融合知识图谱关联检索的Web用户访问行为预测
WEB User Access Behavior Prediction for Fusion of Knowledge Map Association Retrieval作者机构:山东交通学院信息科学与电气工程学院山东济南250357
出 版 物:《计算机仿真》 (Computer Simulation)
年 卷 期:2023年第40卷第10期
页 面:496-500页
学科分类:08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
主 题:用户访问行为 数据清洗 特征提取 知识图谱 聚类算法
摘 要:挖掘网络用户在线行为规律、深入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。