مدل پیش بینی نوین مبتنی بر ویژگی سلسله مراتبی وبسایت

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

مدل پیش بینی نوین مبتنی بر ویژگی سلسله مراتبی وبسایت

عنوان لاتین

A novel prediction model based on hierarchical characteristic of web site

اینترنت به روش سریعی در 10 سال اخیر توسعه یافته است و اطلاعات وبسایت نیز به سرعت در حال افزایش است. پیش بینی رفتار کاربر وبسایت پس از اهدافی مانند افزایش کارآمد سرعت وبگردی، کاهش زمان تاخیر کاربر و همچنین کاهش بارگیری سرور وبسایت به مساله مهمی تبدیل می شود. در این مقاله مدل پیش بینی کارآمدی، مدل پیش بینی دو سطحی، را با استفاده از جنبه نوین مالکیت سلسله مراتبی طبیعی از داده های وبلاگ مطرح می کنیم. مدل پیش بینی دو سطحی می تواند اندازه مجموعه منتخب صفحات وبسایت را کاهش و سرعت پیش بینی با دقت کافی را افزایش دهد. نتایجج آزمایش اثبات می کند که مدل پیش بینی دو سطحی می تواند در سطح بالایی عملکرد پیش بینی را به هنگام افزایش تعداد صفحات وبسایت توسعه دهد.

Internet has developed in a rapid way in the recent 10 years,and the information of web site has also been increasing fast. Predicting web user’s behavior becomes a crucial issue following the purposes like increasing the user’s browsing speed efficiently, decreasing the user’s latency as well as possible and reducing the loading of web server. In this paper, we propose an efficient prediction model, two-level prediction model (TLPM), using a novel aspect of natural hierarchical property from web log data. TLPM can decrease the size of candidate set of web pages and increase the speed of predicting with adequate accuracy. The experiment results prove that TLPM can highly enhance the performance of prediction when the number of web pages is increasing.