基于ART1用户聚类的Web预取模型研究

• 作者: 姚瑶 张慧
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: ART1神经网络 用户聚类 Web预取 延迟比 流量开销比
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 106-110
• 页数: 5页
• 分类号: TP393
• 字数: 3831字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.09.023

摘要

传统的Web预取机制所采用的预测算法主要针对用户个人预取,随着用户数量激增会加重网络负载,降低网络资源利用率。针对这一问题,在综合分析经典ART1神经网络模型和预取系统的基础上,提出一种基于用户聚类的UCPM模型预取新方法。首先,基于改进的ART1算法对用户访问序列特征向量进行聚类,挖掘兴趣相似的用户集合；然后,针对自底向上权重最大值所关联用户群的兴趣进行预取；最后,在Web预取系统上验证该方法的有效性及可靠性。实验结果表明,UCPM模型表现出较好的聚类效果,同时应用在预取系统保持了较高的预测准确率,降低了延迟比和流量开销比。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚瑶	中州大学信息工程学院	23	64	4.0	7.0
2	张慧	中州大学信息工程学院	18	117	4.0	10.0