ترکیب مدل مارکوف به همراه روش خوشه بندی دوره های کاربر برای پیش بینی صفحه بعدی

در سالهای اخیر مسئله مدل کردن و پیش بینی رفتار پیمایشی کاربر بر روی سایت های اینترنتی به دلیل رشد سریع وبجهانی توجه بسیاری از محققان را بخود جلب کرده است. مدل های مارکوف بصورت گسترده ای در زمینه مدل کردن و پیش بینی رفتارپیمایشی کاربر در سایت های اینترنتی مورد استفاده قرار گرفته اند. مدل های مارکوف با مرتبه بالاتر به دلیل تعداد بالای حالت ها بسیارپیچیده هستند در مقابل مدل های مارکوف با مرتبه پایین تر رفتار کاربر را بدرستی مدل نمی کنند و دقت پایینی دارند. برای حل اینمشکل ما از روش مدل مارکوف ترکیبی استفاده کرده ایم که مدل های مارکوف با همه مراتب به شیوهای با هم ترکیب می شوند که ازپیچیدگی پایین تری نسبت به همه مراتب مدل مارکوف داراست و در عین حال دقت و پوشش را حفظ می کند. اما رفتارهای متفاوتکاربران بر روی یک سایت این نیاز را ایجاد می کند که کاربران را بر اساس رفتار پیمایشی آنها تقسیم بندی کرد. بر همین اساس ما ابتدامعیاری برای سنجش شباهت رفتار کاربران در نظر گرفته و جلسه های کاربران را بر اساس این معیار تقسیم بندی کرده و هر دسته را بااستفاده از مدل مارکوف ترکیبی مدل می کنیم. هر جلسه جدید بر اساس این معیار شباهت به دسته مربوطه منسوب می شود.

کلیدواژه ها:

پیش بینی رفتار کاربر ، کاوش کاربرد وب ، مدل مارکوف ، وب کاوی