基于网络访问行为的混合阶Markov预测模型
随着WWW的迅速发展和网络用户的急剧增加,准确预测Web用户的访问行为对减小用户的感知延时,实现个性化推荐等具有重要的作用.无论是Markov模型还是其任何一种变种,高阶模型具有较好的预测性能.然而,高阶模型通常有较高的状态空间复杂度.提出了一种新的混合阶Markov模型(HMPM),将前缀相同的序列共享存储,降低了状态空间复杂度.仿真实验结果表明,该模型在一定程度上提高了预测准确率,查全率也有所提升.
马尔可夫模型、Web预取、Web推荐、预测模型、个性化
29
TP393(计算技术、计算机技术)
国家自然科学基金60472044;河南省信息网络重点实验室开放基金2006
2008-05-14(万方平台首次上网日期,不代表论文的发表时间)
共4页
333-336