Vorhersage und Analyse des Navigationsverhaltens von Webnutzern - Ch, Bindu Madhuri
91,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Das Hauptaugenmerk liegt auf dem Problem der Erstellung von Modellen, die das frühere Nutzerverhalten darstellen und die in der Lage sind, die wahrscheinlichsten Links vorherzusagen, die ein Nutzer beim Betrachten einer Seite anfordert. WUM wurde speziell für die Durchführung von Anwendungen durch Analyse der Nutzungsdaten entwickelt. Die Ergebnisse des Grey-Clustering-Algorithmus werden als Input für das Grey Moving Probability Markov Model verwendet, um den nächsten Besuch der Nutzer vorherzusagen. Dieser Ansatz modelliert Navigationssitzungen und die Vorhersage des nächsten…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Das Hauptaugenmerk liegt auf dem Problem der Erstellung von Modellen, die das frühere Nutzerverhalten darstellen und die in der Lage sind, die wahrscheinlichsten Links vorherzusagen, die ein Nutzer beim Betrachten einer Seite anfordert. WUM wurde speziell für die Durchführung von Anwendungen durch Analyse der Nutzungsdaten entwickelt. Die Ergebnisse des Grey-Clustering-Algorithmus werden als Input für das Grey Moving Probability Markov Model verwendet, um den nächsten Besuch der Nutzer vorherzusagen. Dieser Ansatz modelliert Navigationssitzungen und die Vorhersage des nächsten Navigationsschritts unter Verwendung von Übergangswahrscheinlichkeiten mit zwei Schätzungsansätzen. Die Vorhersage ist ein Weg, historische Informationen zu analysieren, um die höchstmögliche Wahrscheinlichkeit der nächsten Anfrage zu berechnen; das Browsing-Muster, wenn die zukünftigen Benutzer und Kunden auf der Website surfen, wird abgeglichen. Es gibt viele webbasierte Vorteile, um die Vorhersage zu implementieren, wie z. B. Website-Personalisierung, strukturierte Website, Business Intelligence usw. Die Transaktionswahrscheinlichkeiten eignen sich besser für die Vorhersage der nächsten Anfrage der Nutzer. Im Vorhersagemodell wird eine Markov-Kette variabler Länge verwendet, um die Kategorie des nächsten Zustands des Benutzers mit der Transaktionswahrscheinlichkeit vorherzusagen.
Autorenporträt
Dr. Ch Bindu Madhuri a 17 ans d'expérience dans l'enseignement et la recherche et est membre de l'IEEE. Elle a publié 20 articles de recherche dans diverses revues et conférences internationales/nationales . Elle est membre du comité de rédaction et examinatrice de nombreuses revues internationales. Elle dirige actuellement 8 chercheurs en tant que superviseur/co-superviseur.