基于马尔可夫链的点击流技术在校园网评估分析中应用.pdfVIP

计算机科学2008V01．35№．4B 基于马尔可夫链的点击流技术在校园网评估分析中的应用 王萍萍戴上平郑世珏单亚静 (华中师范大学计算机科学系 武汉430079) 摘要本文提出了一种通过对点击流分析用户对校园网站最可能的浏览路径的模型，目的是能够更好地评估校园 网的建设情况，并将数据挖掘技术应用于点击流分析，采用马尔可夫链模型，然后通过对点击流串化处理计算点击流 的状态转移矩阵，以期从大量点击流中发现网页的浏览规律，从而为校园网的建设提供技术支持。最后本文还对校园 网的数据进行了试验和分析，仿真结果显示了所建模型的合理性和有效性。 关键词校园网，数据挖掘，点击流，马尔可夫链 1校园网的日志文件中记录了对该网站很长一段时间的访 1 引言 问数据，处理后得到一个称为序列的数据集合。这个数据集 随着数字化校园的迅速发展，校园网内存储了海量的网 合包括用户标识(U_No)，一个用户连接特定网页的日期时间 络信息。为了给访问者提供最大的便利以及有效的管理校园 变量(U_time)和浏览的网页(U』age)。 网的传播及监控问题，我们需了解校园网的宣传是否达到了 表1数据集 预期的效果，用户在接收和使用校园网的时候具有什么样的 U—No U—Time U 特点，而校园网信息存在什么样的规律等，从而优化校园网站 65ee683a6df… 2Nov2007：14：12：03图书馆 的建设。 65ee683a6df-“ 2Nov2007：14：13：25教务处 65ee683a6df” 对于一个网站而言，网站浏览量、点击数、独立IP访问数 2Nov2007：16：07：44首页 65ee683a6df… 等参数是反映这个网站用户访问情况的重要指标。通过分析 2Nov2007：17：11：18计算机科学系 那些访问过的网页的有序数据可以预测访问者对www站 点的访问行为。由于任何时候当一个用户连接到一个站点 3基于马尔可夫链的点击流分析 时，服务器就会在日志文件中记录它的所有操作，这样可以获 马尔可夫过程是一个典型的随机过程。时间离散、状态 得用户使用键盘或鼠标浏览站点时的点击流。因此本文采用 离散的马尔可夫过程称为马尔可夫链。马尔可夫链中，各个 马尔可夫链模型，通过对大量点击流的分析发现网页的浏览 时刻状态的转变由一个转移的概率矩阵控制。 规律和通过较少的计算量发现请求网页的相关性，从而可优 3．1马尔可夫链模型 化Web站点超链接结构。 马尔柯夫链是随机过程中应用最广泛的数学模型之一。 2点击流分析 随机过程是描述随机变化系统的数学模型，最初由俄国著名 数学家A八马尔柯夫提出，后经w．费勒和P-莱维广泛深 所谓点击流是指用户在