ارائه یک سیستم توصیه گر برای پیش بینی صفحات مورد نظر کاربر با استفاده از پالایش محتوا محور

با توجه به رشد روز افزون صفحات وب وجود سیستمی که بتواند اطلاعات مورد نیاز کاربران را از میان حجم عظیم داده ها استخراج کند لازم و ضروری به نظر می رسد.برای انجام این کار نیاز به شخصی سازی سیستم موردنظر داریم.یکی از بهترین روش های شخصی سازی صفحات وب استفاده از سیستم توصیه گر وب می باشد.سیستم های توصیه گر یا پیشنهاد دهنده سیستم هایی هستند که با یکسری از روش های داده کاوی و وب کاوی و خصوصیاتی مانند اینکه کاربر در گذشته چه مواردی را جستجو کرده است می تواند که پیشنهادهای مناسبی را به کاربر ارائه دهد.امروزه تکنیک های وب کاوی به طور گسترده برای شخصی سازی وب و ساخت سیستم های توصیه گر به کار گرفته شده اند.در این تحقیق از الگوریتم خوشه بندی K-means برای خوشه بندی اطلاعات استفاده می شود سپس با استفاده از شبکه عصبی mlp برای شناسایی الگوها استفاده می شود سپس با استفاده از یک سیستم توصیه گر مبتنی بر پالایش محتوا محور و با استفاده از پروفایل خود و امتیازهایی که کاربر به آیتم ها می دهد پیشنهاد های مناسبی را بر اساس موارد موجود در پروفایل کاربر به وی پیشنهاد دهد.طی تحقیقات صورت گرفته این سیستم می تواند تا 90 درصدصفحات موردنظر کاربر را پیش بینی کند.

کلیدواژه ها:

سیستم توصیه گر ، پالایش محتوامحور ، خوشه بندی ، وب کاوی ، شبکه عصبی