摘要：传统 Markov 链模型在用户浏览行为预测方面体现出较好的性能，但不能很好的体现出用户的兴趣度和所推荐的页面的重要性，因此本文提出类时齐 Markov 模型。该模型给不同的类别用户单独创建时齐 Markov 模型，并用时齐 Markov 模型的平稳分布表征用户的访问兴趣和页面的重要程度。本文进而提出了基于隐反馈的类时齐 Markov推荐模型，在真实的 WEB 服务器日志数据上的实验证明，类时齐 Markov 模型具有更好的推荐性能。

关键词：web挖掘 类时齐markov模型 平稳分布 用户聚类 个性化推荐 

单位：中南大学信息科学与工程学院/中南大学软件学院; 湖南长沙410075; 湖南财政经济学院网络化系统研究所; 湖南长沙410205