[发明专利]一种缓存预取的方法和系统

权利要求书

1.一种缓存预取的方法，其特征在于，该方法的步骤包括：

根据用户访问序列的聚簇构建预测模型；

利用预测模型对当前输入的用户路径进行比对，预测该用户即将访问的下一个Web页面。

2.根据权利要求1所述的方法，其特征在于，所述根据用户访问序列的聚簇构建预测模型的步骤包括：

利用分布模型和划分规则对用户的贡献度进行分级；

对等级最低的多个用户的访问序列进行两两比较，获得序列之间的距离度量值，并根据距离度量值确定序列之间的相似度；

利用无监督的K-Means方法将序列聚类，获得每个聚簇的中心；

将多个聚簇中心序列作为代表组成预测模型。

3.根据权利要求1所述的方法，其特征在于，所述分布模型为：F(r)＝D/r^α，其中，D为常数，r代表d的排列位次，d每个用户均获得一个代表其访问情况的值，F(r)则是排列位次是第r个的用户发出请求的频度，

所述划分规则为：

其中，P(r)＝Cr-α，P(r)＝C/r^α表示用户r发出请求的概率，α的值为拟合Zipf-like曲线获得的数值，C为归一化常数。

4.根据权利要求3所述的方法，其特征在于，所述利用无监督的K-Means方法将序列聚类，获得每个聚簇的中心的步骤包括：

选择数据集中排列位次为前k位的用户发出的会话中请求次数最多的序列作为初始k个聚簇中心；

将其余序列与中心进行相似度计算，划分到距离最近的聚簇中，并利用迭代的爬山算法，不断寻找新的聚簇中心；

直至聚簇基本不再变化或达到设定的迭代次数阈值，每个聚簇的中心即是该聚簇的代表。

5.根据权利要求4所述的方法，其特征在于，所述将多个聚簇中心序列作为代表组成预测模型的步骤包括：

先将数据集里的请求序列进行随机分区，在每个分区内分别进行聚类.通过分区聚类，可以将数据缩小相应的倍数，将选出的聚簇中心序列作为代表组成预测模型。

6.一种缓存预取的系统，其特征在于，该系统包括：

建模单元，根据用户访问序列的聚簇构建预测模型；

预测单元，利用预测模型对当前输入的用户路径进行比对，预测该用户即将访问的下一个Web页面。

7.根据权利要求6所述的系统，其特征在于，所述建模单元包括：

分级模块，利用分布模型和划分规则对用户的贡献度进行分级；

比较模块，对等级最低的多个用户的访问序列进行两两比较，获得序列之间的距离度量值，并根据距离度量值确定序列之间的相似度；

聚类模块，利用无监督的K-Means方法将序列聚类，获得每个聚簇的中心；

组建模块，将多个聚簇中心序列作为代表组成预测模型。

8.根据权利要求7所述的系统，其特征在于，所述分布模型为：F(r)＝D/r^α，其中，D为常数，r代表d的排列位次，d每个用户均获得一个代表其访问情况的值，F(r)则是排列位次是第r个的用户发出请求的频度，

所述划分规则为：

其中，P(r)＝Cr-α，P(r)＝C/r^α表示用户r发出请求的概率，α的值为拟合Zipf-like曲线获得的数值，C为归一化常数。

9.根据权利要求7所述的系统，其特征在于，所述聚类模块具体执行如下步骤：

选择数据集中排列位次为前k位的用户发出的会话中请求次数最多的序列作为初始k个聚簇中心；

将其余序列与中心进行相似度计算，划分到距离最近的聚簇中，并利用迭代的爬山算法，不断寻找新的聚簇中心；

直至聚簇基本不再变化或达到设定的迭代次数阈值，每个聚簇的中心即是该聚簇的代表。

10.根据权利要求7所述的系统，其特征在于，所述组建模块具体执行如下步骤：

先将数据集里的请求序列进行随机分区，在每个分区内分别进行聚类.通过分区聚类，可以将数据缩小相应的倍数，将选出的聚簇中心序列作为代表组成预测模型。