1、学士攻读硕士研究生学位研究计划
说明：
1.本表旨在了解考生专业水平，拟订的研究计划入学后可根据导师的意见作出调整。
2.考生填写本表必须严谨求实，一旦成果部分的陈述发现弄虚作假，将视为学风问题而不予录取。
3.本表在复试时交报考院（系、所）。
填表日期： 2015年 9 月 25日
考生基本信息
姓名
考生编号
学士学位单位
学士学位专业
计算机科学与技术
硕士报考单位
华中科技大学
硕士报考专业
计算机系统结构
一、近年来考生本人本科阶段的专业学习情况
（一）考生的专业研究情况：
1．课业概况
（1） 基本原理：计算机科学概论，数据
2、结构，计算机组成与结构，操作系统，计算理论导论，软件工程导论，算法设计与分析，物联网概论，计算机网络，编译原理，数据库原理，计算机图形图像处理，信息安全原理；
（2） 设计语言：C语言程序设计，C++程序设计，JAVA语言程序设计，汇编语言程序设计；
（3） 实践课程：高等程序设计实训，电子实验，电路实验，计算机组成与结构实验，电工电子实习。
通过这些课程培养了良好的计算机理论素养和实践操作能力。
1． 2．成绩简述
2． 核心科目平均绩点3.33，核心课平均成绩84.83。英语四级成绩490，英语六级成绩499。曾获得校级“三好学生”称号。
3． 3．学生
3、干部情况
4． 自2012年9月至今，担任班级团支书。自2012年9月—2014年9月，先后担任媒体杂志部干事和编辑。曾获得校级“优秀学生干部”称号。
4．社团表现
2012年9月—2014年9月，先后担任手语协会干事和活动部部长。
5．课余实践
5． 2014年9月—2015年2月，协助任课教师分析整理论文；2014年9月—2015年9月，在教师指导下参加中国大学生计算机设计大赛，并获得中南地区赛二等奖。
6．
（二）考生已取得的主要研究成果（请注明发表刊物的年、期、或出版社、出版日期）：
7． 无。
二、硕士学位期间拟开展研究课题论证：
（一）拟
4、开展研究的课题名称：
基于跨平台大数据分析用户社交行为
（二）拟开展研究课题的国内外研究现状及选题意义：
1．国内外现状：
早在网络信息检索研究开始之前，用户相关反馈在文本检索中的研究就已经被提出，如何提高检索精度和效率其实就是依据用户的历史行为对当前用户输入的不完整语义表达进行分析的过程。
近二十年，随着互联网的应用和推广，受益于存储器容量的提升，数据成为触手可得的资源，学者们纷纷将目光聚焦于此。依照功能主要分为两大类：一是搜索推荐类，主要利用网络信息检索工具（主要是搜索引擎）对用户的历史行为、群体行为进行分析，从而为用户提供私人订制化的信息条，如文献[1]叙述了如何基于用户在
5、多维度实体空间行为推测用户地理信息，从而进行旅游路线推介；一类是用户画像类，主要是基于各种社交平台分析自然化语言，来为信息采集、舆情监控和引导提供便利，如文献[2]通过树形建模来研究用户的个人影响力。
2．选题意义：
随着智能设备的飞速发展（特别是智能可携带设备），人们在网络上的活跃时间越来越长，从而产生了大量的碎片化信息。如果能够将不同平台上的碎片信息整合起来，也许能够拼凑出一个完整的“信息人”，甚至是一个完整的“信息社会大环境”。这不仅仅意味着可以根据用户个人的行为信息为其量身定做一套信息化系统，也意味着商业界的推销新方案（而且新方案的精准率、接受率较之以往方案高出许多），更是国家
6、安全的保障和人类社会的长足进步。
但是，需要注意的是，个人隐私保护是研究中不可舍弃的底线，必须在道德法律的允许范围内通过用户的行为来获取用户的基本属性、行为属性和精神特征，从而从微观和宏观上来完整认识世界。
3．考生开展本课题研究的主要思路、基本内容及重要观点：
主要思路：
设计一个跨平台用户分析系统，将用户在实际空间的时空行为和在各类网上搜索引擎和社交平台的数据进行分析整合，从而在个体层面上提出推介和在整体层面上提出当前某种事物的趋势。
基本内容：
将系统分为四层，分别是数据采集存储层、数据分析层、融合过滤层和应用触发层。
（1） 数据采集存储层：该层主要利用智能可携带
7、设备对用户的地理信息进行定位，从而获知用户的不同生活场景，同时收集用户在搜索引擎和社交平台上的各类行为，并进行一定程度的清洗，格式化处理后存储到不同存储系统中。
（2） 数据分析层：
（21）首先，对用户的各类行为进行区分：一类是基本行为，如：点击、收藏等，一类是自然语言描述。
（22）针对基本行为，可以利用系统初始设置对不同行为加以不同的正负权重；而针对自然语言描述，可以利用语言分析工具来对用户的正负态度进行区分和鉴别。
（3） 融合过滤层：
将分析后的各类单源数据通过统一的格式化处理，得到多源数据整合后的数据库。过程中，还将利用协同过滤，去清除噪声和合理选择训练数据。
（4） 应用触发层：
（41）用户画像：根据数据库当前已有的用户在不同场景下的历史数据，用户当前所处的场景，用户的实时行为得到用户新的画像；
（42）群体行为趋势预测：利用相似度算法对不同用户画像进行分析，得到某种事物的趋势预测；
（43）用户私人订制推介：根据用户的画像，当前用户所处群体的趋势利用算法得到一个有序的推介组合。
重要观点：
（1） 将用户行为与场景联系起来；
（2） 用户完整画像依赖于多时间段、多场景、多平台的数据；
（3） 进行私人订制推介时，可利用不同推介算法，最后取不同权重得到最终推介组合。
浙ICP备2021020529号-1 | 浙B2-20240490 
