基于Markov链和关联规则的Web访问预测模型

• 作者: 李翠华 杨晨晖 林惠珍 陈希友
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: Web日志挖掘 Markov 关联规则 访问预测
• 年，卷（期）: 2010,（4）
• 页码范围: 476-481
• 分类号: TP311
• 字数: 5547字
• 语种: 中文

摘要

用户访问预测是根据用户的历史访问信息和当前的访问路径预测用户下一步或将来可能访问的页面.因此可以利用预测结果提高服务器的性能,提高缓存的利用率和为用户提供个性化服务.提出了基于Markov链和关联规则的预测模型MAPM(Markov chain and association rule prediction model),该模型首先使用二阶Markov链找到用户下一步或将来可能访问的页面集,生成预测候选集;然后再使用二项关联规则从正向和反向两个角度修正Markov的预测结果,从而生成最后的预测页面.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李翠华	厦门大学信息科学与技术学院	78	1178	20.0	30.0
2	杨晨晖	厦门大学信息科学与技术学院	37	277	8.0	15.0
3	陈希友	厦门大学信息科学与技术学院	2	14	2.0	2.0
4	林惠珍	厦门大学信息科学与技术学院	1	3	1.0	1.0