جواد رجب نیا - دانشجوی کارشناسی ارشد نرم افزار، دانشکده مهندسی، دانشگاه امام ضا (ع)
علی کفاش - دانشجوی کارشناسی ارشد امنیت اطلاعات، دانشکده مهندسی، دانشگاه امام ضا (ع)
مجید وفایی جهان - دکتری تخصصی کامپیوتر- نرم افزار ، دانشکده مهندسی، دانشگاه آزاد اسلامی واحد مشهد (ع)

پیش بینی وب، یک مسئله کلاس بندی است که درآن به دنبال پیش بینی مجموعه صفحات بعدی که کاربر ممکن است ملاقاتکند هستیم، این پیش بینی مبتنی بر آگاهی از، صفحات ملاقات شده قبلی توسط کاربر است. پیش بینی رفتار کاربر می تواند درکاربردهای حیاتی مورد استفاده قرار گیرد، از قبیل کاربردهایی که در آن پیچیدگی و دقت پیش بینی رابطه مستقیمی با یکدیگردارند. در این مقاله ما به تحلیل و مطالعه مدل مارکوف و مدل مارکوف مرتبه بالا می پردازیم. ما یک مدل مارکوف اصلاح شده رابرای کاهش تعداد مسیرها ارائه می دهیم که می تواند با کاهش زمان پیش بینی، پیش بینی را بدون کاهش دقت انجام دهد. علاوهبراین، مدل ارائه شده دقت پیش بینی را در مجموعه داده های بزرگ تا حد مناسبی حفظ میکند. درنهایت به مقایسه مدل اصلاح شده و مدلی مبتنی بر N-gram میپردازیم، آزمایشات ما نشان میدهند که مدل اصلاح شده نسبت به مدل N-gram عملکرد بهتری دارد.

پیش بینی رفتار کاربر، وب کاوی، مدل N-gram، مدل مارکوف، مارکوف مرتبه بالا، مدل مارکوف اصلاح شده