123,123

內(nèi)容簡(jiǎn)介

　　時(shí)間序列的異常點(diǎn)是用戶(hù)產(chǎn)生的不符合預(yù)期行為模式的數(shù)據(jù)。研究異常點(diǎn)的起因和可能引起的后果，可以輔助用戶(hù)提供有效的決策支持。例如針對(duì)電子商務(wù)個(gè)性化推薦的托攻擊會(huì)產(chǎn)生大量異常的評(píng)價(jià)數(shù)據(jù)，研究這些異常數(shù)據(jù)的起因，判斷可能的風(fēng)險(xiǎn)，可以為用戶(hù)的個(gè)性化推薦提供更精確合理的服務(wù)。由于技術(shù)的發(fā)展，當(dāng)前時(shí)間序列數(shù)據(jù)之間關(guān)系的復(fù)雜化以及異常種類(lèi)的增多導(dǎo)致已有的異常檢測(cè)算法很難有效地發(fā)現(xiàn)異常。因此，如何從這些異常數(shù)據(jù)中提取特征，精確地對(duì)異常進(jìn)行檢測(cè)是當(dāng)前時(shí)間序列研究中的一個(gè)重要方向。本書(shū)從用戶(hù)行為模式的角度，分析正常數(shù)據(jù)和異常數(shù)據(jù)的特征，并結(jié)合信號(hào)處理、模式識(shí)別的方法，分別對(duì)推薦系統(tǒng)中項(xiàng)目的評(píng)分時(shí)間序列和流量工程中的流量時(shí)間序列進(jìn)行異常檢測(cè)。主要工作是：基于用戶(hù)正常行為模式的時(shí)間序列異常檢測(cè)和預(yù)測(cè)，以及基于用戶(hù)異常行為模式的時(shí)間序列異常檢測(cè)。