第7章用户行为特征及缓存的应用.pptVIP

第七章用户行为特征及缓存的应用;研究用户行为特征的目的;主要内容;主要内容;用户查询与点击日志;用户查询与点击日志;用户查询与点击日志;主要内容;用户行为特征的统计分析;用户行为特征的统计分析;用户行为特征的统计分析;查询词分布函数及其拟合函数;雷同查询词的衰减统计 将序列S1进行分组（用户的查询词序列） 每1000个一组 T1表示A1中不同的查询项组成的集合，然后计算后面各组的查询项中有多少个查询项出现在T1中;雷同查询词的衰减;相邻N项查询的偏差分析 将用户查询每1000项分为一组 对于相邻的两组A和B 假设A组中出现的不同的用户查询是 其中，前k项是A组和B组共有的，后n项是A中但B中没有的 同理，B组中出现的不同的用户查询是;A和B中的这些不同的查询项构成一个向量空间 假设， 为某查询词qi在A中出现的次数，则可得到A组的特征向量 同样，可得到B组的特征向量;计算上两种特征向量的差平方和;用户在输出结果中的翻页情况统计表 统计相同页号的页面点击次数占总点击此书的百分比 假设系统能够提供n个显示页面 实际系统中，n=2000，每页包括10个网页信息 显示页面：{P1,……Pn} 对应的点击数：{C1,……Cn};计算其点击次数占总点击此书的百分比;用户翻页情况统计;用户点击URL的分布情况 假设用户点击的URL序列为 其中，这n个点击中有m个是不同的，按其被点击次数进行降序排列，得到序列 与S2对应的点击次数序列 ;计算S2中前某个百分比的URL其对应点击次数占总点击次数的比率Y;主要内容;查询缓存的使用;假设 缓存中命中一个用户查询需要的延迟是Tm 磁盘文件中查找一个用户查询需要的时间是Td 缓存命中率是p 引入缓存后，用户查询的平均响应时间变为未使用缓存的σ倍 访问一次硬盘的时间大约是访问一次内存的几十倍 σ~1-p;用户雷同查询项的统计分析表明 用户查询有一定的稳定性 放在缓存中的查询信息及其结果不仅在很短的时间内才有效，可能经过一段时间后还被用户查询;相邻N项查询项的统计分析表明 相邻N项查询项的查询频率偏差很小而且非常稳定 缓存替换过程不会因为用户查询短期内的变化而产生颠簸现象;对用户在输出结果中翻页情况的统计分析表明 用户通常只浏览前几页的内容，说明了对输出结果进行排序的重要性 一个URL被很多用户点击，表明该URL相对重要，提高其权值 不是在硬盘中修改的 使用热点击缓存，将用户点击过的URL放在里面，若再次被点击，在内存中进行修改;缓存替换策略的研究 FIFO（first in first out） LRU（least recently used） 替换最近最少使用的对象 LFU（least frequently used） 替换缓存中最少被引用的对象;FIFO、LRU和LFU的缓存命中率比较;3种替换策略的局部比较;衰减因子 每次发生替换时，用某个衰减因子去衰减原来的查询次数并累加新的查询次数;主要内容;用户行为与Web信息的分布特征;海量Web信息的特征分析 URL序列：U1, U2, ……, U1000000 对应的用户点击次数为： V1, V2, ……, V1000000 对应的网页入度为： H1, H2, ……, H1000000 网页镜像度为： C1, C2, ……, C1000000 URL目录深度： D1, D2, ……, D1000000;网页的被访问次数;用户点击URL对应网页的入度;用户点击URL对应网页的镜像度;用户点击URL对应网页的目录深度;网页参数