附件1-研修网资源用户行为分析

目前研修网课件资源统计 目前研修网课件资源统计 资源总量日增量 15 年 平均 PV 11 月 20 日 周五 UV 11 月 20 日 周 五 资源质量行为日志质量 总1062 万9858预览 88257 下载 137313 根据 passport 和 docid 去 重后下载量 24896 上传 19213 预览 7063 下载 5917 上传 5192 包含分类 章节信息 数量 34 7 万 占比 3 3 最近三 个月占比能达到 6 4 培训社区555 万8317包含分类 章节信息 总数 26 3 万 占比 4 7 最近三 个月占比能达到 7 3 研修网库 培训活动506 万1541 包含分类 章节信息 总数 8 4 万 占比 1 7 最近三个 月占比能达到 2 7 作业和简报 老资源 328 万4870 预览 159956 下载 18001 去重 9809 上传 15571 预览 22350 下载 2795 上传 9415 该批数据没有章节 分 类信息 1 后端资源服务日志几乎不可用 可通过 nginx 日志挖掘登录用户 的行为信息 2 nginx 日志 工作日每天产生 约 20G 大小的日志文件 约 3 千 万条日志 受磁盘空间限制会定 期删除历史日志 2015 1 1 2015 1 13 2015 1 25 2015 2 6 2015 2 18 2015 3 2 2015 3 14 2015 3 26 2015 4 7 2015 4 19 2015 5 1 2015 5 13 2015 5 25 2015 6 6 2015 6 18 2015 6 30 2015 7 12 2015 7 24 2015 8 5 2015 8 17 2015 8 29 2015 9 10 2015 9 22 2015 10 4 2015 10 16 2015 10 28 2015 11 9 0 5000 10000 15000 20000 25000 30000 35000 40000 2015 1 1 2015 1 13 2015 1 25 2015 2 6 2015 2 18 2015 3 2 2015 3 14 2015 3 26 2015 4 7 2015 4 19 2015 5 1 2015 5 13 2015 5 25 2015 6 6 2015 6 18 2015 6 30 2015 7 12 2015 7 24 2015 8 5 2015 8 17 2015 8 29 2015 9 10 2015 9 22 2015 10 4 2015 10 16 2015 10 28 2015 11 9 0 1000 2000 3000 4000 5000 6000 培训社区数据 日增量 培训活动数据 日增量 2015 1 1 2015 1 13 2015 1 25 2015 2 6 2015 2 18 2015 3 2 2015 3 14 2015 3 26 2015 4 7 2015 4 19 2015 5 1 2015 5 13 2015 5 25 2015 6 6 2015 6 18 2015 6 30 2015 7 12 2015 7 24 2015 8 5 2015 8 17 2015 8 29 2015 9 10 2015 9 22 2015 10 4 2015 10 16 2015 10 28 2015 11 9 0 5000 10000 15000 20000 25000 38465 3516 609633809614 6月7月8月9月10月11月 0 5000 10000 15000 20000 25000 30000 35000 40000 作业简报 日增量 6 月份上传资源用户留存情况 各类业务对资源预览带来的浏览统计 各类业务对资源预览带来的浏览统计 资源中心 22919 工作坊内部资源 22654 刷新页面等操作带来的请求 19742 社区 个人主页 个人资源页 访问他 人的个人资源页 15639 研修活动 1417 研修社区 920 培训个人资源 549 其他各类业务对资源的导流 3948 相关推荐 相关推荐 利用语义内容推荐文档 侧重于 title 之间的相关性 特征维度 资源Title正文摘要分类章节地域下载数评分预览量 总质量较差无部分有 占 10 6 部分有 占 3 3 部分有 占 46 下载次数 0 占 21 下载次数 10 占 1 7 有评分记录 占 0 76 预览数 0 占 87 预览数 10 占 24 培训社区数据质量较差无部分有 占 13 2 部分有 占 4 7 部分有 占 19 下载次数 0 占 30 下载次数 10 占 3 有评分记录 占 1 1 预览数 0 占 84 预览数 10 占 21 研修网 培训活动数据质量较差无部分有 占 7 8 部分有 占 1 7 部分有 占 74 下载次数 0 占 10 下载次数 10 占 0 2 有评分记录 占 0 33 预览数 0 占 90 预览数 10 占 28 作业和简报 老资源 质量一般无无无部分有 占 83 无无无 协同推荐 协同推荐 根据用户的行为对文档进行推荐 如果用户喜欢文档 A 又喜欢文档 B 则 B 可以是 A 的协同推荐结果 而 A 和 B 可以是两个内容上不相关的文档 用户行为关联维度 Session 用户在一个 session 中 例如 30 分钟内的行为 的资源相关行为 如浏览 下载等行为 我的资源 是用户按照某种主题聚集起来的文档集合 下载 用户最近一段时间内的下载行为 预览 用户最近一段时间内的预览行为 资源Session我的资源下载预览 研修网可从日志挖掘可从 db 获取可从日志挖掘可从日志挖掘 作业和简报 老资源 可从日志挖掘无无无 结论结论 1 研修网后端日志 清理 存储 缺乏管理 例如 目前就看不到下载需求的历史留存 对分析问题带来不确定性 2 用户资源需求 下载 浏览 部分数据有培训行为 还是很旺盛的 3 用户资源需求满