基于可变阶模型的Web访问模式挖掘算法

提出一种基于Markov的可变阶模型,综合了一阶Markov模型和高阶模型的新方法。该方法通过引入精度因子和所逼近模型的阶数,可以在保持与一阶Markov模型相当的较低复杂度的同时,使预测精度能够逼近高阶Markov模型。通过实验数据说明了所提出算法的正确性和有效性。

基于变长预测树模型的Web访问模式挖掘算法

提出一种基于Markov的变长预测树模型,然后根据Markov算法模型化用户的访问行为,生成一棵变长的预测树,最大程度地将用户访问路径固化在预测树上。它最大的特点是减少预测次数,提高模型的预测效率和预测精度。通过实验数据说明了所提出算法的正确性和有效性。