基于ART1用户聚类的Web预取模型研究

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。

关键词：ART1神经网络、用户聚类、Web预取、延迟比、流量开销比

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目U1304603;2012年郑州市科技计划项目121PPTGG364

在线出版日期：2015-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：106-110