ارائه یک سیستم پیشنهاد دهنده برای کاربران جدید با استفاده از اطلاعات بدست آمده از موتورهای جستجوگر

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,382

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_148

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

هدف سیستم های پیشنهاد دهنده وب، پیدا کردن و در اختیار قرار دادن اطلاعات جالب یا خاصی به کاربر است که کاربر می تواند به آنهاعلاقه داشته باشد. در این سیستم ها ارائه پیشنهادات با صحت بالا مخصوصا برای کاربران جدید که تازه به سایت مراجعه کرده اند، به چالش جدی بدل شده است. در این مقاله مدلی پیشنهاد داده شده که از طریق آن میتوان برای کاربران جدید که از موتورهای جستجوگر به سایت ما مراجعه می کنند، پیشنهاداتی ارائه کرد. سیستم پیشنهاد دهنده ارائه شده در ابتدا کلید واژه های سایت را به صورت خودکار استخراج کرده، از روش رفتار کاربران قبلی، ارتباط بین این کلید واژه ها را بدست می آورد و در پایشگاه دانش خود ذخیره می کند. سپس کلید واژه هایی که کاربر جدید با جستجوی آنها به سایت ما هدایت شده استخراج می شود و با مقایسه این کلید واژه های موجود در پایگاه دانش، پیشنهاداتی به کاربر ارائه می گردد. در ابتدا به معرفی مسئله، مفاهیم و تکنینک های موجود می پردازیم. سپس سیستم پیشنهاد دهنده جدید را توضیح داده و با ذکر آزمایش عملکرد آن را ارزیابی می کنیم.

نویسندگان

علی هاشمی

دانشگاه آزاد اسلامی واحد نجف آباد، دانشکده مهندسی کامپیوتر

محمد حسین ندیمی

دانشگاه آزاد اسلامی واحد نجف آباد، دانشکده مهندسی کامپیوتر

محمد نادری دهکردی

دانشگاه آزاد اسلامی واحد نجف آباد، دانشکده مهندسی کامپیوتر

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 :
  • Srivastava, T., P. Desikan, and V. Kumar, Web m ining-concepts, ...
  • Mobasher, B., Data mining for wveb pers onalization. The Adaptive ...
  • Yan, T.W., et al., From _ access patters to dynamic ...
  • Mobasher, B., R. Cooley, and J. Srivastava, Automatic personalization based ...
  • Mobasher, B., et al., Discovery and evaluation of aggregate usage ...
  • Nakagawa, M. and B. Mobasher. A hybrid web personalization model ...
  • Albanese, M., et al. A _ personalization system based on ...
  • Tan, P.N. and V. Kumar. Modeling of web robot navigational ...
  • Bamshad, M., R. Cooley, and J. Srivastava, Data preparation for ...
  • Spiliopoulou, M., et al., A framework for the evaluation of ...
  • Berendt, B., et al. Measuring the accuracy of sessionizers for ...
  • Cavnar, W., Using an n-gram-based document representation with a 1ector ...
  • Liu, H. and V. Keselj, Combined mining of Web server ...
  • Isfalhan Virtul Tourism. Available fro. _ sfabancht.ir. ...
  • Moh, T.S. and N.S. Saxena, Personalizing Web Re commendations Using ...
  • Lewis, D.D. and W.A. Gale. A sequential algorithm for training ...
  • نمایش کامل مراجع