基于偏愛度的多步Markov網頁預測模型

摘要：隨著WWW的迅速擴張和網絡用戶的急劇增加，準確預測Web用戶的訪問行為對減少用戶的感知延時、提高網絡服務質量具有重要作用。文章分析了傳統Markov模型的優缺點，針對低階Markov模型準確率不高，而高階Markov模型狀態空間復雜度較高的缺點，提出了一種新的K步Markov模型(K-Step Markov Model，K-SMM)，并引入了偏愛度的概念，建立了基于偏愛度的多步Markov網頁預測模型(Preferred K-Step Markov Model，PKSMM)。實驗結果表明，該模型可以獲得更高的預測準確率與覆蓋率，并能有效地降低存儲復雜度。

關鍵詞：數據挖掘；Markov模型；偏愛度；瀏覽路徑預測；空間復雜度