基于web日志挖掘的用戶訪問預測研究.pdf

1、進入21世紀以來，Internet爆炸式的增長，使得人們真正體驗到信息時代的優(yōu)越性。但是作為Internet的管理和研究者，必需利用好Internet迅速增長帶來的巨大數(shù)據(jù)資源，并從中挖掘出有意義的知識來指導Internet的建設，從而開啟一個更人性化、更智能化的新Internet時代。 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好和訪問習慣，使得web站點更好的為用戶提供服務。然而，web日志挖掘的核心

2、是用戶訪問預測，即根據(jù)用戶的歷史訪問信息和當前的訪問路徑預測用戶下一步或?qū)砜赡茉L問的頁面。我們可以利用預測結(jié)果提高服務器的性能，提高緩存的利用率和為用戶提供個性化服務。 本文分析了已有的用戶訪問預測經(jīng)典算法的優(yōu)缺點，提出了基于Markov鏈和關(guān)聯(lián)規(guī)則的預測算法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、來可能訪問的頁面集，生成預測候選集；然后再使用二項關(guān)聯(lián)規(guī)則從正向和反向兩個角度修正Markov的預測結(jié)果，從而生成最后的預測頁面。該算法很好地結(jié)合了Markov鏈和關(guān)聯(lián)規(guī)則的優(yōu)點。 本文提出了帶反饋的Markov預測模型MPMF(Markov Prediction Model WithFeedback)，該模型在預測過程中逐步構(gòu)造歷史預測樹，把歷史預測信息保存到歷史預測樹中，并根據(jù)用戶的反饋來判斷預測是否正確。在預測過程中，該模