高效的用户访问预测新算法

• 作者: 冯少荣 张东站
• 来源期刊: 西安交通大学学报
• 关键词: 数据挖掘 Web日志挖掘 访问预测 Markov预测 关联规则
• 年，卷（期）: 2010,（4）
• 页码范围: 28-33
• 页数: 6页
• 分类号: TP311
• 语种: 中文

摘要

针对基于Web日志挖掘的用户访问预测经典算法的不足,提出了基于Markov链和关联规则的预测算法(MAPA).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;使用二项关联规则从正向和反向2个角度修正Markov的预测结果,从而生成最后的预测页面.通过引入用户反馈机制,提出了带反馈的Markov预测算法(MPAF),即在预测过程中逐步构造历史预测树,把历史预测信息保存到历史预测树中,并根据用户的反馈来判断预测的正确性.在预测过程中,用二阶Markov预测算法生成预测候选集,再利用历史预测信息动态地调整预测算法,从而生成预测页面.理论分析证明,这2种预测算法具有线性时间复杂度的预测效率.实验结果表明,MAPA和MPAF在预测准确率上平均提高5%和10%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯少荣	厦门大学信息科学与技术学院	49	822	13.0	28.0
2	张东站	厦门大学信息科学与技术学院	43	357	9.0	18.0