利用最小流量踪迹进行用户活动画像
社会与信息网络
2015-04-09 v1
摘要
理解用户行为对于个性化和丰富用户的在线体验至关重要。虽然基于细粒度行为分析追求个性化服务能带来显著收益，但必须注意解决用户隐私问题。在本文中，我们考虑为此目的使用截断 URL 的 Web 踪迹——每个 URL 仅修剪至包含 Web 域名。虽然这种截断移除了细粒度的敏感信息，但也剥离了许多对用户活动画像至关重要的数据特征。我们展示了如何克服缺乏关键特征这一严重障碍，以高精度从嘈杂的网络流量踪迹（包括广告、垃圾邮件、分析数据和 Web 脚本）中过滤出代表用户活动的 URL。这种基于截断 URL 的活动画像使网络运营商能够在仅存储和共享截断流量踪迹的同时提供个性化服务，从而缓解隐私担忧。为了弥补因截断造成的精度损失，我们的统计方法利用了从代表微观用户动作（如 Web 点击、聊天回复等）的一组连续 URL 中提取的特征，我们称之为突发（bursts）。这些突发是通过一种新颖算法检测到的，该算法基于我们观察到的 HTTP 记录到达时间间隔的特征。我们在一个真实的移动 Web 踪迹数据集上进行了广泛的实验评估，该数据集包含超过 1.3 亿条记录，代表了 10,000 名用户在 30 天内的浏览活动。我们的结果表明，所提出的方法在区分代表用户活动的 URL 与非代表性 URL 方面实现了约 90% 的准确率。
引用
@article{arxiv.1504.01781,
title = {Profiling user activities with minimal traffic traces},
author = {Tiep Mai and Deepak Ajwani and Alessandra Sala},
journal= {arXiv preprint arXiv:1504.01781},
year = {2015}
}