基于隐马尔可夫模型的在线零售站点的自适应

开展在线零售业务存在的问题是 ,群体用户必须浏览许多无关的页面 ,才能最终找到自己所需要的商品 .解决该问题的一个思路是 :建立一个隐马尔可夫模型 ,通过关联规则发现算法发现关联购买集合 ;然后通过Viterbi算法求出从首页到一个关联购买集合中心的具有最大被购买概率的一些路径 ;在这些路径上标注关联购买集合 ;当处理完所有的关联购买集合之后 ,通过竞争来决定出现在导航页面上的物品集 ,最终将导航页合理地变成导航购买页 .即站点可以自动根据群体用户的访问购买情况进行自适应 .此外 ,该方法也是一种很好的通过建立隐马尔可夫模型来分析购买访问路径的方法 ,可以被广泛地用于 Web站点的路径分析、广告和人工重构中 .

在线零售站点的自适应和商业智能的发现

1 引言电子商务已经被称为是Internet最重要的应用之一@WWW正以其简单易用性赢得越来越多的用户,为用户和商家提供了双向交流、'虚拟'交易的理想空间.在电子商务环境下,一个联机零售商在Web上开展电子商务的业务模型如图1[1].其中市场数据存储商品信息和用户的交易信息;Web结构数据存储Web页和Web的结构.