作者：李勇 孟小峰 刘继 王常青小数据块熵超熵兴趣演化预测增益
摘要：网络大数据中与Web用户行为相关的数据，例如在线点击数据和通讯记录等，为人们深度挖掘和定量分析人类兴趣动力学带来了机遇，这些在线行为数据被称为大数据时代的“小数据”，有助于揭示许多复杂的人类社会与经济现象．Web用户行为建模时常见的前提假设就是人的行为符合M arkov过程，用户下一行为仅依赖于当前行为，与过去的历史行为无关．然而，在线用户行为是一个复杂过程，常常依赖于人的兴趣，对于人类兴趣动力学的本质规律目前知之甚少．利用中国互联网络信息中心提供的30000多名在线用户行为记录数据，基于块熵理论对在线用户行为进行分类研究，通过信息论分析方法，结合熵增曲线的离散导数和积分理论，分析在线用户点击行为的随机性和记忆性特征．研究表明，与常见的假设不同，Web用户的行为并不是一个简单的M arkov过程，而是一个符合幂率的非周期无限长程记忆过程；进一步还发现，用户在线连续点击7个兴趣点，其行为的平均预测增益就可达到95．3％以上，可为大数据时代在线用户兴趣精准预测提供理论指导．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
