Markov网页预测模型综述

介绍了基本的Markov浏览预测模型;讨论了扩展的Markov浏览预测模型,包括隐Markov模型、多Markov模型、混合模型、结构相关性模型;综述了各个模型的算法及其优缺点;分析了Markov浏览预测模型需要深入研究的问题.     

基于混合Markov模型的用户浏览预测

建立有效的用户浏览预测模型,准确的预测用户的浏览路径,是开发各种Web站点导航工具的关键.传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点.通过对传统Markov模型的扩展,并研究了群体用户在Web上的浏览特性,采用了基于混合Markov模型的用户群兴趣导航发现方法.实验结果表明,该方法比传统Markov模型更准确的反映了用户的访问兴趣,可以获得更高的预测准确率与覆盖率,以及有效地降低存储复杂度.     

多Markov链用户浏览预测模型

建立有效的用户浏览预测模型，对用户的浏览做出准确的预测，是开发各种浏览导航工具的关键．传统的Markoxr链模型是一种简单而有效的预测模型，但它存在预测准确率低，存储复杂度高等缺点．通过对该模型的扩展，该文提出并建立了一种基于用户分类的新模型——多Markov链模型．实验表明，该模型能更准确地描述用户在Web上的浏览特征，在预测准确率和存储复杂度方面都显著地优于传统的Markov链模型．     

基于动态分类的Markov用户浏览预测模型

针对多Markov链用户浏览预测模型分类算法的时间复杂度过高问题,提出一种基于动态分类的Markov用户浏览预测模型。该模型通过学习提取用户浏览特征,利用这些特征对用户浏览路径进行分类,实现预测并动态更新用户浏览特征。实验结果表明,该模型可明显降低用户浏览路径预测的时间,并得到较为准确的预测结果。     

马尔可夫预测模型的压缩与应用研究

Markov预测模型是Web预取与个性化推荐技术的基础。大量Web对象的存在使得用户浏览转移状态激增，导致预测模型出现了巨大的空间复杂度问题。基于网站链接结构（WLS），针对Markov预测模型中的转移概率矩阵，提出一种基于行相似与列相似的相似度度量方法。首先计算出相似矩阵，然后利用行相似、列相似获得相似页面并压缩在一起，减小了Markov模型中的状态个数。实验表明，该模型具有较好的整体性能和压缩效果，在预取效率方面能够保持较高的预测准确率和查全率。     

关于提取Web用户浏览行为特征的研究

当前,Web日志挖掘技术已成为实现网站个性化服务的研究热点.运用Markov模型来预测用户的浏览模式,从而提高站点访问率、为站点重组提供有利信息是该领域广泛采用的方法之一.但传统方法建立的Markov模型,存在着数据冗余复杂、模型庞大繁琐等问题.针对这些问题,介绍了一种改进的Markov模型.其方法主要是在原有模型的基础之上,在数据清洗、用户会话识别过程中删除一些不予考虑的因素,大大简化了建立的Markov模型,提高了Web日志挖掘的效率.     

TOP-N选择Markov预测模型

分析了访问用户和浏览器的行为,研究了现存的Markov预取模型,并分析了Markov预测模型的本质,在此基础上,提出了基于TOP N选择的Markov预测模型。该模型利用Web访问日志中请求次数大于N的URL生成TOP N,根据用户的访问会话生成Markov链。如果用户当前的访问会话与Markov链匹配,该Markov的下一URL在TOP N中,就把它取到本地缓存。实验表明,该预测模型能有效提高预测精度和命中率,在一定程度上还减少了带宽的需求。     

基于剪枝技术的自适应PPM预测模型

建立有效的用户浏览预测模型,对用户的浏览行为进行准确的预测,是Web预取的关键。标准PPM预测模型由于存在存储复杂度高、执行效率低等缺点,影响了其推广和应用。文章基于剪枝技术,依据Zipf法则及Web对象访问特征对标准PPM预测模型进行预先剪枝和后剪枝,构造出一种自适应PPM预测模型。实验表明,该模型不仅能动态预测用户的Web浏览特征,而且在预测准确率和存储复杂度方面都有一定程度的提高。     

基于类Markov链的用户浏览行为预测方法

根据浏览历史对用户进行有效聚类,建立基于用户聚类的用户浏览行为预测模型是Web环境下实现个性化服务的关键。该文对系统用户进行聚类,产生相似用户群,根据每个相似用户群的浏览特征,建立基于相似用户群的类Markov链用户浏览行为预测模型,实验验证了该模型的有效性。     

一种改进的Markov预测模型方法

马尔可夫(Markov)模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式.针对Markov原始预测模型算法时问和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销.改进的Markov模型虽较好地克服了原始Markov模型的缺陷.但在提高效率的同时,模型的预测准确度有所降低.不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势.     

Markov逻辑网在链接预测中的应用*

链接预测是对实体间的关系进行预测,是一个重要而复杂的任务。传统同类独立同概率分布的方法会带来很大的噪音,导致预测效果很差。将Markov逻辑网应用到链接预测中,旨在改善这一问题。Markov逻辑网是将Markov网与一阶逻辑结合的统计关系学习方法。利用Markov逻辑网构建关系模型,对实体之间是否存在链接关系以及当链接关系存在时预测此链接关系的类型。针对两个数据集的实验结果显示了采用Markov逻辑网模型要比传统链接预测模型有更好的效果,进而为Markov逻辑网解决实际问题提供了依据。     

一种新的预测用户浏览模式的度量方法

在Web环境中,度量用户的浏览模式对Web站点结构的改进是有益的。挖掘和度量Web日志能够识别用户的访问模式模型,Web站点管理者能够应用这些模型研究用户的访问偏爱度,由此改进站点的体系结构以及分析这些改进带来的影响。因此,提出用户群偏爱度这样一个新概念,并使用了基于用户群的模糊聚类算法（UGFC）,然后根据聚类结果,即具有相似访问习惯的用户群体,度量用户群偏爱度,再基于用户群偏爱度,利用混合阶Markov模型（HOMM）进行预测。实验表明,这种新的度量预测方法（UGFC-HOMM）比传统Markov模型（TMM）预测更准确,并且实验用精确率、覆盖率和运行时间这3个度量评价值对预测性能进行评估。     

基于EDDG关联图的Web预测模型

DG 关联图预测模型的预测准确度较低,PPM树预测模型的空间复杂度巨大.为了解决以上两个问题,在对Web对象的浏览特征以及用户浏览深度特征进行研究的基础上,对传统的DG关联图预测模型进行优化,采用指数级下降算法修正传统DG关联图预测模型在计算转移概率方面的缺陷,提出基于EDDG关联图的Web预测模型.实验结果表明,该预测模型可获得与PPM树预测模型相近的预测准确度,同时算法的空间复杂度也得到了较大的改进.     

基于神经网络的Web预测模型

Web预测模型是Web预取技术的核心,由于传统的基于PPM树的预测模型只考虑了用户的浏览序列,因此预测准确度较低。本文通过结合页面内容以及用户的兴趣来调整模型的输出,提出了基于神经网络的Web预测模型。实验表明,该模型能够在一定程度上提高预测的准确率。     

基于偏爱度的多步Markov网页预测模型

随着WWW的迅速扩张和网络用户的急剧增加,准确预测Web用户的访问行为对减少用户的感知延时、提高网络服务质量具有重要作用。文章分析了传统Markov模型的优缺点,针对低阶Markov模型准确率不高,而高阶Markov模型状态空间复杂度较高的缺点,提出了一种新的K步Markov模型（K-Step Markov Model,K-SMM）,并引入了偏爱度的概念,建立了基于偏爱度的多步Markov网页预测模型（Preferred K-Step Markov Model,PKSMM）。实验结果表明,该模型可以获得更高的预测准确率与覆盖率,并能有效地降低存储复杂度。     

一种自适应抗噪声的PPM预测模型

基于Web浏览特征提出了一种自适应抗噪声的PPM预测模型。模型在构造过程中，利用描述用户浏览深度特征的逆高斯分布及Web流行度特征，对噪声页面及过期数据进行动态移除，分别从纵向和横向上对PPM预测模型规模进行控制。实验表明，该模型对噪声数据的影响有较大的改善，能较好地动态预测用户的Web浏览特征，不仅预测准确率和存储复杂度都有一定程度的提高，而且有效控制了由预取引起的网络流量。     

一种改进的Markov预测模型方法

马尔可夫（Markov）模型的链式结构简便易行,适合作为一个预测模型来预测用户的页面访问模式。针对Markov原始预测模型算法时间和空间高开销的缺点,引入聚类方法对模型进行改进,以有效降低原始Markov预测模型计算开销。改进的Markov模型虽较好地克服了原始Markov模型的缺陷,但在提高效率的同时,模型的预测准确度有所降低。不过由于是将高阶Markov模型类别预测和低阶Markov模型页面预测相结合,和原始低阶Markov模型页面预测相比,准确性具有一定优势。     

Web日志挖掘中的序列模式识别

Web日志挖掘的基本思想是将数据挖掘技术应用于 Web服务器的日志文件 .本文从 Web日志挖掘过程预处理阶段的结果用户会话文件开始 ,提出了一种基于扩展有向树模型进行用户浏览模式识别的 Web日志挖掘方法 ,并在实验室对该方法进行了简单实现和实际日志数据的测试 .     

基于加权马尔可夫链的主动用户行为预测模型

建立有效的用户行为预测模型,准确地预测用户的上网行为,是当前网络主动管理地关键,传统的Markov模型是一种简单而有效的预测模型,但它存在测准确率低、预测覆盖率低以及存储复杂度高等缺点.提出了基于加权马尔可夫链模型,通过分析用户行为特征和最优状态分类的方法,预测网络用户行为.最后通过实验结果表明了该模型的可行性和实用性...     

基于新维无偏灰色Markov模型单位GDP能耗预测研究

能源消耗问题是全球关注的焦点,单位GDP能耗是反映能源消耗水平的重要指标,对其进行科学、准确的预测有着重大意义。由于GM(1,1)模型和Markov模型用于时间序列预测时优势互补,本文首先建立了无偏灰色Markov预测模型,然后进一步利用新信息优先的思想,建立了等维新息无偏灰色Markov预测模型。以1991年至2011年广东省单位GDP能耗实测值作为原始数据,构建预测模型,预测其2012年至2014年单位GDP能耗。结果表明:新维无偏灰色Markov模型的预测误差小,精度高,适合中长期预测。