基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型

发布时间：2018-01-13 08:17

本文关键词：基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型　出处：《东北大学学报(自然科学版)》2016年06期 　论文类型：期刊论文

【摘要】：对用户的Web浏览行为进行分析,既可以使用户减少等待时间,同时也能减轻网络负载.依据Web网站的层次结构特点,首先设计了基于Hash表的反向索引结构来提高数据的预处理速度;在此基础上,利用分层思想构建了基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型.给出了模型的设计思想、相关定义、模型框架以及模型中所涉及的关键构建方法等.最后,对模型进行了实验分析,结果表明在适当的预测准确率前提下,模型能够有效减少在预测时所需的候选网页数量,并大幅提升预测效率.
[Abstract]:This paper analyzes the user ' s Web browsing behavior , which can not only reduce the waiting time , but also reduce the network load . Based on the hierarchical characteristic of the Web site , the paper designs a model for forecasting the browsing behavior of Web users based on the Markov model and the Bayesian theorem . Finally , the model is analyzed . The results show that the model can effectively reduce the number of candidate pages needed at the time of prediction and greatly improve the forecasting efficiency .

【作者单位】：东北大学软件学院;沈阳工业大学管理学院;东北大学计算机科学与工程学院;
【基金】：国家科技重大专项(2013ZX03002006) 辽宁省科技攻关项目(2013217004) 辽宁省博士启动基金资助项目(20141012) 沈阳市科技计划项目(F14-231-1-08) 中央高校基本科研业务费专项资金资助项目(N130317002)
【分类号】：TP393.092
【正文快照】： Web挖掘技术[1]因为具有改善网站服务质量、提高用户满意度以及提供个人化服务等特点,而受到企业界和学术界的日益关注.目前的Web用户浏览情况挖掘就是对网站的日志记录进行分析,从而提取用户浏览网站的特征信息[2-3].目前已有一些学者提出了针对Web用户浏览行为分析的数学模

【相似文献】