基于LSTM模型的Web页面访问量预测

文章编号：1007-1423（2019）27-0076-04DOI：10.3969/j.issn.1007-1423.2019.27.017

基于LSTM模型的Web页面访问量预测

林峰，江荔

（福州职业技术学院，福州350108）

摘要：

为了有效预测未来高热度的Web页面，基于循环人工神经网络的理论，通过对Web页面访问量进行最大最小化预处理，形成标准时间序列，并构建含1,169个参数的LSTM网络模型，经过测试，该模型具有收敛性，均方根误差值可达19.45，具有较高的准确性。

关键词：

长短期记忆网络（LSTM）；访问量预测；时间序列

基金项目：

福建省教育厅中青年教师教育科研项目（No.JAT171063）

0引言

互联网用户的激增和上网行为的普及，给网站的正常运维带来了挑战。为了应对用户的高并发访问，负载均衡、缓存技术、分布式存储是IT运维人员常用的技术手段和解决方案。特别是缓存技术的使用，将

Web页面内容存储在专用的缓存服务器内存中，能够提高网页的加载速度，减少磁盘的I/O操作，极大地缓解网站的负载，为用户带来更好的体验。但是缓存服务器的数量和性能是有限的，特别是中小企业的Web 站点，不可能将庞大的Web页面内容完全存储到缓存服务器中。因此如何预测未来高热度的Web页面地址，并将其内容提前存储到缓存服务器中已成为当前研究的热点之一[1-3]。

时间序列分析是用来研究数据随时间变化而变化的一类技术，它的基本出发点是事物的发展具有一定的连续性，会按照本身固有的规律进行，只要规律依赖的条件不产生质的变化，则事物未来的基本发展趋势仍将会有规律的延续下去。Web页面访问量就可采用时间序列分析技术进行预测。时间序列分析常用的算法包括移动平均（MA）、指数平滑（ES）和差分自回归移动平均模型（ARIMA），这些算法基于数理统计，对大数

据量的时间序列预测存在精度不高的问题[4]。LSTM （Long Short Term Memory，长短期记忆网络）是一种循环神经网络，是当前深度学习技术领域中较为热门的算法模型，在语音识别、时间序列、机器翻译等领域具有广泛而成功的应用，对大数据量的时间序列预测有较高的精确度[5-6]。

本文基于循环人工神经网络的理论，通过对Web 页面访问量进行标准化预处理，构造含1,169个参数的长短期记忆网络，经过100轮的训练，长短期记忆网络损失函数可逐步收敛，通过样本集的测试，模型均方根误差（Root Mean Square Error，RMSE）可达19.45，具有较高的准确性，可用于Web页面访问量的预测，结合

Web缓存等技术，对提高网站的整体性能将有显著的成效。

1LSTM网络

循环神经网络（Recurrent Neural Network，RNN）是一类递归神经网络，可处理序列数据，具有记忆性、持续性等特点，能以很高的效率对序列特征进行学习，在机器翻译、语音识别和个性化推荐领域中，有着广泛的应用。LSTM是循环神经网络RNN的一种改进版本，由Hochreiter和Schmidhuber于1997年提出，可解决

传统RNN网络梯度消失、不能有效保留长时间记忆信

息等缺点。LSTM通过输入门（Input Gate）、忘记门

（Forget Gate）、候选门（Candidate Gate）、输出门（Output Gate）等4个相互交互的“门”单元，控制着记忆信息值的修改。

忘记门是较为重要和复杂的门单元，其作用是控

制着要从前面的记忆中丢弃多少信息。以音乐个性化

推荐为例，用户过去的行为操作，对当前的推荐决策有

重要的影响：对于正向操作行为，如用户对某一位歌手

的歌曲特别感兴趣，那么这种正向操作的“记忆”将得到加强；相反对于负向操作行为，如删除、跳过等行为，其对应的信息则会逐渐减弱。忘记门是通过如公式（1）所示的激活函数来实现的：

f

t=sigmoid(W T f×S t-1+U T f×x t+b f)（1）

式中通过将上一隐藏层的输出信息S t-1与当前的输入x t进行线性组合，利用激活函数将函数值进行压缩，得到一个0到1之间的值：当该值越接近于1时，表征记忆体保留的信息越多；当该值越接近于0时，表征记忆体丢弃的信息越多[7-9]。

2基于LSTM模型的Web页面访问预测2.1数据集描述

本文所使用的时间序列数据集，来自互联网标准测试数据集“Web Traffic Time Series Forecasting”，该数据集记录了近145,000篇维基百科页面，从2015年7月1日到2016年12月31日近550天内，每日的访问量情况。数据格式如表1所示。

表1数据集样例

其中，中文维基百科“3C”词条的页面日访问情况如图1所示，可以观测到该访问曲线存在两个高峰值，若能成功预测出现高峰的日期，并提前对该页面内容进行预处理，势必能极大提高网站性能，缓解服务器压力。

图1维基百科某页面日访问情况

2.2数据预处理

页面访问量数据原始值取值范围差异过大，不适合直接用于分析和建模，需要经过标准化预处理。根据本文问题域的特点，采用如公式（2）所示的最大最小标准化方法，经过预处理后的时间序列值的范围在[0,

1]，适合进行统一的建模分析使用。

X=x-min

max-min（2）2.3构建LSTM循环神经网络

数据集经过最大最小标准化预处理后，按时间递进关系，将前70%的数据用做训练集，后30%的数据用做测试集。需要注意的是，与传统有监督学习建模方法不同，训练集和测试集必须严格按照时间排序，不能随机抽选，以避免模型无法学习到正确的时间特征。

经过多次分析测试，本文所构建的LSTM循环神经网络主要由LSTM及DENSE两个层级构成，其中LSTM层共有16个神经元，涉及参数1,152个；DENSE 层共有1个神经元，涉及参数17个，整个神经网络合计参数1,169个。

此外，在LSTM循环神经网络迭代训练过程中，使用的损失函数为均方误差（Mean-Square Error，MSE），优化函数使用标准的Adam函数，整个神经网络具有较高的学习效率及较快的收敛速度。

3实验结果分析

3.1实验环境

本次实验所用计算机设备CPU型号为英特尔Xe⁃on E5-2650，8核心16线程，主频2.2GHz；内存16GB，DDR3代。LSTM网络的构建前端使用Keras

2.2.2，后端使用TensorFlow1.11.0。