In average, one non mobility user v

In average, one non mobility user visits 3 application categories and one low mobility user visit 6 application categories in the week. For normal users and high mobility user, the average numbers of visited application categories are 9 and 10 respectively. The number of users who visit less than 5 application categories in the week accounts for 86.45%, 45.42%, 8.61% and 1.75% for non mobility, low mobility, normal mobility and high mobility users, respectively.

We now study the impact of the number of cells a user visit on the application categories the user accesses. To this end, we calculate the proportion of flow number of each application category for users with different mobility pattern.

Fig. 18 illustrates the probabilities that users with different mobility access the number of application categories. It shows the relationship between users’ mobility and applications usage. We can see from Fig. 18 that among all the applications, social network is the leading application for users with different mobility span. And there is no clear correlation (and anti-correlation) between mobility and applications category that people access except social network and search engine. Indeed, for those who keep stationary, 40.58% of flows were generated by social network. Yet, for those who have a large mobility span, the percentage accesses for social network increase to 49%. This result is quite different from the result presented in [29], which concluded that email is the most popular application for those who have a large mobility span and social network shows highly intriguing behavior.

ผลลัพธ์ (ไทย) 1:

โดยเฉลี่ย หนึ่งเคลื่อนไหวไม่ใช่ผู้เข้าโปรแกรม 3 ประเภท และคนเคลื่อนไปประยุกต์ 6 ประเภทในสัปดาห์ สำหรับผู้ใช้ที่ปกติและคล่องตัวสูง ประเภทเข้าชมงานจำนวนเฉลี่ยคือ 9 และ 10 ตามลำดับ จำนวนผู้เข้าชมน้อยกว่า 5 ประเภทโปรแกรมบัญชีสัปดาห์สำหรับ 86.45%, 45.42%, 8.61% และ 1.75% ไม่เคลื่อนไหว เคลื่อน เคลื่อนไหวปกติ และผู้ ใช้คล่องตัวสูง ตามลำดับเราตอนนี้ศึกษาผลกระทบของจำนวนเซลล์เป็นผู้ไปตามประเภทของโปรแกรมผู้ใช้เข้าถึง เพื่อการนี้ เราต้องคำนวณสัดส่วนของหมายเลขลำดับของแต่ละประเภทของโปรแกรมประยุกต์สำหรับผู้ใช้ที่มีรูปแบบการเคลื่อนไหวที่แตกต่างกันรูป 18 แสดงน่าจะว่า ผู้ใช้ มีความคล่องตัวต่าง ๆ เข้าถึงหมายเลขของแอพลิเคชันประเภท แสดงความสัมพันธ์ระหว่างการเคลื่อนไหวของผู้ใช้และการใช้งานโปรแกรมประยุกต์ เราสามารถดูจากรูป 18 ว่า ระหว่างโปรแกรมทั้งหมด เครือข่ายสังคมออนไลน์เป็นโปรแกรมชั้นนำสำหรับผู้ใช้ที่มีระยะเคลื่อนที่แตกต่างกัน และมีไม่สัมพันธ์ชัดเจน (และต่อต้านความสัมพันธ์) ระหว่างประเภทเคลื่อนไหวและการใช้งานที่คนเข้ายกเว้นสังคมเครือข่ายและค้นหาเครื่องยนต์ จริง สำหรับผู้ที่เก็บเครื่องเขียน 40.58% กระแสถูกสร้างขึ้น โดยสังคม ยัง สำหรับผู้ ที่มีการเคลื่อนไหวขนาดใหญ่ที่ครอบคลุม accesses เปอร์เซ็นต์สำหรับเครือข่ายสังคมเพิ่มขึ้น 49% ผลลัพธ์นี้จะแตกต่างจากผลที่แสดงใน [29], ซึ่งได้ข้อสรุปว่า อีเป็นโปรแกรมยอดนิยมสำหรับผู้ที่มีการเคลื่อนไหวใหญ่ขยาย และเครือข่ายสังคมแสดงลักษณะการทำงานที่น่าสนใจมาก

ผลลัพธ์ (ไทย) 2:

เฉลี่ยการเคลื่อนไหวอย่างใดอย่างหนึ่งที่ไม่ใช่ผู้ใช้เข้าชม 3 หมวดหมู่แอพลิเคชันและเป็นหนึ่งในการเคลื่อนไหวต่ำผู้ใช้เข้าชม 6 ประเภทการประยุกต์ใช้ในสัปดาห์ สำหรับผู้ใช้ทั่วไปและผู้ใช้ความคล่องตัวสูงตัวเลขเฉลี่ยของการเยี่ยมชมประเภทการประยุกต์ใช้เป็นที่ 9 และ 10 ตามลำดับ จำนวนผู้ที่เข้าชมน้อยกว่า 5 ประเภทการประยุกต์ใช้ในบัญชีสัปดาห์สำหรับ 86.45%, 45.42%, 8.61% และ 1.75% สำหรับการเคลื่อนไหวไม่ใช่การเคลื่อนไหวต่ำการเคลื่อนไหวปกติและผู้ใช้ความคล่องตัวสูงตามลำดับ. ตอนนี้เราศึกษาผลกระทบของ จำนวนของเซลล์การเยี่ยมชมของผู้ใช้บนแอพลิเคชันประเภทผู้ใช้เข้าถึง ด้วยเหตุนี้เราคำนวณสัดส่วนของจำนวนการไหลของหมวดหมู่แต่ละโปรแกรมสำหรับผู้ใช้ที่มีรูปแบบการเคลื่อนไหวที่แตกต่างกัน. รูป 18 แสดงให้เห็นถึงความน่าจะเป็นที่ผู้ใช้ที่มีความคล่องตัวที่แตกต่างกันเข้าถึงจำนวนของประเภทแอพลิเคชัน มันแสดงให้เห็นความสัมพันธ์ระหว่างผู้ใช้ความคล่องตัวและการประยุกต์ใช้งาน เราสามารถดูได้จากรูป 18 ว่าในทุกการใช้งานของเครือข่ายสังคมเป็นโปรแกรมชั้นนำสำหรับผู้ใช้ที่มีช่วงการเคลื่อนไหวที่แตกต่างกัน และไม่มีความสัมพันธ์ที่ชัดเจน (และป้องกันความสัมพันธ์) ระหว่างการเคลื่อนย้ายและการใช้งานประเภทที่ผู้คนสามารถเข้าถึงยกเว้นเครือข่ายทางสังคมและเครื่องมือค้นหา แท้จริงสำหรับผู้ที่ให้นิ่ง 40.58% ของกระแสที่ถูกสร้างขึ้นโดยเครือข่ายทางสังคม แต่สำหรับผู้ที่มีช่วงการเคลื่อนไหวขนาดใหญ่ร้อยละเข้าถึงสำหรับการเพิ่มขึ้นเครือข่ายสังคมถึง 49% นี่คือผลที่ค่อนข้างแตกต่างจากผลที่ได้นำเสนอใน [29] ซึ่งได้ข้อสรุปว่าอีเมลเป็นโปรแกรมที่นิยมมากที่สุดสำหรับผู้ที่มีช่วงการเคลื่อนไหวขนาดใหญ่และเครือข่ายทางสังคมแสดงให้เห็นถึงพฤติกรรมที่น่าสนใจอย่างมาก