3、探索用户应用选择与设计民族志的奥秘

探索用户应用选择与设计民族志的奥秘

1. 用户应用选择的研究发现

在对用户如何选择应用的研究中，运用了数据挖掘的方法，借助Weka和Rapidminer工具，采用Apriori和FP - Growth算法构建模型，对应用选择过程中的各种线索和因素进行了分析。

1.1 频繁项集频率统计

• 单频繁项集：统计了多个单频繁项集的出现频率，如“F5 - Rev”（应用评论）出现48次，“F2 - Rat”（应用评分）出现36次等，具体数据如下表所示：
  | 频繁项集L(1) | 计数 | 频繁项集L(1) | 计数 | 频繁项集L(1) | 计数 |
  | — | — | — | — | — | — |
  | F5 - Rev | 48 | F16 - Try | 10 | F17 - Brand | 5 |
  | F2 - Rat | 36 | F12 - Logo | 8 | F1 - Badge | 3 |
  | F6 - Full | 28 | F8 - Free | 7 | F10 - Prob | 3 |
  | F11 - Scre | 27 | F9 - Cat | 7 | F13 - Ads | 3 |
  | F3 - Num | 19 | F14 - Knew | 7 | F15 - Quick | 3 |
  | F7 - Perm | 12 | F4 - Pop | 5 | | |

• 多频繁项集：统计了二项、三项和四项频繁项集的出现频率，例如“F5 - Rev F2 - Rat”出现28次，“F5 - Rev F2 - Rat F3 - Num