Vorhersage und Analyse des Navigationsverhaltens von Webnutzern

Das Hauptaugenmerk liegt auf dem Problem der Erstellung von Modellen, die das frere Nutzerverhalten darstellen und die in der Lage sind, die wahrscheinlichsten Links vorherzusagen, die ein Nutzer beim Betrachten einer Seite anfordert. WUM wurde speziell f die Durchfrung von Anwendungen durch Analyse der Nutzungsdaten entwickelt. Die Ergebnisse des Grey-Clustering-Algorithmus werden als Input f das Grey Moving Probability Markov Model verwendet, um den n踄hsten Besuch der Nutzer vorherzusagen. Dieser Ansatz modelliert Navigationssitzungen und die Vorhersage des n踄hsten Navigationsschritts unter Verwendung von 鈁ergangswahrscheinlichkeiten mit zwei Sch酹zungsans酹zen. Die Vorhersage ist ein Weg, historische Informationen zu analysieren, um die h鐼hstm鐷liche Wahrscheinlichkeit der n踄hsten Anfrage zu berechnen; das Browsing-Muster, wenn die zukftigen Benutzer und Kunden auf der Website surfen, wird abgeglichen. Es gibt viele webbasierte Vorteile, um die Vorhersage zu implementieren, wie z. B. Website-Personalisierung, strukturierte Website, Business Intelligence usw. Die Transaktionswahrscheinlichkeiten eignen sich besser f die Vorhersage der n踄hsten Anfrage der Nutzer. Im Vorhersagemodell wird eine Markov-Kette variabler L鄚ge verwendet, um die Kategorie des n踄hsten Zustands des Benutzers mit der Transaktionswahrscheinlichkeit vorherzusagen.