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(chǎn)生的不符合預(yù)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(wù)個性化推薦的托攻擊會產(chǎn)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(fēng)險，可以為用戶的個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)前時間序列數(shù)據(jù)之間關(guān)系的復(fù)雜化以及異常種類的增多導(dǎo)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(dāng)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(jié)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(yù)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