【摘要】：大數(shù)據(jù)時(shí)代已經(jīng)來臨并已有階段性的發(fā)展,隨著基礎(chǔ)設(shè)備進(jìn)一步完善,越來越多的數(shù)據(jù)得以被發(fā)覺、利用。許多公司甚至提出了無數(shù)據(jù),不智能的口號(hào)。市場(chǎng)上也涌現(xiàn)出了許多商業(yè)智能公司的產(chǎn)品,催生出了數(shù)據(jù)分析產(chǎn)業(yè)這一跨學(xué)科的邊緣科學(xué)行業(yè),整個(gè)數(shù)據(jù)分析產(chǎn)業(yè)鏈包括數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)分析及結(jié)果呈現(xiàn),商業(yè)決策。目前,市場(chǎng)上的數(shù)據(jù)分析產(chǎn)品基本停留在對(duì)數(shù)據(jù)的統(tǒng)計(jì),分析指標(biāo)不夠細(xì)化的階段,本文圍繞用戶使用產(chǎn)品產(chǎn)生的語音數(shù)據(jù)進(jìn)行分析,旨在搭建一個(gè)功能完善,交互性強(qiáng),可擴(kuò)展的語音日志分析系統(tǒng),這對(duì)推進(jìn)數(shù)據(jù)分析產(chǎn)業(yè)產(chǎn)品的研發(fā)具有重大意義。為搭建完整的語音日志分析系統(tǒng),本文參考大量文獻(xiàn)資料與市場(chǎng)產(chǎn)品,分析了該系統(tǒng)所需技術(shù),數(shù)據(jù)分析所需方法,學(xué)習(xí)研究語音日志分析系統(tǒng)關(guān)鍵技術(shù),主要研究工作包括:第一,為解決如何展示語音日志分析結(jié)果的問題,提出一種基于Django框架的語音日志分析系統(tǒng)搭建方法。Django是由Python編寫,基于MVC架構(gòu)的一個(gè)開源的web框架。開發(fā)者可根據(jù)此框架快速開發(fā)自己的web應(yīng)用。本文完成了基于Django框架的語音日志分析系統(tǒng)的搭建,使用HTML、CSS、JS語言編寫頁面,為語音數(shù)據(jù)分析結(jié)果的展示奠定了基礎(chǔ)。第二,分別從統(tǒng)計(jì)數(shù)據(jù)分析和數(shù)據(jù)挖掘分析兩個(gè)方面對(duì)語音數(shù)據(jù)進(jìn)行了全面分析。統(tǒng)計(jì)數(shù)據(jù)分析包括數(shù)據(jù)分析平臺(tái)常見的分析指標(biāo)如服務(wù)量,用戶量,人均服務(wù)量及增長(zhǎng)率,機(jī)型排名,地域排名等。數(shù)據(jù)挖掘分析包括以數(shù)據(jù)挖掘技術(shù)、語音糾錯(cuò)技術(shù)等為核心的數(shù)據(jù)分析技術(shù),完成了用戶分群、流失用戶預(yù)測(cè)、用戶畫像等功能。第三,對(duì)語音日志分析系統(tǒng)的功能進(jìn)行了擴(kuò)展。結(jié)合用戶語音與影視數(shù)據(jù),在對(duì)真實(shí)數(shù)據(jù)的充分分析的前提下,提出了一種結(jié)合用戶畫像的相關(guān)電影推薦方法。經(jīng)證明,該方法具有較高的推薦效果。
[Abstract]:Big data era has come and has been phased development, with the further improvement of infrastructure, more and more data can be found and used. Many companies even put forward the slogan of no data, no intelligence. There are also many products of business intelligence companies emerging in the market, resulting in the data analysis industry, an interdisciplinary and fringe scientific industry. The entire data analysis industry chain includes data collection, data storage, data processing, Data analysis and presentation of results, business decisions. At present, the data analysis products in the market basically stay at the stage of statistics of the data, the analysis index is not detailed enough. This paper focuses on the analysis of the voice data generated by the user using the product, in order to build a perfect function and strong interactivity. The scalable voice log analysis system is of great significance to the R & D of data analysis industry. In order to build a complete voice log analysis system, this paper, referring to a large amount of literature and market products, analyzes the required technology and methods of data analysis, and studies the key technologies of the voice log analysis system. The main research work includes: first, in order to solve the problem of how to display the results of voice log analysis, this paper proposes a method to build a voice log analysis system based on Django framework. Django is an open source web framework written by Python and based on MVC architecture. Developers can quickly develop their own web applications based on this framework. In this paper, a voice log analysis system based on Django framework is built, and the page is written in HTML,CSS,JS language, which lays a foundation for the display of voice data analysis results. Secondly, the speech data are analyzed from two aspects: statistical data analysis and data mining analysis. Statistical data analysis includes common analysis indicators such as service volume, user quantity, per capita service volume and growth rate, aircraft ranking, regional ranking and so on. Data mining analysis includes data analysis technology based on data mining technology, voice correction technology and so on. The functions of user grouping, losing user prediction, user portrait and so on are accomplished. Thirdly, the function of voice log analysis system is extended. Based on the analysis of the real data and the user voice and video data, this paper proposes a new method to recommend the relevant films with the help of the user's portrait. It has been proved that this method has high recommended effect.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 文娟,薛永生,段江嬌,王勁波;基于關(guān)聯(lián)規(guī)則的日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年S1期

2 張曉剛;潘久輝;;MS SQL Server 2000日志分析方法的研究與實(shí)現(xiàn)[J];計(jì)算機(jī)工程與設(shè)計(jì);2006年19期

3 李春林;周根鴻;張文體;;重視日志審計(jì)確保數(shù)據(jù)安全[J];醫(yī)學(xué)信息;2007年10期

4 梁曉雪;王鋒;;基于聚類的日志分析技術(shù)綜述與展望[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

5 黃海隆;陳賽娉;;計(jì)算機(jī)日志分析與管理方法的研究[J];大眾科技;2006年07期

6 鄭毅;;基于日志分析的網(wǎng)絡(luò)IDS研究[J];襄樊學(xué)院學(xué)報(bào);2008年11期

7 陳庭平;沈麗娟;曾鵬;;日志服務(wù)器建設(shè)和應(yīng)用[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2010年09期

8 鄒先霞;賈維嘉;潘久輝;;基于數(shù)據(jù)庫(kù)日志的變化數(shù)據(jù)捕獲研究[J];小型微型計(jì)算機(jī)系統(tǒng);2012年03期

9 羅新;;防火墻日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)時(shí)代;2012年02期

10 姜良華;崔建明;;Serv-U FTP服務(wù)器日志分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];電腦知識(shí)與技術(shù);2010年28期

相關(guān)會(huì)議論文 前10條

1 馬辰;武斌;;一種基于攻擊事件圖的蜜網(wǎng)日志分析方法[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2013年

2 周濤;;基于數(shù)據(jù)挖掘的入侵檢測(cè)日志分析技術(shù)研究[A];第二屆中國(guó)科學(xué)院博士后學(xué)術(shù)年會(huì)暨高新技術(shù)前沿與發(fā)展學(xué)術(shù)會(huì)議程序冊(cè)[C];2010年

3 陳晨;鄭康鋒;;一種基于支持向量機(jī)的蜜網(wǎng)系統(tǒng)日志分析方法[A];2011年通信與信息技術(shù)新進(jìn)展——第八屆中國(guó)通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

4 劉莉;;基于多協(xié)議技術(shù)的日志集中管理安全方案[A];2008年中國(guó)通信學(xué)會(huì)無線及移動(dòng)通信委員會(huì)學(xué)術(shù)年會(huì)論文集[C];2008年

5 耿濤;;Web日志分析在電子數(shù)據(jù)取證中的應(yīng)用[A];第二十一次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2006年

6 閆龍川;王懷宇;李楓;毛一凡;;基于Hadoop的郵件日志分析與研究[A];2012電力行業(yè)信息化年會(huì)論文集[C];2012年

7 陳慶章;王磊;毛科技;戴國(guó)勇;;基于防火墻日志的在線攻擊偵查系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)(英文)[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

8 王振亞;武斌;;基于MFI-WT算法的蜜網(wǎng)日志分析方法[A];第十七屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集[C];2012年

9 金松昌;方濱興;楊樹強(qiáng);賈焰;;基于Hadoop的網(wǎng)絡(luò)安全日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[A];全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集·第二十五卷[C];2010年

10 朱金清;王建新;陳志泊;;基于APRIORI的層次化聚類算法及其在IDS日志分析中的應(yīng)用[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 中航工業(yè)南方航空工業(yè)集團(tuán)(有限)公司科技與信息部 鄒滬湘;分析日志識(shí)別暴力破解[N];計(jì)算機(jī)世界;2013年

2 ;日志分析中的五個(gè)誤區(qū)[N];網(wǎng)絡(luò)世界;2004年

3 陳代壽;網(wǎng)管的四兩撥千斤[N];中國(guó)計(jì)算機(jī)報(bào);2004年

4 IBM大數(shù)據(jù)專家 James Kobielus　范范 編譯;大數(shù)據(jù)日志分析借機(jī)器學(xué)習(xí)騰飛[N];網(wǎng)絡(luò)世界;2014年

5 《網(wǎng)絡(luò)世界》評(píng)測(cè)實(shí)驗(yàn)室 于洋;用好Web日志[N];網(wǎng)絡(luò)世界;2004年

6 重慶 航行者;IIS的安全[N];電腦報(bào);2002年

7 河南工業(yè)職業(yè)技術(shù)學(xué)院 邱建新;監(jiān)測(cè)Squid日志的五種方法[N];計(jì)算機(jī)世界;2005年

8 shotgun;入侵檢測(cè)初步（上）[N];電腦報(bào);2001年

9 朱閔;淺談企業(yè)核心應(yīng)用的安全審計(jì)(下)[N];網(wǎng)絡(luò)世界;2008年

10 覃進(jìn)文;在Windows 2000&&2003下快速安裝Webalizer[N];中國(guó)電腦教育報(bào);2003年

相關(guān)博士學(xué)位論文 前3條

1 饒翔;基于日志的大規(guī)模分布式軟件系統(tǒng)可信保障技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2011年

2 曹志波;基于日志的任務(wù)建模及調(diào)度優(yōu)化的研究[D];華南理工大學(xué);2014年

3 胡蓉;WEB日志和子空間聚類挖掘算法研究[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 張?zhí)焐?日志采集與分析在Web網(wǎng)站中的設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2015年

2 周海靖;日志大數(shù)據(jù)分析平臺(tái)技術(shù)研究[D];山東大學(xué);2015年

3 賴特;網(wǎng)絡(luò)安全設(shè)備日志融合技術(shù)研究[D];電子科技大學(xué);2015年

4 董妍妍;基于Hadoop的Teradata數(shù)據(jù)倉(cāng)庫(kù)日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2014年

5 李名弈;IPTVQOS日志分析方法研究[D];復(fù)旦大學(xué);2013年

6 劉季函(Liu,Chi Han);基于Spark的網(wǎng)絡(luò)日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2014年

7 李榮榮;基于Hadoop平臺(tái)的日志分析系統(tǒng)[D];復(fù)旦大學(xué);2013年

8 周云斌;基于主機(jī)的日志大數(shù)椐分析及安全性檢查[D];大連理工大學(xué);2015年

9 張迪;基于NoSQL的大規(guī)模Web日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

10 潘宇軒;基于Django的日志分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2014年

，

本文編號(hào)：2248960