来源：期刊VIP网 时间：
作者：叶倩;高明;田亮亮;韦雨萌;刘翼;
单位：延安大学教务处;延安大学数学与计算机科学学院;
摘要：在网络用户行为分析中，以时序维度为基础，研究用户网络行为的变化趋势，提出并挖掘更多有价值的信息，可为管理或商业决策提供有力支持。为此，文中提出一种基于时间戳间距的用户在线时长聚类方法，以用户访问日志文件中时间戳之间的间距作为特征，首先将获取的日志数据进行预处理，获得用户的在线时长统计；然后采用K-Means聚类算法对用户进行聚类，并使用轮廓系数对K值进行评价分析，确定聚类K值范围，准确判定用户单次访问在线时长及类型。采用真实校园网用户访问日志数据对所提方法进行评价，实验结果表明，该方法的准确度达到0.918 0，精确度达到0.768 5，召回率达到0.809 3。
关键词：用户在线时长;;用户聚类;;K-Means聚类算法;;数据预处理;;时间戳间距;;轮廓系数
基金资助：国家自然科学基金项目（62262067）;国家自然科学基金项目（61962059）;; 陕西省教育厅自然科学专项（22JK0622）;; 延安市科技计划项目（2022SLGYGG-007）;; 陕西教育教学改革研究项目（23BY071）;; 延安大学教学改革重点项目（YDJGZD22-02）
