名PageRank算法的输入,得到PageRank算法的输出,以分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序。
本实施例利用计算效率较高的PageRank算法对网络用户的个体上网行为网络中的各个节点进行降序排序。
步骤A2:分别从每个网络用户的个体上网行为网络中选取在前N个的节点,并根据前N个的节点分别生成与每个网络用户相对应的核心节点集合;其中,N为大于0的整数。
从第一网络用户的个体上网行为网络中选取出排在前N个的节点,作为第一网络用户的个体上网行为网络的核心节点集合;从第二网络用户的个体上网行为网络中选取出排在前N个的节点,作为第二网络用户的个体上网行为网络的核心节点集合。
由于之前已对个体上网行为网络中的各个节点进行了降序排序,所以排在前N个的节点最能够反映出网络用户的上网行为偏好。
步骤A3:统计任意两个网络用户的核心节点集合中,交集节点的个数,并将个数作为任意两个网络用户的上网行为相似度值。
统计在第一网络用户的核心节点集合与第二网络用户的核心节点集合中,交集节点的个数,交集节点的个数为第一网络用户和第二网络用户逇上网行为相似度值。
若交集节点的个数越多,则反映出两个网络用户的上网习惯越相近,上网行为越相似,反之亦然。
若任意两个网络用户的上网行为相似度值大于预设阈值,则表明任意两个网络用户的相似度较高;若任意两个网络用户的上网行为相似度值小于预设阈值,则表明任意两个网络用户的相似度较低。
本实施例采用经典的PageRank算法很好地利用了网络的拓扑结构信息,并且PageRank算法的效率很高;此外,本发明由于考虑了网络用户的个体上网行为之间的关联关系,因而在判断多个网络用户之间的相似度时更加全面,提高了用户相似度度量的精确度。
本发明第三实施例,一种网络用户的上网行为的管理装置,如图4所示,该装置具体包括:处理器401、存储器402及通信总线;
通信总线用于实现处理器401和存储器402之间的连接通信;
处理器401用于执行存储器402中存储的网络用户的上网行为的管理程序,以实现以下步骤:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与网络用户触发的两个相邻上网行为相对应的两个节点,并根据两个相邻上网行为之间的交互总次数为两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。
具体的,处理器401还用于执行网络用户的上网行为的管理程序,以实现以下步骤:
根据网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值;
基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。
进一步的,在建立与网络用户相对应的个体上网行为网络之后,处理器401还用于执行网络用户的上网行为的管理程序,以实现以下步骤:
根据任意两个网络用户的个体上网行为网络,计算任意两个网络用户的上网行为相似度值。
进一步的,处理器401在执行网络用户的上网行为的管理程序,以实现根据任意两个网络用户的个体上网行为网络,计算任意两个网络用户的上网行为相似度值的步骤时,具体包括:
根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序;
分别从每个网络用户的个体上网行为网络中选取在前N个的节点,并根据前N个的节点分别生成与每个网络用户相对应的核心节点集合;其中,N为大于0的整数;
统计任意两个网络用户的核心节点集合中,交集节点的个数,并将个数作为任意两个网络用户的上网行为相似度值。
本申请的第四实施例提出了一种计算机可读存储介质,该计算机可读存储介质存储有网络用户的上网行为的管理程序;
当网络用户的上网行为的管理程序被至少一个处理器执行时,导致至少一个处理器执行以下操作:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与网络用户触发的两个相邻上网行为相对应的两个节点,并根据两个相邻上网行为之间的交互总次数为两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与网络用户相对应的个体上网行为网络。
本发明实施例中介绍的网络用户的上网行为的管理方法、装置及存储介质,对每个网络用户的多个上网行为以及它们之间的关联关系进行了网络化描述;采用经典的PageRank算法很好地利用了网络的拓扑结构信息,并且PageRank算法的效率很高;此外,本发明由于考虑了网络用户的个体上网行为之间的关联关系,因而在判断多个网络用户之间的相似度时更加全面,提高了用户相似度度量的精确度。
通过具体实施方式的说明,应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解,然而所附图示仅是提供参考与说明之用,并非用来对本发明加以限制。
Claims (10)
1.一种网络用户的上网行为的管理方法,其特征在于,所述方法包括:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与所述网络用户触发的两个相邻上网行为相对应的两个节点,并根据所述两个相邻上网行为之间的交互总次数为所述两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
2.根据权利要求1所述的网络用户的上网行为的管理方法,其特征在于,所述方法,还包括:
根据所述网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值;
基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
3.根据权利要求2所述的网络用户的上网行为的管理方法,其特征在于,在所述建立与所述网络用户相对应的个体上网行为网络之后,所述方法还包括:
根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值。
4.根据权利要求3所述的网络用户的上网行为的管理方法,其特征在于,所述根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值,包括:
根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序;
分别从所述每个网络用户的个体上网行为网络中选取在前N个的节点,并根据所述前N个的节点分别生成与所述每个网络用户相对应的核心节点集合;其中,N为大于0的整数;
统计所述任意两个网络用户的核心节点集合中,交集节点的个数,并将所述个数作为所述任意两个网络用户的上网行为相似度值。
5.根据权利要求4所述的网络用户的上网行为的管理方法,其特征在于,所述根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序,包括:
将所述每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值作为网页排名PageRank算法的输入,得到PageRank算法的输出,以分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序。
6.一种网络用户的上网行为的管理装置,其特征在于,所述装置包括处理器、存储器及通信总线;
所述通信总线用于实现处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的网络用户的上网行为的管理程序,以实现以下步骤:
获取网络用户的所有上网行为,分别为每种类型的上网行为设置对应的节点;
通过边连接与所述网络用户触发的两个相邻上网行为相对应的两个节点,并根据所述两个相邻上网行为之间的交互总次数为所述两个节点之间的边设置权重值;
基于各个节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
7.根据权利要求6所述的网络用户的上网行为的管理装置,其特征在于,所述处理器还用于执行所述网络用户的上网行为的管理程序,以实现以下步骤:
根据所述网络用户触发每种类型的上网行为的总次数,分别为每种类型的上网行为所对应的节点设置对应的权重值;
基于各个具有权重值的节点以及各个节点之间的具有权重值的边,建立与所述网络用户相对应的个体上网行为网络。
8.根据权利要求7所述的网络用户的上网行为的管理装置,其特征在于,在所述建立与所述网络用户相对应的个体上网行为网络之后,所述处理器还用于执行所述网络用户的上网行为的管理程序,以实现以下步骤:
根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值。
9.根据权利要求8所述的网络用户的上网行为的管理装置,其特征在于,所述处理器在执行所述网络用户的上网行为的管理程序,以实现所述根据任意两个网络用户的个体上网行为网络,计算所述任意两个网络用户的上网行为相似度值的步骤时,具体包括:
根据每个网络用户的个体上网行为网络中的各个节点的权重值以及各个边的权重值,分别对每个网络用户的个体上网行为网络中的各个节点进行降序排序;
分别从所述每个网络用户的个体上网行为网络中选取在前N个的节点,并根据所述前N个的节点分别生成与所述每个网络用户相对应的核心节点集合;其中,N为大于0的整数;
统计所述任意两个网络用户的核心节点集合中,交集节点的个数,并将所述个数作为所述任意两个网络用户的上网行为相似度值。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有网络用户的上网行为的管理程序;
当所述网络用户的上网行为的管理程序被至少一个处理器执行时,导致所述至少一个处理器执行所述权利要求1至5中任一项所述的网络用户的上网行为的管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509720.4A CN107770149B (zh) | 2017-06-28 | 2017-06-28 | 网络用户的上网行为的管理方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710509720.4A CN107770149B (zh) | 2017-06-28 | 2017-06-28 | 网络用户的上网行为的管理方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107770149A CN107770149A (zh) | 2018-03-06 |
CN107770149B true CN107770149B (zh) | 2021-01-12 |
Family
ID=61265742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710509720.4A Active CN107770149B (zh) | 2017-06-28 | 2017-06-28 | 网络用户的上网行为的管理方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107770149B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610184A (zh) * | 2009-07-28 | 2009-12-23 | 中国科学院软件研究所 | 一种p2p网络中基于模糊逻辑的共谋团体识别方法 |
CN102056161A (zh) * | 2009-10-28 | 2011-05-11 | 上海摩波彼克半导体有限公司 | 无线移动通信网络中实现分层密钥管理的方法 |
CN106681794A (zh) * | 2016-12-07 | 2017-05-17 | 同济大学 | 基于兴趣行为的分布式虚拟环境缓存管理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9400872B2 (en) * | 2009-03-05 | 2016-07-26 | Fat Statz Llc | Metrics assessment system for health, fitness and lifestyle behavioral management |
-
2017
- 2017-06-28 CN CN201710509720.4A patent/CN107770149B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101610184A (zh) * | 2009-07-28 | 2009-12-23 | 中国科学院软件研究所 | 一种p2p网络中基于模糊逻辑的共谋团体识别方法 |
CN102056161A (zh) * | 2009-10-28 | 2011-05-11 | 上海摩波彼克半导体有限公司 | 无线移动通信网络中实现分层密钥管理的方法 |
CN106681794A (zh) * | 2016-12-07 | 2017-05-17 | 同济大学 | 基于兴趣行为的分布式虚拟环境缓存管理方法 |
Non-Patent Citations (1)
Title |
---|
基于信任的网络群体异常行为发现;李乔等;《计算机学报》;20140115;第37卷(第1期);第3-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107770149A (zh) | 2018-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271512B (zh) | 舆情评论信息的情感分析方法、装置及存储介质 | |
CN110825957B (zh) | 基于深度学习的信息推荐方法、装置、设备及存储介质 | |
CN107301007B (zh) | 功能菜单显示方法及系统 | |
CN108874289B (zh) | 应用历史记录查看方法、装置及电子设备 | |
US20180246962A1 (en) | Playlist list determining method and device, electronic apparatus, and storage medium | |
US20120124065A1 (en) | System and method for populating a database with user input | |
CN104866526B (zh) | 智能终端及其推荐应用程序的方法 | |
US11580004B2 (en) | Information processor, information processing method, and non-transitory storage medium | |
CN110046196A (zh) | 标识关联方法及装置、电子设备 | |
CN103473036B (zh) | 一种输入法皮肤推送方法及系统 | |
CN104283842A (zh) | 主题管理方法及系统 | |
CN110503506A (zh) | 基于评分数据的物品推荐方法、装置及介质 | |
CN113010255B (zh) | 基于捆绑会话组的交互方法、装置和计算机设备 | |
CN108614843B (zh) | 网站内容的评估方法及装置 | |
KR20190128246A (ko) | 검색 방법 및 장치 및 비-일시적 컴퓨터-판독가능 저장 매체 | |
CN109582155B (zh) | 输入联想词的推荐方法、装置、存储介质及电子设备 | |
CN109800340A (zh) | 商标注册推荐方法及系统 | |
CN110532056A (zh) | 一种应用于用户界面中的控件识别方法及装置 | |
CN107645559B (zh) | 家电信息推送方法、服务器、移动终端及存储介质 | |
CN108121741B (zh) | 网站质量评估方法及装置 | |
CN113378067B (zh) | 基于用户挖掘的消息推荐方法、设备、介质 | |
CN106933905B (zh) | 网页访问数据的监测方法和装置 | |
CN107770149B (zh) | 网络用户的上网行为的管理方法、装置及存储介质 | |
CN116663505A (zh) | 一种基于互联网的评论区管理方法及系统 | |
CN114265777B (zh) | 应用程序的测试方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |