文献类型：期刊文章

作　　者：叶海琴[1] 石磊[1] 王意锋[2]

机构地区：[1]郑州大学信息工程学院计算机系 [2]信息工程大学国家数字交换系统工程技术研究中心,河南郑州450002

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(60472044);河南省信息网络重点实验室开放基金项目(2006)

年　　份：2008

卷　　号：29

期　　号：2

起止页码：333-336

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、INSPEC、ZGKJHX、核心刊

摘　　要：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。

关 键 词：马尔可夫模型 WEB预取 Web推荐  预测模型  个性化

分 类 号：TP393]