基于用戶行為模式特征的時間序列異常檢測

　　時間序列的異常點是用戶產生的不符合預期行為模式的數(shù)據(jù)。研究異常點的起因和可能引起的后果，可以輔助用戶提供有效的決策支持。例如針對電子商務個性化推薦的托攻擊會產生大量異常的評價數(shù)據(jù)，研究這些異常數(shù)據(jù)的起因，判斷可能的風險，可以為用戶的個性化推薦提供更精確合理的服務。由于技術的發(fā)展，當前時間序列數(shù)據(jù)之間關系的復雜化以及異常種類的增多導致已有的異常檢測算法很難有效地發(fā)現(xiàn)異常。因此，如何從這些異常數(shù)據(jù)中提取特征，精確地對異常進行檢測是當前時間序列研究中的一個重要方向。本書從用戶行為模式的角度，分析正常數(shù)據(jù)和異常數(shù)據(jù)的特征，并結合信號處理、模式識別的方法，分別對推薦系統(tǒng)中項目的評分時間序列和流量工程中的流量時間序列進行異常檢測。主要工作是：基于用戶正常行為模式的時間序列異常檢測和預測，以及基于用戶異常行為模式的時間序列異常檢測。

暫缺《基于用戶行為模式特征的時間序列異常檢測》作者簡介