● 摘要
互联网时代到来，人们通过网页浏览可以获取到有用信息。在浏览页面的过程中，具有相同兴趣、爱好以及知识背景的用户其浏览行为具有相似性。利用挖掘技术将隐藏在web日志中的用户浏览模式挖掘出来，预测用户行为模式，可以用于调整网站的组织，提高服务性能；发现商业智能，辅助商业决策；提供在线推荐和页面预取；响应个体用户的需求，提供个性化服务。 本文主要研究web日志预处理技术、模糊聚类和Markov过程，其目地是构建Markov页面预测模型，通过对web日志预处理，引入用户浏览时间离散化技术，将模糊用户分类，构建了基于用户分类的Markov预测模型；引入访问路径权重的概念，构建了带有访问倾向权重的Markov预测改进算法。理论和实验证明，这两种算法分别降低了算法时间复杂度和提高了预测精确度。