基于流行度的自适应web预测模型

？目前基于局部匹配预测（ppm）模型的研究关注的焦点是在保证预测精度的前提下，尽量缩减ppm的空间占用，但缺乏自适应动态更新机制，难以实现在线预取。针对web访问特点，提出了基于流行度的自适应预测模型。该模型的核心是基于web对象流行度的pappm预取算法，通过模型构造、模型预测和模型更新三个过程实现了动态自适应的web预取。讨论并实现了确定性上下文预测，最优阶估算以及上下文lru替换策略等功能。在web缓存与预取一体化条件下的实验表明，该模型具有较高的性能，适用于在线预取。