基于web日志挖掘的用戶訪問(wèn)預(yù)測(cè)研究.pdf

1、進(jìn)入21世紀(jì)以來(lái)，Internet爆炸式的增長(zhǎng)，使得人們真正體驗(yàn)到信息時(shí)代的優(yōu)越性。但是作為Internet的管理和研究者，必需利用好Internet迅速增長(zhǎng)帶來(lái)的巨大數(shù)據(jù)資源，并從中挖掘出有意義的知識(shí)來(lái)指導(dǎo)Internet的建設(shè)，從而開(kāi)啟一個(gè)更人性化、更智能化的新Internet時(shí)代。 web日志挖掘主要研究用戶的web瀏覽行為，從而理解用戶的興趣愛(ài)好和訪問(wèn)習(xí)慣，使得web站點(diǎn)更好的為用戶提供服務(wù)。然而，web日志挖掘的核心

2、是用戶訪問(wèn)預(yù)測(cè)，即根據(jù)用戶的歷史訪問(wèn)信息和當(dāng)前的訪問(wèn)路徑預(yù)測(cè)用戶下一步或?qū)?lái)可能訪問(wèn)的頁(yè)面。我們可以利用預(yù)測(cè)結(jié)果提高服務(wù)器的性能，提高緩存的利用率和為用戶提供個(gè)性化服務(wù)。 本文分析了已有的用戶訪問(wèn)預(yù)測(cè)經(jīng)典算法的優(yōu)缺點(diǎn)，提出了基于Markov鏈和關(guān)聯(lián)規(guī)則的預(yù)測(cè)算法MAPA(Markov Chain And Association Rule PredictionAlgorithm)，該算法首先使用二階Markov鏈找到用戶下一步或?qū)?/p>

3、來(lái)可能訪問(wèn)的頁(yè)面集，生成預(yù)測(cè)候選集；然后再使用二項(xiàng)關(guān)聯(lián)規(guī)則從正向和反向兩個(gè)角度修正Markov的預(yù)測(cè)結(jié)果，從而生成最后的預(yù)測(cè)頁(yè)面。該算法很好地結(jié)合了Markov鏈和關(guān)聯(lián)規(guī)則的優(yōu)點(diǎn)。 本文提出了帶反饋的Markov預(yù)測(cè)模型MPMF(Markov Prediction Model WithFeedback)，該模型在預(yù)測(cè)過(guò)程中逐步構(gòu)造歷史預(yù)測(cè)樹(shù)，把歷史預(yù)測(cè)信息保存到歷史預(yù)測(cè)樹(shù)中，并根據(jù)用戶的反饋來(lái)判斷預(yù)測(cè)是否正確。在預(yù)測(cè)過(guò)程中，該模