P2P网络资源搜索中的用户行为模型

摘要

为了改善P2P网络的搜索性能,提出应用马尔可夫链预测用户兴趣集合的方法.根据用户的历史查询行为,对关键词进行聚类,得到相关的兴趣类;应用马尔可夫链,建立用户行为模型,描述用户兴趣的时序变化;根据极限概率,预测用户达到平稳状态时的兴趣集合;给出根据模型进行预测的方法.实验表明,模型的命中率受查询序列分布的影响较大,增加兴趣集合规模可以提高模型的性能,模型的性能还受到观察长度的影响.当节点表现出明显的兴趣特征时,用户行为模型具有较高的预测准确度.