基于隐马尔可夫模型的在线零售站点的自适应

• 作者: 李锦涛 王实 马继勇 高文 黄铁军
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: Web数据挖掘 隐马尔可夫模型 关联规则 自适应
• 年，卷（期）: 2001,（4）
• 页码范围: 599-606
• 页数: 8页
• 分类号: TP311
• 字数: 5049字
• 语种: 中文

摘要

开展在线零售业务存在的问题是，群体用户必须浏览许多无关的页面,才能最终找到自己所需要的商品.解决该问题的一个思路是:建立一个隐马尔可夫模型,通过关联规则发现算法发现关联购买集合;然后通过Viterbi算法求出从首页到一个关联购买集合中心的具有最大被购买概率的一些路径;在这些路径上标注关联购买集合;当处理完所有的关联购买集合之后,通过竞争来决定出现在导航页面上的物品集,最终将导航页合理地变成导航购买页.即站点可以自动根据群体用户的访问购买情况进行自适应.此外，该方法也是一种很好的通过建立隐马尔可夫模型来分析购买访问路径的方法,可以被广泛地用于Web站点的路径分析、广告和人工重构中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高文	中国科学院计算技术研究所	150	5863	39.0	72.0
2	黄铁军	中国科学院计算技术研究所	28	369	8.0	19.0
3	李锦涛	中国科学院计算技术研究所	115	2894	31.0	50.0
4	王实	中国科学院计算技术研究所	13	773	10.0	13.0
5	马继勇	中国科学院计算技术研究所	4	123	3.0	4.0