مقاله مدل مارکوف ترکیبی برای پیش بینی رفتار پیمایشی کاربر در وب

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدل مارکوف ترکیبی برای پیش بینی رفتار پیمایشی کاربر در وب دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل مارکوف ترکیبی برای پیش بینی رفتار پیمایشی کاربر در وب  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدل مارکوف ترکیبی برای پیش بینی رفتار پیمایشی کاربر در وب،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل مارکوف ترکیبی برای پیش بینی رفتار پیمایشی کاربر در وب :

تعداد صفحات:۱۰

چکیده:

در سالهای اخیر مسئله مدل کردن و پیش بینی رفتار پیمایشی کاربر بر روی سایت های اینترنتی به دلیل رشد سریع وب جهانی توجه بسیاری از محققان را بخود جلب کرده است . مدل های مارکوف بصورت گسترده ای برای بررسی فرایندهای تصادفی مورد استفاده قرار گرفته اند و در زمینه مدل کردن و پیش بینی رفتار پیمایشی کاربر در سایت های اینترنتی کاربردهای فراوانی دارند . مدل های مارکوف با مرتبه پایینتر عموماً دقت کمتری برای پیش بینی رفتار پیمایشی کاربر دارند و بدین دلیل بیشتر از مدل های مارکوف با مرتبه بالاتر استفاده می شود . اما مدل های مارکوف مرتبه بالاتر محدویت هایی نیز دارند از جمله پیچیدگی بالا ( تعداد حالت های زیاد ) ، پوشش کمتر و حتی گاهی دقت پیشبینی پایینتر . یک روش ساده برای غلبه بر برخی از این مشکلات بکارگیری مرتبههای مختلف مدل مارکوف و استفاده از همه آنها در فاز پیشبینی است . اما این روش پیچیدگی را افزایش میدهد . برای حل این مشکل در این مقاله تکنیکی ارائه میشود که مدلهای مارکوف با مرتبههای
متفاوت را به گونهای با هم ترکیب کرده که از پیچیدگی پایینتری برخورداراست و در عین حال پوشش و دقت پیشبینیای که با استفاده از همه مرتبههای مدل مارکوف بدست می آمد را حفظ می کند . در واقع در این تکنیک بسیاری از حالت های متعلق به مرتبههای متفاوت مدل مارکوف بدون تاثیر بر کارایی کلی حذف می شوند . برای هرس کردن حالتها از همه مرتبه های مدل مارکوف از خطای مربوط به هر حالت استفاده شده است . برای تخمین زدن خطای مربوط به هر حالت از یک مجموعه اعتبار سنجی استفاده کرده ایم و یک حالت از مرتبه بالاتر در صورتی هرس می شود که میزان خطای مربوط به آن در مقایسه با میزان خطای حالت های مشابه از مرتبه های پایینتر بیشتر باشد .