在線電子商務交易數(shù)據(jù)的可視分析.pdf

1、日常生活產(chǎn)生了大量的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)，包括在線電子商務交易數(shù)據(jù)。為了獲得其中的時序相關，空間相關以及場景相關的模式，需要從不同角度對數(shù)據(jù)進行分析。現(xiàn)有方法針對時序交易數(shù)據(jù)進行可視化與分析，包括對用戶交互的時序模式，用戶關系網(wǎng)絡結(jié)構等等。在使用傳統(tǒng)的方法進行處理過程中，日益增長的數(shù)據(jù)維度和結(jié)構復雜性也對在線電子商務交易數(shù)據(jù)的探索提出了新的挑戰(zhàn)。
　　本文緊緊圍繞在線電子商務交易數(shù)據(jù)，針對分析師提出的不同任務對數(shù)據(jù)進行了可視化與分析

2、。本文根據(jù)數(shù)據(jù)的多種特征進行了如下三方面的研究:(1)時序用戶交互的可視分析。本文提出了多用戶交互探索系統(tǒng)MUIE(Multi-UserInteractionExplorer)，它允許用戶交互式地探索交易數(shù)據(jù)中的時序趨勢和上下文關聯(lián)。MUIE結(jié)合了改進的概率決策樹算法和基于像素的時序顯著度TOS(time-of-saliency)圖，幫助分析師選取潛在感興趣的數(shù)據(jù)集合。被選取的數(shù)據(jù)進一步使用KnotLines的可視化方法進行探索，Kno

3、tLines可視化了交易數(shù)據(jù)中的細節(jié)信息和時序關聯(lián)。(2)交易軌跡數(shù)據(jù)的可視化。本文采用動態(tài)可視化的方法展現(xiàn)了交易數(shù)據(jù)中的地理位置和時序信息的關聯(lián)。我們使用了核密度估計生成交易數(shù)據(jù)分布的密度場，并使用光照模型對其進行繪制。本文結(jié)合硬件加速的方法，可視化不同類型軌跡的動態(tài)趨勢。(3)多維用戶類別型數(shù)據(jù)的可視分析。本文將交易數(shù)據(jù)中的類別屬性看成離散隨機變量。重點可視化了離散隨機變量組合的聯(lián)合分布，條件分布等概率分布。本文提供了進一步的可視化