کاوش الگوهای ناوبری از داده های وب با استفاده از وب کاوی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 619

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMCONF01_786

تاریخ نمایه سازی: 8 آذر 1394

چکیده مقاله:

با رشد روز افزون کاربران اینترنتی، تجزیه و تحلیل رفتار آنلاین کاربرانی که از وب سایت ها بازدید می کنند، به امری ضروری برای شناسایی علایق و خواسته های آنها، به منظور برآورده ساختن نیازهایشان تبدیل شده است. داده های موجوددر وب مربوط به رفتار ناوبری کاربران با گذشت زمان و هر روز در حال افزایش است، در نتیجه استخراج هوشمندانه اطلاعات از آن به یک مسئله مهم و اساسی تبدیل شده است. پیش بینی های انجام شده برای درخواست آینده کاربران،هنوز رضایت کاربران را بخصوص در وب سایت های بزرگ جلب نکرده است و از طرفی کیفیت توصیه های ارائه شده بهکاربران به کیفیت الگوهای ناوبری بدست آمده بسیار وابسته است. در این مقاله بعد از مرور روش های کاوش وب، روندی ارائه شده است که به منظور شناسایی بهتر رفتار کاربران در وب به کاوش الگوهای ناوبری از داده های بجای مانده ازکاربران وب سایت می پردازد. اساس این رویکرد بر اساس وب کاوی کاربرد وب (WUM) است. برای بدست آوردن الگوهای ناوبری کاربران از میان روش های مختلف، از روش خوشه بندی صفحات مربوط به وب سایت استفاده شده است. از این نتایج می توان برای کاربردهای آنلاین نظیر پیش بینی رفتار آینده کاربر در وب سایت استفاده نمود

کلیدواژه ها:

وب کاوی کاربرد وب ، الگوی ناوبری کاربر ، خوشه بندی

نویسندگان

فرزانه مالکی

کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه شیراز

ستار هاشمی

دانشیار بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشگاه شیراز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Liu, B. (2011), _ Data Mining: Exploring Hyperlinks, Contents, and ...
  • nd ed. Springer Heidelberg Dordrecht London New York. ...
  • Jian, L. and Yan-Qing, W. (2011), _ Log Data Mining ...
  • Chitraa, V. and Davamani, A.S. (2010), _ Survey _ Preprocessing ...
  • Sujatha, V. and Punithavalli (2012), "Improved User Navigation Pattern Prediction ...
  • Yele, S., Kumar, B., Namdev, N., Birla, D. and Patidar, ...
  • Xu, J.H. and Liu, H. (2010), _ User Clustering Analysis ...
  • Poongothai, K., Parimala, M. and Sathiyabama, S. (2011), "Efficient Wep ...
  • Khanchana, R. and Punithavalli, M. (2011), _ Usage Mining for ...
  • Muzumdar, K., Mante, R. and Chatur, P. (2013), "Neural Network ...
  • Jafari, M., SoleymaniS abzchi, F. and Jamali, Sh. (2013), "Extracting ...
  • Ivancsy, R. and Kovacs, F. (2006), "Clustering Techniques Utilized in ...
  • Lalithadevi, B., Ida, A.M. and Breen, W.A. (2013), _ Approach ...
  • Patternء 13. Nina, S. P., Rahaman, M., Bhuiyan, K. I. ...
  • Dehuri, S. (2013), "Intelligent Techniques in Rec ommendation Systems: Contextual ...
  • نمایش کامل مراجع