基于人類行為動(dòng)力學(xué)的信息系統(tǒng)用戶訪問規(guī)律

任佳佳，王念新，葛世倫

(江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院，江蘇 鎮(zhèn)江 212003)

0 引言

在過去的30 多年中，信息系統(tǒng)在提高企業(yè)運(yùn)作效率、改善管理和決策以及增強(qiáng)企業(yè)競(jìng)爭(zhēng)力等方面發(fā)揮了巨大作用，一些信息系統(tǒng)已經(jīng)成了企業(yè)參與市場(chǎng)競(jìng)爭(zhēng)的戰(zhàn)略武器。當(dāng)前，云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)商務(wù)等新興信息技術(shù)的出現(xiàn)，使得全球數(shù)據(jù)量呈現(xiàn)前所未有的爆發(fā)式增長(zhǎng)態(tài)勢(shì)，人類社會(huì)已經(jīng)進(jìn)入大數(shù)據(jù)時(shí)代［1］，同時(shí)也給企業(yè)優(yōu)化升級(jí)其信息系統(tǒng)、創(chuàng)造新的競(jìng)爭(zhēng)優(yōu)勢(shì)提供了難得的機(jī)遇。準(zhǔn)確掌握用戶的訪問規(guī)律和實(shí)際需求，是利用新興信息技術(shù)優(yōu)化升級(jí)企業(yè)信息系統(tǒng)的前提。

通過分析用戶對(duì)信息系統(tǒng)的訪問數(shù)據(jù)和日志數(shù)據(jù)等，了解用戶訪問行為規(guī)律和實(shí)際需求已經(jīng)成為當(dāng)前的熱點(diǎn)研究問題之一。Chen 等［2］研究了移動(dòng)服務(wù)環(huán)境下的用戶活動(dòng)規(guī)律;趙國(guó)鋒等［3］利用在移動(dòng)通訊運(yùn)營(yíng)商互聯(lián)網(wǎng)網(wǎng)關(guān)上采集的實(shí)際數(shù)據(jù)，分析了用戶訪問興趣、業(yè)務(wù)點(diǎn)擊量特征、業(yè)務(wù)流量特性、訪問關(guān)聯(lián)性及移動(dòng)互聯(lián)網(wǎng)用戶的業(yè)務(wù)訪問特性;董宇蔚等［4］應(yīng)用去趨勢(shì)波動(dòng)分析法，研究了電子商務(wù)中消費(fèi)者網(wǎng)上購(gòu)物行為，他們的研究結(jié)果表明人類網(wǎng)上購(gòu)物行為呈現(xiàn)出明顯的周期性，其時(shí)間序列的概率密度函數(shù)具有顯著的雙模態(tài)特征，其演化過程不同于無關(guān)聯(lián)的泊松過程，具有自組織臨界性。

現(xiàn)有對(duì)用戶訪問行為規(guī)律的研究主要集中在移動(dòng)服務(wù)、電子商務(wù)和Web 上網(wǎng)等情境下，還缺乏企業(yè)信息系統(tǒng)用戶行為的研究。本文基于人類行為動(dòng)力學(xué)對(duì)企業(yè)信息系統(tǒng)用戶的訪問日志數(shù)據(jù)進(jìn)行分析，研究了企業(yè)信息系統(tǒng)用戶訪問的時(shí)間間隔規(guī)律、陣發(fā)性、記憶性和周期性。探索企業(yè)信息系統(tǒng)用戶訪問行為的規(guī)律，一方面為企業(yè)運(yùn)行維護(hù)和優(yōu)化升級(jí)其信息系統(tǒng)提供理論依據(jù)，另一方面也有助于拓展用戶訪問行為規(guī)律的研究情境。

1 研究方法

1.1 人類行為動(dòng)力學(xué)

全面深刻地認(rèn)識(shí)高度復(fù)雜的人類行為特征一直是學(xué)者們努力探索的研究方向。以往由于數(shù)據(jù)記錄的手段落后，加上缺乏現(xiàn)代統(tǒng)計(jì)工具和方法，在研究涉及人類行為特性的問題時(shí)，常常假設(shè)人類行為是符合泊松過程的穩(wěn)態(tài)隨機(jī)過程，其2 個(gè)相繼行為的時(shí)間間隔用負(fù)指數(shù)分布描述如下:

由公式(1)可知，泊松過程可以看作具有負(fù)指數(shù)間隔的計(jì)數(shù)過程，也就是說人類活動(dòng)模式是隨機(jī)和平穩(wěn)的，其時(shí)間規(guī)律包括相鄰事件的時(shí)間間隔大體上是均勻的，很長(zhǎng)的時(shí)間間隔非常稀少。

隨著信息技術(shù)的不斷進(jìn)步和現(xiàn)代統(tǒng)計(jì)工具的涌現(xiàn)，人類記錄和分析自身行為數(shù)據(jù)的手段也越來越高效、便捷，使得利用大規(guī)模數(shù)據(jù)分析人類行為模式成為了可能。2005 年，Barabási［5］在Nature 上發(fā)表了一篇題為“The Origin of Bursts and Heavy Tails in Human Dynamics”的論文，標(biāo)志著人類行為動(dòng)力學(xué)的正式提出，該篇論文通過分析電子郵件發(fā)送和回復(fù)行為的時(shí)間間隔，揭示了人類行為在時(shí)間上對(duì)泊松分布的偏離，人類行為的時(shí)間統(tǒng)計(jì)特性不是均勻的，其中伴隨著長(zhǎng)時(shí)間的靜默和短時(shí)間內(nèi)的高頻率的爆發(fā)，相繼行為的時(shí)間間隔分布具有明顯的胖尾特征，可以用冪律分布函數(shù)更好地?cái)M合，即:

人類行為動(dòng)力學(xué)是一門新興的交叉學(xué)科，通過對(duì)大量人類行為事件進(jìn)行定量統(tǒng)計(jì)，從中挖掘出人類行為的統(tǒng)計(jì)規(guī)律，提出假設(shè)建立模型來探索這些規(guī)律的產(chǎn)生機(jī)制和可能的動(dòng)力學(xué)影響［6］。雖然人類行為動(dòng)力學(xué)提出時(shí)間不到10 年，但是學(xué)者們利用該方法在許多領(lǐng)域開展了大量的實(shí)證探索，研究情境包括電子郵件［7］、網(wǎng)頁(yè)瀏覽［8］、電影點(diǎn)播［9］、金融活動(dòng)［10］、手機(jī)通訊［11-12］、博客論壇［13］、面對(duì)面交互網(wǎng)絡(luò)［14］等，這些實(shí)證研究都揭示了人類行為在時(shí)間維度上是偏離泊松分布的，在行為模式上都表現(xiàn)出了短時(shí)間陣發(fā)和長(zhǎng)時(shí)間休眠的特征。

1.2 時(shí)間特征分析指標(biāo)

人類行為的時(shí)間特征指標(biāo)包括間隔時(shí)間、陣發(fā)性、記憶性、周期性等。

1)間隔時(shí)間是指連續(xù)2 次相繼訪問的時(shí)間間隔。例如:甲于“2012-01-01 08:08:08”時(shí)刻訪問信息系統(tǒng)，乙在“2012-01-01 08:08:09”時(shí)刻訪問信息系統(tǒng)，則甲乙2 個(gè)相連行為的間隔時(shí)間為1 秒。如果所有系統(tǒng)用戶訪問信息系統(tǒng)的次數(shù)為k 次，則有k-1 個(gè)間隔時(shí)間。本文的時(shí)間單位是秒。

2)陣發(fā)性是刻畫用戶行為短時(shí)期密集活動(dòng)和長(zhǎng)時(shí)間靜默的物理量，本文使用Goh 和Barabási［15］的公式計(jì)算陣發(fā)性:

其中，στ、mτ分別指間隔時(shí)間分布的標(biāo)準(zhǔn)差和平均值。對(duì)于指數(shù)分布，標(biāo)準(zhǔn)差和均值相等，所以陣發(fā)性為0;而對(duì)于嚴(yán)重的胖尾分布，標(biāo)準(zhǔn)差遠(yuǎn)大于均值，B接近1。

3)記憶性是刻畫時(shí)間間隔特性的相關(guān)性程度，人類活動(dòng)長(zhǎng)的時(shí)間間隔后面容易跟著一個(gè)長(zhǎng)的時(shí)間間隔，短的時(shí)間間隔后則容易跟著一個(gè)較短的時(shí)間間隔，這樣的人類行為發(fā)生的時(shí)間序列被認(rèn)為具有記憶性。把所有行為發(fā)生的間隔時(shí)間按時(shí)間發(fā)生先后排成序列，把前nσ-1 個(gè)間隔時(shí)間構(gòu)成序列1，后nσ-1個(gè)間隔時(shí)間構(gòu)成序列2，m1、m2分別為序列1 和序列2 的平均值，σ1、σ2分別是序列1 和序列2 的標(biāo)準(zhǔn)差，本文使用Goh 和Barabási［15］的公式計(jì)算時(shí)間序列的記憶性:

4)周期性是描述人類特定行為的頻數(shù)在一個(gè)相當(dāng)有規(guī)律的時(shí)間間隔內(nèi)，呈現(xiàn)規(guī)律性變動(dòng)的指標(biāo)，周期性也往往直接表現(xiàn)在時(shí)間間隔的分布上，比如Zhou 等［16］通過分析同一個(gè)時(shí)區(qū)“美國(guó)在線”356 610名用戶活躍次數(shù)，發(fā)現(xiàn)這些用戶的活躍次數(shù)明顯存在以一星期為單位的周期性。

2 數(shù)據(jù)收集與分析

2.1 樣本企業(yè)的選擇

為了揭示用戶訪問企業(yè)信息系統(tǒng)的時(shí)間特征，本文選擇了X 公司作為研究對(duì)象，X 公司是國(guó)內(nèi)著名的船舶修造企業(yè)，X 公司擁有正式員工及務(wù)工人員超過1 萬(wàn)名。X 公司一直重視企業(yè)信息系統(tǒng)建設(shè)，1999年就投入巨資購(gòu)買了Oracle 的ERP 系統(tǒng)。由于受到全球經(jīng)濟(jì)危機(jī)的影響，船舶市場(chǎng)整體低迷，X 公司為了增強(qiáng)企業(yè)競(jìng)爭(zhēng)力，于2011 年9 月實(shí)施了成本管理系統(tǒng)。該成本管理系統(tǒng)包括報(bào)價(jià)成本、目標(biāo)成本、成本核算、成本分析、財(cái)務(wù)管理等共8 個(gè)子系統(tǒng)，共有注冊(cè)用戶314 名，占企業(yè)正式員工總數(shù)的98%，自2012年以來每月訪問量約31 669 次，人均日訪問量3 次，人均日訪問系統(tǒng)功能3 個(gè)，員工的訪問人數(shù)和訪問量都代表了X 公司的信息化情況，因此本文選擇X 公司成本管理系統(tǒng)作為實(shí)證情境。

2.2 數(shù)據(jù)獲取

本文從X 公司成本管理系統(tǒng)的數(shù)據(jù)庫(kù)日志文件中提取了2011 年9 月14 日到2013 年6 月14 日期間用戶對(duì)成本管理系統(tǒng)的訪問操作，刪除了沒有登錄名和部分錯(cuò)誤的記錄，共計(jì)得到了314 位系統(tǒng)用戶的360 631 條訪問行為記錄，根據(jù)員工職位，將用戶分為普通員工、管理人員和系統(tǒng)管理員3 類用戶組，每類用戶的數(shù)量和訪問量如表1 所示(數(shù)據(jù)取值時(shí)間為2013 年6 月14 日)。

表1 用戶及訪問量

用戶的每條訪問行為記錄都包含9 個(gè)元素(ID、UserID、LoginID、LoginName、LoginTime、LogoutTime、MachineID、MachineName、ModuleName)，分別表示序列號(hào)、用戶號(hào)、登錄號(hào)、登錄名、登錄時(shí)間、登出時(shí)間、機(jī)器號(hào)、機(jī)器名、功能模塊。

2.3 數(shù)據(jù)分析

本文對(duì)用戶訪問行為的時(shí)間間隔、時(shí)間間隔分布圖、陣發(fā)性和記憶性等指標(biāo)的計(jì)算，以及對(duì)用戶訪問時(shí)間間隔的分布圖繪制，都是通過筆者編寫的Matlab程序完成的。首先，根據(jù)得到的X 公司的數(shù)據(jù)庫(kù)日志文件，取出所有用戶登錄訪問系統(tǒng)時(shí)間，進(jìn)而計(jì)算得到連續(xù)相繼訪問系統(tǒng)行為的時(shí)間間隔;然后，通過Matlab 軟件，得到相繼行為的間隔時(shí)間在雙對(duì)數(shù)坐標(biāo)下的概率分布圖;接著，對(duì)主體數(shù)據(jù)擬合得到冪指數(shù)及其概率密度函數(shù)，并將用戶分為普通員工、管理人員和系統(tǒng)管理員3 類人群，分別研究各類用戶組對(duì)信息系統(tǒng)訪問的行為規(guī)律特性;最后，截取全體用戶2012 年一年的數(shù)據(jù)來探討用戶訪問行為的周期性。

3 結(jié)果分析

3.1 訪問行為間隔時(shí)間分布

通過筆者自己編寫的Matlab 程序，得到全體用戶訪問成本管理系統(tǒng)相繼行為的間隔時(shí)間在雙對(duì)數(shù)坐標(biāo)下的概率分布圖，同時(shí)利用最小二乘估計(jì)方法對(duì)主體數(shù)據(jù)的曲線擬合，得到全體用戶訪問信息系統(tǒng)相繼行為的擬合曲線，如圖1 所示。其中黑色點(diǎn)為全體用戶訪問成本管理系統(tǒng)相繼行為間隔時(shí)間的原始數(shù)據(jù)，白色直線是擬合曲線。從圖1 可以看出X 公司全體用戶訪問成本管理系統(tǒng)相繼行為間隔時(shí)間的概率分布在超過2 個(gè)數(shù)量級(jí)的范圍內(nèi)服從冪律分布函數(shù)P(τ)～τ-α，其冪指數(shù)α 等于2.268 9，X 公司全體用戶訪問成本管理系統(tǒng)具有明顯的胖尾特征。

圖1 X 公司所有用戶訪問的間隔時(shí)間分布

考慮到用戶對(duì)企業(yè)信息系統(tǒng)的訪問可能受到其工作職位的影響，比如X 公司的系統(tǒng)管理員承擔(dān)著成本管理系統(tǒng)的運(yùn)維任務(wù)，需要經(jīng)常性、長(zhǎng)時(shí)間的訪問該系統(tǒng)，以確保成本管理系統(tǒng)的正常運(yùn)行;普通員工需要使用成本管理系統(tǒng)完成日常工作，因此也需要頻繁地訪問成本管理系統(tǒng);而管理人員在某些情況下才會(huì)訪問成本管理系統(tǒng)，比如在進(jìn)行決策，需要用到成本管理系統(tǒng)的信息時(shí)，他們?cè)L問成本管理系統(tǒng)的時(shí)間間隔可能較長(zhǎng)，而且行為模式可能更不固定。為了明確不同類型用戶對(duì)X 公司成本管理系統(tǒng)的訪問行為，本文按照用戶的工作職位，將全體用戶分為普通用戶、管理人員和系統(tǒng)管理員3 類，每類用戶的數(shù)量和訪問量如表1 所示。使用如前所述的方法和過程，分別得到了3 類用戶訪問成本管理系統(tǒng)相繼行為間隔時(shí)間的概率分布圖和曲線擬合，如圖2、圖3 和圖4所示。每類用戶訪問成本管理系統(tǒng)相繼行為間隔時(shí)間的概率分布均服從冪律分布函數(shù)，具有明顯的胖尾特征，但對(duì)每類用戶而言，其冪律函數(shù)的冪指數(shù)是不同的，管理人員的冪指數(shù)為1.004 8，普通員工的冪指數(shù)為2.256 0，而系統(tǒng)管理員的冪指數(shù)為0.996 3。

圖2 X 公司管理人員訪問的間隔時(shí)間分布

圖3 X 公司普通員工訪問的間隔時(shí)間分布

圖4 X 公司系統(tǒng)管理員訪問的間隔時(shí)間分布

全體用戶與普通員工的冪指數(shù)相差很小，這是因?yàn)槠胀▎T工的數(shù)量占全體用戶的91.40%，其訪問次數(shù)占總訪問次數(shù)的91.05%，所以從圖1 和圖3 也可以看出，普通員工和全體用戶訪問的間隔時(shí)間分布圖幾乎一致。但與全體用戶相比，管理人員和系統(tǒng)管理員訪問的行為間隔時(shí)間分布圖，頭部出現(xiàn)較大的差異，這是因?yàn)楣芾砣藛T和系統(tǒng)管理員用戶的人數(shù)少，訪問量小，他們很少出現(xiàn)某時(shí)刻內(nèi)大量并發(fā)訪問成本管理系統(tǒng)，只有在工作需要或有任務(wù)到達(dá)的時(shí)候才會(huì)訪問該系統(tǒng)，所以小的間隔時(shí)間所占比例有所減低，大的間隔時(shí)間所占比例則增高，即體現(xiàn)在冪律指數(shù)的下降。

Vázquez 等［8］利用人類行為動(dòng)力學(xué)，通過電子郵件、網(wǎng)絡(luò)瀏覽、圖書館借閱、名人水陸郵件行為等情境的實(shí)證研究，將人類行為模式劃分為冪指數(shù)為1.0 和1.5 這2 大普適類，但是后來的研究發(fā)現(xiàn)突破了這2大普適類，冪指數(shù)普遍分布于0.5～3.0［17-19］。本文的研究結(jié)果表明雖然每類用戶訪問成本管理系統(tǒng)相繼行為間隔時(shí)間的概率分布均服從冪律分布函數(shù)，具有明顯的胖尾特征，但是每類用戶行為模式的冪指數(shù)是不同的，相差較大，具有多樣性，且不滿足冪指數(shù)為1.0 和1.5 這2 大普適類。

3.2 陣發(fā)性和記憶性

本文運(yùn)用公式(3)和公式(4)分別計(jì)算了X 公司全部用戶、管理人員、普通員工、系統(tǒng)管理員用戶分別訪問信息系統(tǒng)的時(shí)間間隔的陣發(fā)性和記憶性，計(jì)算結(jié)果見表2。從表2 可以看出，全體用戶、管理人員、普通員工和系統(tǒng)管理員對(duì)成本管理系統(tǒng)訪問的陣發(fā)性量值分別為0.411 7、0.419 8、0.433 8 和0.520 4，即所用用戶類對(duì)成本管理系統(tǒng)的訪問行為陣發(fā)性強(qiáng)，而全體用戶、管理人員、普通員工和系統(tǒng)管理員對(duì)成本管理系統(tǒng)訪問的記憶性量值分別為1.059 5e-021、-1.500 6e-021、-2.290 3e-022 和1.860 3e-022，都幾乎為0，即所用用戶類對(duì)成本管理系統(tǒng)的訪問行為記憶性弱，也就是X 公司用戶對(duì)成本管理系統(tǒng)的訪問行為表現(xiàn)出強(qiáng)陣發(fā)性和弱記憶性。

表2 3 類用戶訪問成本管理系統(tǒng)的陣發(fā)性和記憶性

從實(shí)際情況看，不論管理人員還是系統(tǒng)管理員用戶，都不會(huì)像普通員工一樣每天經(jīng)常性訪問信息系統(tǒng)，頻繁訪問的前后肯定是伴隨著更長(zhǎng)時(shí)間的靜默，所以陣發(fā)性應(yīng)該較大，而表2 的計(jì)算結(jié)果也證明了這一點(diǎn)。

與原有許多文獻(xiàn)得到的諸如電子郵件、網(wǎng)頁(yè)訪問、圖書館借閱等活動(dòng)具有“強(qiáng)陣發(fā)弱記憶”的特性一致，X 公司用戶對(duì)成本管理系統(tǒng)的訪問行為也表現(xiàn)出強(qiáng)陣發(fā)性和弱記憶性。這表明，對(duì)X 公司成本管理系統(tǒng)用戶而言，頻繁地訪問成本管理系統(tǒng)通常是在一大段時(shí)間停頓之后，圖1～圖4 的前一部分顯示了間隔時(shí)間在100 秒內(nèi)概率很大，可以得知工作日內(nèi)并發(fā)訪問情況嚴(yán)重，有工作任務(wù)的時(shí)候，管理人員和系統(tǒng)管理員也會(huì)在一段時(shí)間內(nèi)不斷地訪問系統(tǒng);而圖1～圖4 的后一部分嚴(yán)重胖尾現(xiàn)象則顯示了朝九晚五的工作特性和人們的生活規(guī)律、作息時(shí)間以及節(jié)假日情況。

3.3 周期性

古代的“日出而作，日落而息”和現(xiàn)代的“朝九晚五”，都說明了人們?nèi)粘５男袨閼?yīng)該具有明顯的周期性。為了研究用戶對(duì)信息系統(tǒng)訪問行為的周期性，本文對(duì)X 公司2012 年全年所有用戶每天訪問信息系統(tǒng)的訪問頻數(shù)進(jìn)行了統(tǒng)計(jì)，繪制了所有用戶每天訪問成本管理系統(tǒng)的頻數(shù)圖，如圖5 所示，其中分辨率為天，虛線劃分的區(qū)域?yàn)槊總€(gè)月。從圖5 可以看出，用戶對(duì)成本管理系統(tǒng)的訪問行為有明顯的波動(dòng)性，每個(gè)月都有近4 個(gè)谷底，表示訪問量很少，正好對(duì)應(yīng)于一個(gè)月內(nèi)4 個(gè)星期的周末，峰值則一般是在每個(gè)星期的周中時(shí)候，表示此時(shí)的訪問量最大，這說明用戶對(duì)成本管理系統(tǒng)訪問頻數(shù)表現(xiàn)出以周為單位的周期性。從圖5 中還可以看出，1 月和10 月只有3 個(gè)凹谷，這是因?yàn)檫@2 個(gè)月分別有春節(jié)假期和國(guó)慶黃金周。

圖5 2012 年X 公司所有用戶訪問成本管理系統(tǒng)的頻數(shù)圖

圖6 給出的是X 公司所有用戶7 月1 日到7 月7 日一個(gè)星期內(nèi)訪問成本管理系統(tǒng)的頻數(shù)情況，圖6中每條虛線劃分的區(qū)域是天，該成本管理系統(tǒng)從每天早上7 ∶00 以后才有用戶訪問記錄，但是由于最晚的訪問記錄時(shí)間不同，導(dǎo)致每天的橫坐標(biāo)長(zhǎng)度不等。從圖6 也可以看出X 公司所有用戶對(duì)成本管理系統(tǒng)的訪問頻數(shù)具有明顯的波動(dòng)性和周期性。由于該星期內(nèi)，1 日和7 日是周末，所以整體訪問量偏少，在每天的訪問中，隨著工作的開始，訪問量逐漸增大，一般在10 時(shí)左右達(dá)到最大，然后訪問量逐漸下降，直到下午的工作的開始，訪問量慢慢增大，每天一般都有2 個(gè)峰值，分別對(duì)應(yīng)于上下午10 時(shí)和15 時(shí)左右，表示此時(shí)刻內(nèi)的訪問量最大。唯一例外的是7 月6 日周五，9 ∶00 到10 ∶00 之間，成本管理系統(tǒng)的訪問量并非繼續(xù)上升，而是出現(xiàn)了一段時(shí)間的下降，如圖6 中圓圈的標(biāo)注，這是因?yàn)楫?dāng)時(shí)由于消防演習(xí)，許多用戶不得不放棄手中的工作，造成成本管理系統(tǒng)的用戶訪問量下降。

圖6 X 公司所有用戶一周內(nèi)訪問成本管理系統(tǒng)的頻數(shù)

4 結(jié)束語(yǔ)

為了研究用戶訪問信息系統(tǒng)的行為規(guī)律，利用國(guó)內(nèi)著名的船舶修造企業(yè)X 公司成本管理系統(tǒng)的數(shù)據(jù)庫(kù)日志文件，獲得了2011 年9 月14 日到2013 年6月14 日期間用戶對(duì)成本管理系統(tǒng)的訪問操作記錄360 631 條，利用人類行為動(dòng)力學(xué)，獲得用戶的間隔時(shí)間的概率分布、陣發(fā)性及記憶性指標(biāo)，并將全體用戶分為管理人員、普通員工和系統(tǒng)管理員3 個(gè)用戶群體類，深層次地探討了信息系統(tǒng)用戶的行為特征，得到如下結(jié)論:1)信息系統(tǒng)用戶，不論全體用戶還是基于群體層面的管理人員、普通員工以及基于個(gè)體層面的系統(tǒng)管理員用戶對(duì)信息系統(tǒng)的訪問間隔時(shí)間都有嚴(yán)重的胖尾現(xiàn)象，可以很好地用冪律分布擬合，冪指數(shù)差異較大，且有很強(qiáng)的陣發(fā)性和記憶性值近似為零的弱記憶性;2)與普通員工相比，管理人員和系統(tǒng)管理員人數(shù)少，訪問量小，并發(fā)訪問情況也不嚴(yán)重，所以小的間隔時(shí)間所占比例減低，大的間隔時(shí)間所占比例增高，這是他們?cè)L問行為的冪律指數(shù)相對(duì)普通用戶低的主要原因;3)用戶對(duì)信息系統(tǒng)的訪問行為有很強(qiáng)的波動(dòng)性和以周為單位的周期性。

與其他人類行為一樣，信息系統(tǒng)用戶訪問行為具有高度的復(fù)雜性和多樣性。本文對(duì)信息系統(tǒng)用戶的訪問行為規(guī)律進(jìn)行了探索性研究，指出了用戶訪問行為是不同于泊松分布的冪律分布，且具有陣發(fā)性強(qiáng)、記憶性弱以及明顯的周期性等特征。仍有一些問題值得進(jìn)一步研究，比如，分析用戶對(duì)信息系統(tǒng)的使用頻度、對(duì)各個(gè)業(yè)務(wù)功能模塊訪問的差異性，建立一個(gè)信息系統(tǒng)用戶訪問行為的動(dòng)力學(xué)模型來預(yù)測(cè)用戶行為等。

［1］馮芷艷，郭迅華，曾大軍，等.大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題［J］.管理科學(xué)學(xué)報(bào)，2013，16(1):1-9.

［2］Chen Tzung-Shi，Chou Yen-Ssu，Chen Tzung-Cheng.Mining user movement behavior patterns in a mobile service environment［J］.IEEE Transactions on Systems，Man and Cybernetics，Part A:Systems and Humans，2012，42(1):87-101.

［3］趙國(guó)鋒，賴雯靜，徐川，等.移動(dòng)互聯(lián)網(wǎng)的業(yè)務(wù)訪問特性［J］.計(jì)算機(jī)學(xué)報(bào)，2013，36(7):1388-1398.

［4］董宇蔚，蔡世民，尚明生.電子商務(wù)中人類活動(dòng)的標(biāo)度行為實(shí)證研究［J］.物理學(xué)報(bào)，2013，62(2):548-555.

［5］Barabási A-L.The origin of bursts and heavy tails in human dynamics［J］.Nature，2005，435(7039):207-211.

［6］周濤，韓筱璞，閆小勇，等.人類行為時(shí)空特性的統(tǒng)計(jì)力學(xué)［J］.電子科技大學(xué)學(xué)報(bào)，2013，42(4):481-540.

［7］Oliveira J G，Barabási A-L.Human dynamics:Darwin and Einstein correspondence patterns［J］.Nature，2005，437(7063):1251.

［8］Vázquez A，Oliveira J G，Dezs? Z，et al.Modeling bursts and heavy tails in human dynamics［J］.Physical Review E，2006，73(3):036127-1-036127-19.

［9］Zhou Tao，Kiet H A-T，Kim B J，et al.Role of activity in human dynamics［J］.EPL (Europhysics Letters)，2008，82(2):28002-p1-28002-p5.

［10］Scalas E，Kaizoji T，Kirchler M，et al.Waiting times between orders and trades in double-auction markets［J］.Physica A:Statistical Mechanics and Its Applications，2006，366:463-471.

［11］Candia J，González M C，Wang Pu，et al.Uncovering individual and collective human dynamics from mobile phone records［J］.Journal of Physics A:Mathematical and Theoretical，2008，41(22):224015-1-224015-11.

［12］Jiang Zhi-Qiang，Xie Wen-Jie，Li Ming-Xia，et al.Calling patterns in human communication dynamics［J］.Proceedings of the National Academy of Sciences of the United States of America，2013，110(5):1600-1605.

［13］Guo Jin-Li.Weblog patterns and modeling human dynamics with decaying interest［J］.CoRR，2010，01/2010;abs/1008.0042.

［14］Starnini M，Baronchelli A，Pastor-Satorras R.Modeling human dynamics of face-to-face interaction networks［J］.Physical Review Letters，2013，110 (16):168701-1-168701-5.

［15］Goh K-I，Barabási A-L.Burstiness and memory in complex systems［J］.EPL (Europhysics Letters)，2008，81(4):48002-p1-48002-p5.

［16］Zhou Tao，Zhao Zhi-Dan，Yang Zimo，et al.Relative clock verifies endogenous bursts of human dynamics［J］.EPL (Europhysics Letters)，2012，97 (1):18006-p1-18006-p6.

［17］Bohorquez J C，Gourley S，Dixon A R，et al.Common ecology quantifies human insurgency［J］.Nature，2009，462(7275):911-914.

［18］Zhu Jun-Fang，Han Xiao-Pu，Wang Bing-Hong.Statistical property and model for the inter-event time of terrorism attacks［J］.Chinese Physics Letters，2010，27(6):068902-1-068902-4.

［19］Takaguchi T，Nakamura M，Sato N，et al.Predictability of conversation partners［J］.Physical Review X，2011，1(1):011008-1-011008-16.