马尔可夫预测模型中转移概率矩阵的压缩与应用

摘要

Markov预测模型是Web预取与个性化推荐技术的基础.大量Web对象的存在使得用户浏览转移状态激增,导致预测模型出现了巨大的空间复杂度问题.基于网站链接结构(WLS),针对Markov预测模型中的转移概率矩阵,提出一种基于行相似与列相似的相似度度量方法.首先计算出相似矩阵,然后利用行相似、列相似获得相似页面并压缩在一起,减小了Markov模型中的状态个数.实验表明,该模型具有较好的整体性能和压缩效果,在预取效率方面能够保持较高的预测准确率和查全率.