通过对平台用户的访问行为进行采集，对相关的数据来进行定量和定性的分析，来不断驱动和提高访问者在平台中的体验，并将访客转化为商业目标，通过对用户行为监测获得的数据来进行分析，可以让平台更详细、清楚地了解用户的行为习惯，让平台的营销更精准、有效，提高网上营销转化率，从而提升平台的广告收益。

　　技术架构基于开放平台应用的模式（GovernmentAppStore），开放平台建立在云计算基础环境和政府信息资源基础之上，通过提供基础服务和应用服务组件为多业务的应用提供支撑，公众服务平台与政府公共信息资源以及各部门之间业务整合与协同，采用SOA服务集成架构：

　　政府统一的公共信息资源（例如共享库中的自然人、法人、地理信息等）基于云计算平台通过服务的方式在高速服务框架中注册；各部门中现业务系统来进行适配服务的改造，同样以服务的模式在开放平台对外提供。

　　公众信息平台是结合云计算、Web2.0等新兴技术构建基于社会化协作的市民服务平台，就是地方政府基于区域公众的切身需求，在整个社会民主秩序的框架下，帮助公众建立基于社会化网络的互联网应用服务平台，一方面利用社交网络迅速传递信息，与公众进行开放、及时的信息交流，从而引领网络舆论权威，并对公众信息作出及时反馈，改进政府工作；另一方面更好地整合各政府部门的网上业务和各公共事业的便民服务，为公众提供一个无缝的在线服务与事务处理的平台。

　　2011年以来，我国云计算已经从前期的起步阶段开始步入实质性发展的阶段，基础持续夯实，进入加快跟进阶段。传统IT和互联网公司、基础运营商、基础硬件IT企业及各地政府等多方力量都在积极推动云计算发展。目前面向个人云计算应用的网盘、在线照片、App Store等已得到了普及应用，而面向地方政府的政务云计算落地慢慢的变成了各级政府重中之重，也是未来政府电子政务信息化建设的战略方向。

　　基于云计算的公众服务平台与传统的企业级应用完全不同，平台主要面向百万级以上的社会公众用户，属于典型的互联网应用，其在海量数据、高并发访问等诸多技术方面带来的挑战，需要参考互联网应用架构来设计，平台需要具备良好的使用者真实的体验和水平扩展能力，结合前期在电子政务以及互联网应用领域的经验，技术架构示意图如下：

　　近几年Web2.0时代的互联网得到了迅猛的发展，Facebook、Twitter、Yammer、新浪微博、人人网等基于社会化网络的互联网应用在信息发布、传播速度、数据挖掘等方面已经远超于了传统新闻媒体带来的影响力，截至2011年底国内使用社交网站的用户数已经突破2.6亿。同时各级政府部门也纷纷开设官方微博，加强与公众的信息交流和互动，基于SNS互联网应用成为主要社会媒体的载体慢慢的变成了现实，如何利用Web2.0以人为中心、社会化、内容聚合以及微内容这些特征来结合政府公众服务模式的创新是一个新的课题。

　　为了方便用户业务由传统IT系统向云计算环境的迁移，云计算应对用户更好的提供统一的业务服务。高速服务框架是一种基于SOA服务的访问框架，实现后台的业务服务与前端展现及应用终端无关，并具备分布式部署能力，在满足高并发和高速访问的基础上，服务之间不采用SOAP和http请求协议，而是采用长连接、二进制序列化、非阻塞IO（NIO）等有关技术来提高服务的性能，在消费端采用软件实现负载均衡，支持随机、轮询、权重、按应用路由等方式，另外在服务消费端与提供器端直接建立连接进行通信，而不通过中间层进行，减少调用层次，提高性能，框架提供服务的注册管理、服务的治理等相应功能。

　　采用Hadoop作为平台可靠、高效、可伸缩的分布式处理的软件框架。Hadoop通过维护维护多个工作数据副本，确保能够针对失败的节点重新分布处理。通过Map/Reduce并行处理加快处理速度。Hadoop可处理 PB 级数据，Hadoop可用Java、C等语言编写框架，运行在x86的Linux环境平台上是非常理想的。

　　研发的面向政府公众服务的垂直搜索引擎，把网络上相关的海量信息镜像到自己的分布式数据库中，并基于模板的信息抽取技术把需要的内容信息抽取出来，经过数据结构化引擎把这些无结构化的数据转换成业务系统中的结构化数据，这些结构化的数据经过中文分词技术的处理据建立起索引，放置在高效分布式内存数据库中，让用户通过搜索快速的访问到这些应用和信息，并能做到按照每个用户的个性化喜好做出合理的推荐结果。具体的技术内容有：Hertrix框架、数据抽取、数据结构化、基于Solr和Lucen实现搜素引擎、索引中文分词等。

　　公众服务平台需要同时满足大量用户的需求，并行地为大量用户更好的提供服务，因此，采用Hadoop实现的分布式文件系统（Hadoop Distributed File System）满足平台的高容错性和高传输能力，HDFS的master/slave架构，通过一个Namenode和一定数目的Datanode采用流的形式访问（streaming access）文件系统中的数据来实现数据访问的高吞吐量。

　　基于Mahout的推荐引擎利用特殊的信息过滤技术，将不同的内容（例如应用、评论、资讯、新闻、图片、网页等）推荐给可能感兴趣的用户，用户获取信息的方式从简单的目标明确的数据的搜索转换到更高级更符合人们使用习惯的信息发现，。通常情况下，推荐引擎的实现是通过将用户的个人喜好与特定的参考特征作比较，并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的，或是基于用户所在的社会环境。推荐引擎的通用算法包括：基于关联规则的推荐算法、基于内容的推荐算法、协调过滤推荐算法等。

　　采用HBase分布式的、面向列的数据库，在Hadoop之上提供了Bigtable的能力，以满足非结构化数据存储的数据库，HBase是基于列的而不是基于行的模式。HBase是一个高可靠性、高性能、面向列、可伸缩的分布式存储系统，利用HBase技术可在廉价PC Server上搭建起大规模结构化存储集群。