技术特征：
技术总结
本发明涉及一种基于循环神经网络的Web用户访问路径预测方法，本发明以用户的访问路径为研究目标，将循环神经网络引入到路径预测问题之中，研究和设计了进行路径预测的网络模型。在简单循环神经网络的基础上，增加了特征层，并在隐藏层采用长短期记忆(Long‑Short Term Memory，LSTM)单元。该方法能够有效的利用用户会话序列的上下文信息，学习和记忆用户的访问规律，并通过训练数据学习获得良好的模型参数，然后对用户下一步的访问路径进行预测。理论分析和实验结果表明，本发明的路径预测效率较高、预测结果较准确，适用于解决Web用户访问路径预测问题。
技术研发人员：应时;王冰明;杜飘然;杨喆
受保护的技术使用者：武汉大学
技术研发日：2018.01.30
技术公布日：2018.08.14