Ulteriori informazioni
Si concentra principalmente sul problema della costruzione di modelli per rappresentare il comportamento passato degli utenti, in grado di prevedere i collegamenti più probabili che un utente richiederà durante la visualizzazione di una pagina. WUM è stato progettato specificamente per realizzare applicazioni analizzando i dati di utilizzo. I risultati dell'algoritmo di clustering grigio vengono utilizzati come input per il modello di Markov a probabilità mobile grigio per prevedere la visita successiva degli utenti. Questo approccio modella le sessioni di navigazione e prevede la fase di navigazione successiva utilizzando le probabilità di transizione con due approcci di stima. La previsione è un modo di analizzare le informazioni storiche per calcolare la probabilità più probabile della prossima richiesta; il modello di navigazione quando i futuri utenti e clienti navigano sul sito web viene abbinato. I vantaggi dell'implementazione della previsione sul web sono molteplici, come la personalizzazione del sito web, la strutturazione di un sito web appropriato, la business intelligence, ecc. Le probabilità di transazione sono più adatte a prevedere le prossime richieste degli utenti. Nel modello di previsione, la Variable Length Markov Chain (catena di Markov di lunghezza variabile) viene utilizzata per prevedere la categoria dello stato successivo degli utenti con la probabilità di transazione.
Info autore
Dr. Ch Bindu Madhuri a 17 ans d'expérience dans l'enseignement et la recherche et est membre de l'IEEE. Elle a publié 20 articles de recherche dans diverses revues et conférences internationales/nationales . Elle est membre du comité de rédaction et examinatrice de nombreuses revues internationales. Elle dirige actuellement 8 chercheurs en tant que superviseur/co-superviseur.
