مدل ماركوف تركيبي براي پيش بيني رفتار پيمايشي كاربر در وب  Fulltext 

[ شهره كاظمي ] - دانشجوي كارشناسي ارشد مهندسي نرمافزار، دانشكده مهندسي كامپيوتر، دانشگاه صنعتي اميركبير
[ ميثم قادريان ] - دانشجوي كارشناسي ارشد مهندسي نرمافزار، دانشكده مهندسي كامپيوتر، دانشگاه صنعتي اميركبير
[ احمد عبدالله زاده ] - دانشيار دانشكده مهندسي كامپيوتر، دانشگاه صنعتي اميركبير

خلاصه مقاله:

در سالهاي اخير مسئله مدل كردن و پيش بيني رفتار پيمايشي كاربر بر روي سايت هاي اينترنتي به دليل رشد سريع وب جهاني توجه بسياري از محققان را بخود جلب كرده است . مدل هاي ماركوف بصورت گسترده اي براي بررسي فرايندهاي تصادفي مورد استفاده قرار گرفته اند و در زمينه مدل كردن و پيش بيني رفتار پيمايشي كاربر در سايت هاي اينترنتي كاربردهاي فراواني دارند . مدل هاي ماركوف با مرتبه پايينتر عموماً دقت كمتري براي پيش بيني رفتار پيمايشي كاربر دارند و بدين دليل بيشتر از مدل هاي ماركوف با مرتبه بالاتر استفاده مي شود . اما مدل هاي ماركوف مرتبه بالاتر محدويت هايي نيز دارند از جمله پيچيدگي بالا ( تعداد حالت هاي زياد ) ، پوشش كمتر و حتي گاهي دقت پيشبيني پايينتر . يك روش ساده براي غلبه بر برخي از اين مشكلات بكارگيري مرتبههاي مختلف مدل ماركوف و استفاده از همه آنها در فاز پيشبيني است . اما اين روش پيچيدگي را افزايش ميدهد . براي حل اين مشكل در اين مقاله تكنيكي ارائه ميشود كه مدلهاي ماركوف با مرتبههاي
متفاوت را به گونهاي با هم تركيب كرده كه از پيچيدگي پايينتري برخوردار است و در عين حال پوشش و دقت پيشبينياي كه با استفاده از همه مرتبههاي مدل ماركوف بدست مي آمد را حفظ مي كند . در واقع در اين تكنيك بسياري از حالت هاي متعلق به مرتبههاي متفاوت مدل ماركوف بدون تاثير بر كارايي كلي حذف مي شوند . براي هرس كردن حالتها از همه مرتبه هاي مدل ماركوف از خطاي مربوط به هر حالت استفاده شده است . براي تخمين زدن خطاي مربوط به هر حالت از يك مجموعه اعتبار سنجي استفاده كرده ايم و يك حالت از مرتبه بالاتر در صورتي هرس مي شود كه ميزان خطاي مربوط به آن در مقايسه با ميزان خطاي حالت هاي مشابه از مرتبه هاي پايينتر بيشتر باشد .

وب جهاني، وب كاوي، مدل ماركوف، پيش بيني رفتار كاربر