基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型

对用户的Web浏览行为进行分析,既可以使用户减少等待时间,同时也能减轻网络负载.依据Web网站的层次结构特点,首先设计了基于Hash表的反向索引结构来提高数据的预处理速度;在此基础上,利用分层思想构建了基于马尔科夫模型和贝叶斯定理的Web用户浏览行为预测模型.给出了模型的设计思想、相关定义、模型框架以及模型中所涉及的关键构建方法等.最后,对模型进行了实验分析,结果表明在适当的预测准确率前提下,模型能够有效减少在预测时所需的候选网页数量,并大幅提升预测效率.     

基于多模式测量的网站用户行为意图预测模型

研究了用户浏览电子商务网站时的行为意图预测模型.运用实验研究的方法,测量了用户在初次浏览电子商务网站时情感体验的三个方面(主观情感体验、眼动特征以及生理反应),以及用户浏览电子商务网站之后对于网站的行为意图(接近趋势),采用方差分析的方法提取了影响用户行为意图的情感体验指标,基于支持向量机建立了用户情感体验与行为意图之间的关系模型.结果表明,综合使用主观评价指标、眼动指标和生理指标能够很好地预测用户对于网站的接近趋势.     

Web服务QoS的免疫多信号预测模型研究

合理的服务质量(Quality of Service,QoS)预测是Web服务承诺的重要依据,在很大程度上关系到服务提供者的信誉.为了有效解决服务质量的预测问题,受到免疫系统多信号机制的启发,提出一种服务提供者主动的实时QoS预测模型.在多Agent仿真平台上的模拟实验和分析表明,该模型能够很好地解决实时QoS预测问题,服务提供者能够根据预测结果动态地调整Web服务的QoS承诺,从而有效提高其信誉.     

基于MAS的Web用户数据预处理

数据预处理是采用基于Web的使用挖掘发现用户模式的第一步.由于Web用户数据来源的不同,不仅导致用户的识别困难,用户访问页面的完整性也难于得到保证,这给下一步的用户模式发现带来了问题.本文提出了一个基于MAS的数据预处理方法:在客户端采用Agent精确捕获用户浏览行为,构造用户访问图;在服务器端的Agent保存服务器生成页面,并根据客户端Agent返回的数据完整获得用户的访问内容,为有效实现用户模式发现提供了保证.     

基于用户知识库的个性Web服务

随着互联网的迅猛发展,Web服务数量日益增多.然而,用户得到满意服务却很困难.根本原因在于目前Web服务基本是"一对多"的方式,相同的用户请求只能得到相同的服务.为了体现用户的个性需求,分析了Web服务的工作原理,收集用户的兴趣并建立向量模型,将之应用于服务发现、匹配和推荐,初步实现了个性Web服务.图2,参11.     

基于发布订阅系统的用户行为预测模型

基于iLBS系统中SP服务器的发布/订阅(pub/sub)中间件技术,提出借助于贝叶斯网络来预测用户行为的一种新颖的pub/sub模型(UBPM).新模式不仅以用户目前所在位置作为通告的唯一标准,而且考虑了用户环境信息中前后台信息的同步,并使用贝叶斯网络对移动用户的行为做出预测.因此,有效地解决了传统pub/sub系统中病态和冗余消息通告的问题,并提高了消息的精确性.实验结果表明相对于现有预测模型,UBPM预测模型更加有效.     

基于营销策略的用户离网预测模型

传统的用户离网预测方法都是针对用户信息、消费行为等数据,通过数据挖掘的方法进行预测。为此,在分析移动用户离网原因的基础上提出了一种基于营销策略的用户离网预测模型(CPMP:Churn Predictionbased on Market Plan)。该模型针对用户主动离网的主要原因是其他运营商推出新的营销策略这一事实,通过比较用户在不同营销策略下可能发生的行为,进而预测用户离网的可能性。实验结果表明,基于CPMP模型对不同营销方案比较所得出差异,直接影响用户离网率。通过对营销策略的对比分析,可有效控制离网率。     

Web用户模式

根据用户的浏览操作，对用户相似的浏览过程提出了一个基于文档关键词的聚类算法，进而生成了Web个性化的用户模式，它能帮助Web用户从搜索引擎所返回的大量文档中筛选出自己所需要的文档，从而提高用户信息检索的准确性和效率。     

基于语义的Web用户会话识别算法

研究一种基于语义进行Web用户会话识别的算法. 通过建立的语义化预处理模型对使用日志进行扩展,利用基于本体语义度量的Markov链模型识别用户请求所应归属的会话,提出用竞争激励算法判别会话的结束状态. 实验结果表明,基于语义的用户会话识别算法的平均识别率为69.8%,高于时间阈值、向前参考等算法.     

一个基于Web的智能用户接口系统

提出一个基于Web智能用户接口的体系结构，该智能用户接口允许用户在一个局域网内的任何终端登录Internet，通过观察记录用户的行为，根据用户的浏览习惯为用户提供其感兴趣的链接，从而实现智能导航。     

基于兴趣相似性的Web用户聚类

按照访问兴趣对用户进行聚类分析是Web挖掘的一项重要内容. 在用户访问兴趣度量中综合考虑网页内容和浏览路径因素;在聚类分析中,依据访问兴趣定义提出新的相似度计算方法. 利用传递闭包法对用户进行聚类. 算法可以提高用户聚类的准确性,试验结果验证此算法是有效的.     

基于Web数据挖掘的用户兴趣获取

本文作者结合自身多年实践经验,结合跟踪用户兴趣以及行为提出了一种显性方式与隐性方式紧密结合的方法,最终提出了建立用户兴趣模型的手段。并且进一步针对用户浏览Web页面以及浏览网页的这种行为予以详细分析,进而得出了用户兴趣模型,掌握了用户兴趣的获取方式,希望可以对读者产生一些积极影响。     

基于Web2.0的用户信息组织研究

从Web2.0的技术应用出发,分析了Web2.0环境下的用户信息特征,探讨了用户信息组织应注意的问题,并提出用户参与式信息组织的方式。     

基于Web挖掘的用户个性化服务研究

随着WWW的广泛应用及相应的Web技术的出现．使数据挖掘的研究进入了一个新的阶段。Web日志挖掘就是运用数据挖掘的思想来对服务器日志进行分析处理，解决网络用户的个性化服务问题。论文主要论述了一个更新的频繁路径集的Web挖掘算法在网络用户个性化服务中的应用。     

基于集成学习的用户信用卡违约预测模型研究

用户信用卡违约预测任务有助于银行等金融机构平衡经济风险与经济利益,对于银行信用卡业务的风险管控具有重要作用。针对用户信用卡违约预测问题,提出了一种基于集成学习的预测模型,有异于传统集成学习中的弱学习器。该模型采用集成模型和神经网络模型作为基学习器,从而提升模型整体的预测效果。首先通过预处理提取用户信用卡数据集的相关特征,然后分别采用优化后的决策树、随机森林、GBDT、XGBoost、CatBoost和SPE六种机器学习模型与神经网络模型进行并行训练和预测,最后通过加权软投票法集成基学习器结果并输出最终预测结果。结果表明,相对于基学习器,该模型在各项评估指标上均有所提升,且拥有更好的模型泛化能力。     

一种基于用户浏览路径的Web用户聚类方法

在Web用户聚类中,针对具有相似浏览路径和兴趣的用户聚类问题,提出一种新的相似度计算方法.该方法将事务路径看作有序时间序列,以代替用户的兴趣路径;同时结合用户事务路径的停留时间来计算相似度.通过这种方法计算出的用户相似度更接近真实,达到提高web用户聚类的效果,为用户提供更优质的个性化服务.对比实验证明该方法的有效性.     

基于Web的信息系统的用户权限设置策略

讨论基于Web的信息系统的特点 ,结合基于角色的访问控制技术 ,提出了一种适合企业管理特点的用户权限设置策略 ,最后给出了应用实例 .     

基于Web的多信道讨论

介绍了一种采用Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ方式工作的基于Ｗｅｂ的多信道讨论。它比一般的基于Ｔｅｌｎｅｔ方式的ＢＢＳ具有通讯效率高，媒体介质丰富，用户界面友善等特点，更适合于远程教育的交流。     

基于用户会话Web应用程序测试的新方法

通过Web日志挖掘中的预处理对用户会话数据进行分析。采用基于URL迹的约减算法对基于用户会话的Web应用测试集进行约减,提出了一种对约减后的测试用例集的执行顺序进行优先排序再组合的测试方法。通过设计小型Web应用系统,证明执行经过优先排序的测试用例集,能较快发现错误,再考虑多用户的交互进行组合,减少了测试用例数目,提高了故障检测率,测试效率大大提高。     

基于URL语义分析的Web用户会话识别方法

由于现有基于时间和引用的经典会话识别方法在复杂Web使用模式挖掘中存在局限性,提出了一个基于URL语义分析的用户会话识别新方法.这个方法借助Web目录服务,将Web日志中的每一条URL记录赋予一定的语义信息,并给出一些测度指标对URL之间的语义相似度进行评价.对静态和流动两类Web日志情况进行分析,分别给出了语义奇异值...