2) Navigation prediction
浏览预测
1.
A new model of user navigation prediction based on collaborative filtering,UNCPM,is proposed in this paper.
该模型可以应用在大型电子商务网站的用户浏览预测上。
4) browse behavior
用户浏览行为
1.
This paper,we introduce the personalized recommend system for E-commerce and propose a new recommend system model based on user s browse behavior to mine his interests and gives its flow chart and mining algorithms in detail.
文章介绍了电子商务个性化推荐系统,在此基础上提出了一种基于用户浏览行为进行数据挖掘的个性化推荐系统模型,并给出了详细的挖掘流程及实现算法。
5) user access patterns
用户浏览模式
1.
Thorough researches are made to understand the characteristic of user access patterns by web sequential analysis and clustering analysis.
本文针对用户浏览模式的特点，就用户浏览模式的挖掘和聚类进行了深入的分析和研究，主要工作如下： 提出了基于Frequent Link and Access Tree(FLaAT)的用户浏览模式的挖掘算法，FLaAT存储了所有用户的浏览信息，在搜索用户偏爱模糊路径时考虑到了不同前缀的相同子路径的合并问题，使得挖掘信息更完整。
6) user traversal interest
用户浏览兴趣度
1.
The concept of user traversal interest and the algorithm for mining interesting navigation patterns is proposed.
实验证明该算法是有效的,在用户浏览兴趣度量方面比当前的频繁访问路径挖掘算法更准确。
补充资料：发育进度预测法(见发生期预测)
发育进度预测法(见发生期预测)
发育进度预测法见发生期预测。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条