Short Time Series of Website Visits Prediction by RBF Neural Networks and Support Vector Machine Regression

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25410%2F12%3A39894570" target="_blank" >RIV/00216275:25410/12:39894570 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-642-29347-4_16" target="_blank" >http://dx.doi.org/10.1007/978-3-642-29347-4_16</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-642-29347-4_16" target="_blank" >10.1007/978-3-642-29347-4_16</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Short Time Series of Website Visits Prediction by RBF Neural Networks and Support Vector Machine Regression

Popis výsledku v původním jazyce

The paper presents basic notions of web mining, radial basis function (RBF) neural networks and epsilon-insensitive support vector machine regression (epsilon-SVR) for the prediction of a short time series (website of the University of Pardubice, Czech Republic). There are various short time series according to different visitors or interest of visitors (students, employees, documents). Further, a model (including RBF neural networks and epsilon-SVRs) was developed for short time series prediction. Themodel includes decomposition of data to training and testing data set using the cluster procedure. The next part of the paper describes the predictions of the web domain visits, which depend on this model, as well as outlines an analysis of the results.

Název v anglickém jazyce

Short Time Series of Website Visits Prediction by RBF Neural Networks and Support Vector Machine Regression

Popis výsledku anglicky

The paper presents basic notions of web mining, radial basis function (RBF) neural networks and epsilon-insensitive support vector machine regression (epsilon-SVR) for the prediction of a short time series (website of the University of Pardubice, Czech Republic). There are various short time series according to different visitors or interest of visitors (students, employees, documents). Further, a model (including RBF neural networks and epsilon-SVRs) was developed for short time series prediction. Themodel includes decomposition of data to training and testing data set using the cluster procedure. The next part of the paper describes the predictions of the web domain visits, which depend on this model, as well as outlines an analysis of the results.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Artificial Intelligence and Soft Computing

ISBN

978-3-642-29346-7

ISSN

0302-9743

e-ISSN

—

Počet stran výsledku

8

Strana od-do

135-142

Název nakladatele

Springer

Místo vydání

Berlin

Místo konání akce

Zakopane

Datum konání akce

29. 4. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—