74
第五章 第五章 第五章
第五章 結論與建議 結論與建議 結論與建議 結論與建議
一 一 一
一、、、、結論結論結論結論
本研究結合貝氏網路及關聯規則模型,成功的建構出網路使用者動作 路徑之預測模型,此模型不僅可解決目前研究者分析網路使用者動作路徑 的發現,也解決了關聯規則對於使用者行為描述的不足,更能使研究者深 入的了解到使用者行為模式及特徵。本研究之貢獻,於下列五項所示。
(一). 以貝氏機率法則建構出 Data Mining 引擎,並能夠正確的預測出下
一位使用者行為是否找尋到文件;此方法經驗證預測正確率達 93%
以上,可做為未來使用者在網頁探索時,知識行為發現之有效預 測與管理工具。
(二). 研究發現後端資料庫中,行為路徑資料維度建置不足,常造成研
究者在追朔歷史資料上的一個阻礙,本研究提出 M-estimate 的修 正機制,就可克服此問題的產生,並可彌補資料不足所造成的影 響。
(三). 本研究提出問題發現及解決方法資料表,可針對網站系統維護提
出修正模式或具體修正建議,並找出定義不清之屬性,以做為網 站改善及未來在建構專家系統時,可作為系統規則庫建置之依 據,如表 3-8 所示。
(四). 本研究預測模組分為兩階段,可大幅提升研究之效率,也可透過
關連規則之訓練模型,事先的發現網路行為者路徑相關程度大 小,以做為時間上不必要的浪費。
75
二 二 二
二、、、、建議建議建議建議
茲將一些與本研究有關之建議分述如下,以供後續研究者參考:
(一). 資料前處理
在資料前處理之部分為做 Data Mining 研究上所必須要克服之難題,
常常因為資料遺漏值的影響造成模型精確度的下降,不僅僅是資料遺漏值 的處理,在非對稱形資料上的處理也是非常重要的一項環節,若後續研究 者能更加的注意到這幾項問題,應可更加的提升模型的預測精確度。
(二). 專家輔助
貝氏網路是以貝氏統計為基礎,具有相當完備之理論基礎,若能將資 料與專家事前知識相結合,將可使整個網路模型更加完整。