數(shù)據(jù)挖掘下的學(xué)生網(wǎng)絡(luò)行為分析管理

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了數(shù)據(jù)挖掘下的學(xué)生網(wǎng)絡(luò)行為分析管理范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：隨著移動互聯(lián)網(wǎng)和高校校園網(wǎng)的日趨完善，大學(xué)生已成為網(wǎng)絡(luò)社會最主要的社會群體之一。網(wǎng)絡(luò)已成為大學(xué)生校園生活和日常生活不可缺少的重要工具之一，對高校學(xué)生網(wǎng)絡(luò)行為進行分析、管理和引導(dǎo)具有重要的作用和深遠的意義。文章重點對網(wǎng)絡(luò)訪問數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)訪問數(shù)據(jù)清洗、網(wǎng)頁分類等核心環(huán)節(jié)進行了闡述，并構(gòu)建了網(wǎng)絡(luò)行為分析與管理系統(tǒng)，為高校網(wǎng)絡(luò)部門優(yōu)化校園網(wǎng)絡(luò)服務(wù)、保障網(wǎng)絡(luò)安全提供了參考。

關(guān)鍵詞：網(wǎng)絡(luò)行為分析；網(wǎng)絡(luò)行為管理；數(shù)據(jù)挖掘

隨著網(wǎng)絡(luò)的迅速普及，近年來我國網(wǎng)民數(shù)量不斷增長，2019年8月中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）了第44次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》，截至2019年6月，我國網(wǎng)民規(guī)模達8.54億，互聯(lián)網(wǎng)普及率達61.2%，手機網(wǎng)民規(guī)模達8.47億，網(wǎng)民使用手機上網(wǎng)的比例達99.1%，2019年上半年，我國網(wǎng)民的人均每周上網(wǎng)時長為27.9h[1]。隨著移動互聯(lián)和高校校園網(wǎng)的日趨完善，大學(xué)生已成為網(wǎng)絡(luò)社會最主要的社會群體之一。由于具有較高的文化層次以及較強的新生事物接受能力，大學(xué)生掌握了很高的計算機和網(wǎng)絡(luò)技術(shù)，也因此主導(dǎo)著計算機網(wǎng)絡(luò)文化的潮流，網(wǎng)絡(luò)使用普及率、上網(wǎng)時間等都明顯高于其他群體。網(wǎng)絡(luò)已成為大學(xué)生校園生活和日常生活不可缺少的環(huán)節(jié)之一，對高校學(xué)生網(wǎng)絡(luò)行為進行分析、管理和引導(dǎo)具有重要的作用和深遠的意義。

1高校學(xué)生網(wǎng)絡(luò)行為分析與管理現(xiàn)狀

學(xué)生網(wǎng)絡(luò)行為分析與管理是指通過提取和監(jiān)控網(wǎng)絡(luò)流量，采集網(wǎng)絡(luò)用戶信息，包括用戶ID信息、所在區(qū)域、相關(guān)瀏覽數(shù)據(jù)和流量數(shù)據(jù)，建立分析數(shù)據(jù)庫，識別學(xué)生訪問網(wǎng)站、網(wǎng)絡(luò)系統(tǒng)、數(shù)據(jù)庫、論壇等訪問行為，及時關(guān)注和掌握學(xué)生網(wǎng)絡(luò)行為狀態(tài)，引導(dǎo)學(xué)生行為。同時，通過關(guān)注網(wǎng)上異常行為，提高專有網(wǎng)絡(luò)的安全性。高校學(xué)生網(wǎng)絡(luò)行為數(shù)據(jù)挖掘主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)分析等步驟，數(shù)據(jù)采集是從高校各個專門網(wǎng)絡(luò)、APP、教學(xué)管理系統(tǒng)、圖書借閱系統(tǒng)、數(shù)據(jù)庫等教育環(huán)境中獲取學(xué)生訪問和使用數(shù)據(jù)，并進行存儲；數(shù)據(jù)處理首先采用數(shù)據(jù)清理、數(shù)據(jù)變換等方法將采集的數(shù)據(jù)轉(zhuǎn)換成適合于數(shù)據(jù)挖掘的數(shù)據(jù)格式，然后運用人工智能、統(tǒng)計分析、機器學(xué)習(xí)等方法，從大量數(shù)據(jù)中挖掘和發(fā)現(xiàn)相關(guān)隱含信息；數(shù)據(jù)分析是指構(gòu)建相應(yīng)的評價指標對數(shù)據(jù)挖掘結(jié)果進行評價，為相關(guān)行為管理提供依據(jù)。2008年，美國、荷蘭等國家便先后成立了國際教育數(shù)據(jù)挖掘工作組，并召開了首屆教育數(shù)據(jù)挖掘國際學(xué)術(shù)會議。近年來，關(guān)于教育數(shù)據(jù)挖掘的研究不斷增多。2014年，電子科技大學(xué)成立教育大數(shù)據(jù)研究所；2015年，中國統(tǒng)計信息服務(wù)中心成立中國教育大數(shù)據(jù)研究院。吳青等[2]基于J48決策樹對高校學(xué)生網(wǎng)絡(luò)學(xué)習(xí)行為進行了研究，構(gòu)建了相關(guān)學(xué)習(xí)模型。為了實現(xiàn)網(wǎng)絡(luò)學(xué)習(xí)的過程監(jiān)管，施佺等[3]使用關(guān)聯(lián)規(guī)則和聚類分析方法對學(xué)生的網(wǎng)絡(luò)學(xué)習(xí)行為數(shù)據(jù)進行了研究，并構(gòu)建了數(shù)據(jù)挖掘模型。薛黎明等[4]將聚類算法用于用戶行為分析，以上網(wǎng)時長為指標值，使用K-均值聚類與Kohonen神經(jīng)網(wǎng)絡(luò)聚類方法對上網(wǎng)記錄進行聚類分析，獲得了較好的效果。馬煜[5]利用數(shù)據(jù)挖掘技術(shù)分析了校園網(wǎng)用戶的行為特點，為網(wǎng)絡(luò)部門優(yōu)化校園網(wǎng)絡(luò)服務(wù)、保障網(wǎng)絡(luò)安全提供了參考。周航[6]基于大數(shù)據(jù)通過可視化校園網(wǎng)絡(luò)的用戶行為數(shù)據(jù)，了解用戶的網(wǎng)絡(luò)行為，并為相關(guān)管理部門提供優(yōu)化依據(jù)。

2高校學(xué)生網(wǎng)絡(luò)行為分析與管理技術(shù)

本文借助某高校學(xué)生的網(wǎng)絡(luò)訪問記錄，通過網(wǎng)絡(luò)爬蟲、網(wǎng)頁分類、關(guān)鍵詞聚類、網(wǎng)絡(luò)行為可視化等手段，對采集的數(shù)據(jù)進行處理，研究學(xué)生的興趣模型，采用關(guān)聯(lián)規(guī)則對學(xué)生瀏覽的網(wǎng)頁進行分析與分類，從而揭示學(xué)生在此過程中所體現(xiàn)的網(wǎng)絡(luò)行為。

2.1網(wǎng)絡(luò)訪問數(shù)據(jù)預(yù)處理

學(xué)生網(wǎng)絡(luò)訪問日志主要來源于某高校信息化辦公室數(shù)據(jù)中心的服務(wù)器數(shù)據(jù)，包括學(xué)生的基本信息以及訪問數(shù)據(jù)，例如網(wǎng)址、下載文件、訪問數(shù)據(jù)庫、端口請求等。據(jù)此構(gòu)建了數(shù)據(jù)基本字段，格式如圖1所示。其中，NUM表示記錄編號，USER_ID表示訪問學(xué)生的ID號，USER_CRC表示學(xué)生的學(xué)號，TIME1表示訪問開始時間，TIME2表示訪問結(jié)束時間，URL表示訪問鏈接，TYPE表示鏈接分類類別，TER表示訪問設(shè)備類型。

2.2網(wǎng)絡(luò)訪問數(shù)據(jù)清洗

為了去除訪問數(shù)據(jù)中的異常數(shù)據(jù)、彈窗、無效鏈接和其他無用數(shù)據(jù)，在進行數(shù)據(jù)挖掘之前，首先要對采集到的數(shù)據(jù)進行清洗，保障數(shù)據(jù)的質(zhì)量和有效性。本文中需要過濾的無效或者無用數(shù)據(jù)包括訪問的圖片、下載的壓縮包、彈出的窗口、廣告等噪聲信息，這些信息會影響后續(xù)的網(wǎng)絡(luò)數(shù)據(jù)建模，因此必須提前進行處理，針對常用的數(shù)據(jù)異常類型，處理方式如下：（1）缺失值類異常數(shù)據(jù)，如果缺失率較低，且數(shù)據(jù)重要程度不高，可根據(jù)數(shù)據(jù)分布情況進行填充，例如均值、中位數(shù)等；如果缺失率較高，且數(shù)據(jù)重要程度不高，可以直接刪除；如果缺失率較高，且數(shù)據(jù)重要程度較高，本文采用熱平臺插補法進行處理，即在非缺失數(shù)據(jù)集中，找到與缺失值類似的匹配數(shù)據(jù)，利用非缺失數(shù)據(jù)集中的數(shù)據(jù)對缺失數(shù)據(jù)進行填補[7]。（2）異常值類異常數(shù)據(jù)，是指明顯偏離正常范圍的數(shù)值，可通過箱線圖或者統(tǒng)計分析進行區(qū)分，通過數(shù)據(jù)的統(tǒng)計特性，去尋找不合理的值。本文采用基于正態(tài)分布的離群點檢測方法進行判斷，在準則下，異常值是測定值中與平均值偏差超過3倍標準差的值，對于正態(tài)分布而言，屬于極小概率事件。對于不服從正態(tài)分布的數(shù)據(jù)，本文采用超過原理平均值3倍的方式來判斷。（3）重復(fù)值類異常數(shù)據(jù)，首先將所有數(shù)據(jù)按照一定的規(guī)則進行排序，然后通過比較相鄰數(shù)據(jù)集的相關(guān)性來判斷是否屬于異常數(shù)據(jù)，可用duplicated函數(shù)實現(xiàn)此過程。（4）噪音類異常數(shù)據(jù)，是檢測數(shù)據(jù)的隨機誤差或者方差，不同于離群點數(shù)據(jù)。對于噪音，可采用回歸法進行處理，即用一個函數(shù)擬合來光滑數(shù)據(jù)，只要找到適合數(shù)據(jù)的擬合函數(shù)，就能消除噪音對數(shù)據(jù)的影響。

2.3網(wǎng)頁分類

根據(jù)學(xué)生訪問習(xí)慣，本文將學(xué)生訪問網(wǎng)頁分為新聞、藝術(shù)、影音、郵箱、游戲、寵物、購物、科技、論壇、美食、汽車、體育、文學(xué)、教育、考試、交通、旅游等，同時用相應(yīng)的訓(xùn)練樣本對其進行訓(xùn)練。分類流程如圖2所示。

3高校學(xué)生網(wǎng)絡(luò)行為分析與管理系統(tǒng)構(gòu)建

從實際需求出發(fā)，設(shè)計了高校學(xué)生網(wǎng)絡(luò)行為分析與管理系統(tǒng)，系統(tǒng)根據(jù)學(xué)生訪問日志，通過對網(wǎng)頁進行分類，借助Echarts對結(jié)果進行可視化展示，主要實現(xiàn)了數(shù)據(jù)上傳、數(shù)據(jù)讀取、網(wǎng)頁分類、結(jié)果可視化等功能。其系統(tǒng)功能結(jié)構(gòu)如圖3所示。

4結(jié)語

本文在深入分析高校學(xué)生網(wǎng)絡(luò)行為分析與管理研究現(xiàn)狀的基礎(chǔ)上，對網(wǎng)絡(luò)行為分析與管理技術(shù)進行了闡述，包括網(wǎng)絡(luò)訪問數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)訪問數(shù)據(jù)清洗、網(wǎng)頁分類等核心環(huán)節(jié)，并根據(jù)實際需要構(gòu)建了網(wǎng)絡(luò)行為分析與管理系統(tǒng)，提出了系列解決方案，為高校網(wǎng)絡(luò)部門優(yōu)化校園網(wǎng)絡(luò)服務(wù)、保障網(wǎng)絡(luò)安全提供了參考。

[參考文獻]

[1]中國互聯(lián)網(wǎng)信息中心.第44次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》[EB/OL].

[2]吳青，羅儒國.基于網(wǎng)絡(luò)學(xué)習(xí)行為的學(xué)習(xí)風(fēng)格挖掘[J].現(xiàn)代遠距離教育，2014（1）：54-62.

[3]施佺，錢源，孫玲.基于教育數(shù)據(jù)挖掘的網(wǎng)絡(luò)學(xué)習(xí)過程監(jiān)管研究[J].現(xiàn)代教育技術(shù)，2016（6）：87-93.

[4]薛黎明，欒維新.聚類算法在高校網(wǎng)絡(luò)用戶行為分析中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2016（7）：29-32.

[5]馬煜.基于數(shù)據(jù)挖掘?qū)π@網(wǎng)用戶網(wǎng)絡(luò)行為的分析[J].科技創(chuàng)新與應(yīng)用，2016（34）：79.

[6]周航.基于大數(shù)據(jù)的高校網(wǎng)絡(luò)用戶行為的數(shù)據(jù)可視化設(shè)計分析[J].中國包裝，2019（7）：33-35.

[7]翟學(xué)新.高校學(xué)生網(wǎng)絡(luò)行為與興趣關(guān)聯(lián)分析[D].綿陽：西南科技大學(xué)，2018.

作者：姜彬峰 單位：吉林鐵道職業(yè)技術(shù)學(xué)院