基于反馈的用户访问预测模型
用户的访问预测是Web日志挖掘的重要分支,在过去的几年里,研究者们先后提出了基于关联规则、Markov模型、频繁访问模式和点击流树等预测模型.它们不考虑用户的反馈,无法判断预测结果是否正确,也无法动态调整预测算法。针对上述不足,引入用户反馈和历史预测表,提出了基于反馈的预测模型,该模型根据用户反馈判断预测是否正确,并更新历史预测表;在预测过程中,利用历史预测表的知识动态调整预测算法,从而提高预测准确率。此外,在基于点击流树的预测算法的基础上,提出了新的相似度计算方法,从而改善预测效率。实验结果表明基于反馈的预测模型明显提高了预测准确率。
Web日志挖掘 用户反馈 访问预测 Markov模型 相似度计算
陈希友 冯少荣 张东站 薛永生
厦门大学计算机科学系 厦门 361005
国内会议
桂林
中文
71-75
2008-10-24（万方平台首次上网日期，不代表论文的发表时间）