[发明专利]一种基于k阶混合马尔可夫模型的Web页面访问预测方法

权利要求书

1.一种基于k阶混合马尔可夫模型的Web页面访问预测方法，其特征在于包含以下步骤：

1)首先收集和整理Web服务器访问日志数据，针对日志中的每一项访问记录，识别客户端浏览器和用户；排除无意义的访问数据；根据每一项记录析取访问操作o＝<u，x，t>，其中u表示用户、x表示Web页面、t表示页面访问时间；

2)识别用户会话S，用于组建Web日志数据库，储备用于Web页面访问预测的历史数据；

3)根据预测目标从数据库中选取和组织日志数据，按会话整理和组织(k+1)元组集合；

4)建立k阶混合马尔可夫模型，并采用最大期望算法训练该k阶混合马尔可夫模型，再基于数据集学习和校准k阶混合马尔可夫模型的参数集；

5)基于目标用户对Web页面的访问操作，识别最近的用户会话，应用训练后的k阶混合马尔可夫模型预测用户下一步访问的Web页面。

2.根据权利要求1所述的基于k阶混合马尔可夫模型的Web页面访问预测方法，其特征在于步骤1)所述的无意义的访问数据包括排除非页面访问记录、以及由爬虫等自动程序产生的访问记录。

3.根据权利要求1或2所述的基于k阶混合马尔可夫模型的Web页面访问预测方法，其特征在于步骤2)的识别用户会话的过程是：令会话S＝{o₁，o₂，...，o_l}，所有操作o_i的执行用户相同，然后根据前一访问操作o_i＝<u，x_i，t_i>发生的时间t_i以及所访问的页面x_i，判定下一操作o_i+1＝<u，x_i+1，t_i+1>是否属于同一会话S，该判定基于以下三个条件：

·页面x_i+1由页面x_i引用，即x_i+1的URL包含于页面x_i中；

·页面x_i+1由会话S中所访问过的除x_i之外的其他页面t_j引用，且t_j和t_i+1的时间差小于设定的会话阈值；

·页面x_i+1没有被会话S中所访问过的页面引用，但前一操作t_i和t_i+1的时间差小于设定的页面阈值。

如果满足上述条件之一，则判定操作o_i+1属于会话S；否则操作o_i+1开启一个新的会话。

4.根据权利要求1或2所述的基于k阶混合马尔可夫模型的Web页面访问预测方法，其特征在于步骤3)中按照预测目标选取和组织日志数据的流程是：首先基于预测目标选定用户并获取会话数据；然后以会话为单位抽取(k+1)元组X＝<x₁，x₂，...，x_k，x_k+1>，每一个(k+1)元组属于同一个会话，包含会话中用户连续访问的一组页面；相邻两个(k+1)元组的访问页面允许部分重叠；最后所有(k+1)元组构成一个数据集合