ارائه ی یک سیستم توصیه گر جدید با استفاده از فرایندهای مارکوف همه مراتب اصلاح شده
محل انتشار: هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 853
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIKT07_171
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
کاوش رفتارهای کاربران در وب، به منظور پیش بینی رفتار بعدی آنها، به عنوان یکی از ابزارهای مهم در حوزه ی وب کاوی شناخته می شود. بهبود فرآیند پیش بینی می تواند موجب کاهش زمان دسترسی کاربران به اطلاعات مورد نیازشان در هنگام پیمایش صفحات وب گردد. مدل های مارکوف به طور گسترده برای مدل سازی و پیش بینی رفتار پیمایشی کاربر استفاده می شوند. این مدل براساس احتمال انتقال بین صفحات وبی که قبلاً در فایل های ثبت وب ذخیره شده اند، عمل می کند. در زمینه ی پیش بینی صفحات وب آنچه که از اهمیت اصلی برخوردار است، صحت پیش بینی می باشد. از این رو، راهکار ارائه شده در این مقاله صحت پیش بینی را نسبت به مدل مارکوف همه مراتب افزایش می دهد. افزون بر این، راه حل ارائه شده در مقایسه با قوانین انجمنی که یکی از روش های استفاده شده در وب کاوی جهت پیش بینی وب می باشند، از صحت پیش بینی بالاتری برخوردار است.
کلیدواژه ها:
نویسندگان
رقیه زارع
کارشناس ارشد نرم افزار، دانشگاه آزاد اسلامی واحد شبستر
علی هارون آبادی
استادیار، استادیار دانشگاه آزاد اسلامی واحد تهران مرکز
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 :