随着Internet的飞速发展,Web站点上页面数量与日俱增,Web所包含的信息量也大大增加了.用户面对眼花缭乱的页面往往不知道什么才是他所真正需要的网页,为此,人们开展了为Web用户提供个性化服务的技术研究.个性化服务的一个表现就是能够根据用户以往的行为/活动来预测其将来的行为/活动,一般称之为Web使用挖掘.具体地讲就是,首先为用户的访问模式建立一个模型,然后根据这个模型来预测用户下一次的访问路径,从而给出所推荐的页面.目前Web使用挖掘技术采用的方法主要有:关联规则、聚类分析和序列分析算法.本文考虑序列分析算法中的Markov模型.
　　　　通过对Web日志的挖掘,可以发现用户的浏览模式,从而辅助Web站点设计者改进Web站点的结构,使用户能够更迅速地找到所需要的信息.利用本文所采用的基于路径克隆的Markov模型,采用了以一阶转变Markov模型为起点,在一阶Markov转变概率与m阶Markov转变概率发生分岔时采用路径克隆这种逼近策略提高预测的精度,从效果来看这种策略是有效的。.