融合知识图谱关联检索的Web用户访问行为预测.pdfVIP

第40卷第10期算机仿真2023年10月

文章编号：1006-9348（2023）10-0496-05

融合知识图谱关联检索的Web用户访问行为预测

赵慧

（山东交通学院信息科学与电气工程学院，山东济南250357）

摘要：挖掘网络用户在线行为规律、深人分析和预测访问行为信息能够提升网络安全、资源推荐精度。虽然用户访问存在一

定规律性，但是随机性也是较为显著的特征，且考虑到访问数据的不完整性和错误概率，Web用户访问行为预测具有较大

难度。为此，提出融合知识图谱关联检索的Web用户访问行为预测方法。挖掘存储于Web服务器中的用户访问行为数据，

并剔除合集中不完整数据、错误数据和重复数据，提取用户访问行为数据特征。将数据特征与知识图谱结合，建立基于Web

用户访问行为的融合知识图谱关键检索矩阵。利用DBSCAN聚类算法获取矩阵聚类结果，实现用户访问行为预测。实验

结果表明，通过对比不同方法预测的节点链路与实际节点链路可知，所提方法的预测精确度更高，且耗时为0.97ms，说明该

方法应用精度高、速度快。

关键词：用户访问行为；数据清洗；特征提取；知识图谱；聚类算法

中图分类号：TP309文献标识码：B

WEBUserAccessBehaviorPredictionforFusion

ofKnowledgeMapAssociationRetrieval

ZHAOHui

(SchoolofInformationScienceandElectricalEngineering,ShandongJiaoTongUniversity

,JinanShandong,250357,China)

ABSTRACT:Miningonlineuserbehaviorpatterns,in-depthanalysisandprefdictionofaccessbehaviorinformation

canimprovenetworksecurityandresourcerecommendationaccuracy.Althoughthereissomeregularityinuserac-

cess,randomnessisalsoasignificantfeature.Consideringtheincompletenessanderrorprobabilityofaccessdata,itis

difficulttopredictwebuseraccessbehavior.Tothisend,awebuseraccessbehaviorpredictionmethodbasedon

knowledgeatlasandassociatedretrievalisproposed.Miningtheuseraccessbehaviordatastoredinthewebserver,

andremovingtheincompletedata,errordataandduplicatedatainthecollectiontoextracttheuseraccessbehavior

datafeatures.Combiningdatafeatureswithknowledgeatlas,akeyretrievalmatrixoffusedknowledgeatlasbasedon

Webuseraccessbehavi