روش های پیش واکشی اسناد وب

روش Prefetching Candidate Mining
در ابزارهای با حافظه کم مانند دستگاه­های موبایل یا PDA مورد استفاده قرار می­گیرد[۱]. درخواست­های کاربر پردازش شده و دنباله درخواست­ها در یک مدل مارکوف ترتیب اول ذخیره می­شود، برای محدود کردن مقدار حافظه مصرفی، دنباله­ها بر­اساس احتمال آن­ها رتبه بندی می­شوند.

روش­های مبتنی برتوابع وزن دار
در این روش­ها علاوه بر الگوهای دسترسی کاربران و احتمال درخواست­ها، هزینه­ها از قبیل ترافیک شبکه، بار سرور، سربار برنامه­ها و مانند اینها نیز در نظر گرفته می­شوند.

توابع پیش­واکشی بر­اساس اندازه صفحات وب
توابع پیش­واکشی بر­اساس اندازه صفحات وب، در تابع پیش­واکشی استفاده شده در [۲] اندازه صفحات وب در نظر گرفته می­شود. صفحات با اندازه بزرگتر شانس کمتری برای پیش واکشی دارند. در­واقع ایده اصلی در­نظر گرفتن هزینه الگوریتم پیش­واکشی است که در صورت پیش­واکشی اشتباه، الگوریتم باعث افزایش زیاد ترافیک در شبکه نگردد.

پیش­بینی با استفاده از مدل انطباق بخشی
پیش­بینی با استفاده از مدل انطباق بخشی(PPM)، از مدل­های مارکوف با ترتیب m جهت ذخیره الگوهای دسترسی کاربران استفاده می­کند. یک مدل مارکوف با ترتیب n شامل دنباله­ای از آخرین n+1 درخواست­های کاربر است. پیش­بینی با مقایسه الگوی دسترسی فعلی با مدل­های مارکوف انجام می­گیرد[۳].

روش­های صرفاً مبتنی ­بر داده ­کاوی
روش­های صرفاً مبتنی­بر داده­کاوی، با داده­کاوی فایل­های log وب، می­توان به الگوهای دسترسی و رفتارهای کاربران در وب دست یافت. در [۴] یک پروکسی سرور مبتنی­بر پیش­بینی ایجاد شده­است که از یک تابع کاوشگر دنباله درخواست­ها و از یک تابع مدیریت بافر مبتنی بر پیش­بینی استفاده می­کند.

Qinghui Liu and SolisiOba. Web prefetching with machine learning algorithms. International Conference on Internet Computing 2008

Wenying Feng and Karan Vij. Machine learning prediction and web access modeling. IEEE 2007.

Zhijie Ban, Zhimin Gu and Yu Jin. An online ppm prediction model for web prefetching . ACM 2007.

Yin-Fu Huang and Jhao-Min Hsu. Mining web logs to improve hit ratios of prefetching and caching , Knowledge-based Systems 2008.