基于剪枝技術(shù)的PPM預測模型.pdf

1、解決Web訪問延遲問題的主要方案是緩存技術(shù)和預取技術(shù)。雖然緩存技術(shù)在互聯(lián)網(wǎng)上有著非常廣泛的應用，但是隨著WWW上動態(tài)內(nèi)容和個性化服務的比重日益增加，緩存技術(shù)對網(wǎng)絡性能的改善已不再顯著，而預取技術(shù)是緩存技術(shù)的一種有效補充手段，是突破緩存性能上限的最有效的方法，正越來越成為Web加速技術(shù)領(lǐng)域研究的熱點。然而預取技術(shù)在實際應用中必須解決好兩個問題，一是準確預測——決定哪些Web對象值得預??；二是適時預取——根據(jù)系統(tǒng)資源狀態(tài)適時決定實際預取的W

2、eb對象及預取的數(shù)量。本文針對這兩個問題在對Web對象瀏覽特征進行了深入研究的基礎(chǔ)上，提出了一種基于剪枝技術(shù)的自適應PPM預取模型，改進了現(xiàn)有的PPM預測模型和預取算法，從而以相對小的網(wǎng)絡流量增加率獲得相對好的訪問延遲縮減率。由于模型自身的自適應性，些模型可用于在線預取中。 論文首先介紹了Internet和WWW起源、發(fā)展及現(xiàn)狀，提出了互聯(lián)網(wǎng)所面臨的問題及解決方案。然后闡述了預取技術(shù)的基本概念及預取系統(tǒng)的分類與結(jié)構(gòu)，并總結(jié)了現(xiàn)有

3、的預測算法和預取控制策略。 在簡單介紹了現(xiàn)有預測算法和預取控制策略之后，論文重點對Web對象瀏覽特征進行了深入的研究及實驗驗證。Web對象瀏覽特征主要表為用戶對Web對象訪問呈不均勻性，存在某些熱點，即Web對象可分為高頻區(qū)和低頻區(qū)，并且Web對象高頻區(qū)和低頻區(qū)流行度特征分別符合Zipf第一法則和Zipf第二法則；用戶在一個網(wǎng)站中的瀏覽深度是一個隨機變量，它服從逆高斯分布態(tài)分布。對Web瀏覽特征的深入研究，為本文提出的預測模型提

4、供了理論依據(jù)。 基于Web對象瀏覽特征，本文提出了基于剪枝技術(shù)的PPM預測模型。該模型的核心是基于Web對象瀏覽特征的PPM預測模型，這種新的預測模型除繼承了傳統(tǒng)PPM模型簡單易實現(xiàn)的特點外，利用Web流行度特征及描述用戶瀏覽深度特征的逆高斯分布，模型在構(gòu)造過程中對噪聲頁面及過期數(shù)據(jù)進行動態(tài)移除，分別從縱向和橫向上對PPM預測模型規(guī)模進行合理控制。實驗表明該模型較好地動態(tài)預測用戶的Web瀏覽特征，不僅預測準確率和存儲復雜度方面都