مدل کردن رفتار پیمایشی کاربر با استفاده از مدل مارکوف به همراه خوشه بندی دوره های کاربر

در سالهای اخیر مسئله مدل کردن و پیش بینی رفتار پیمایشی کاربر بر روی سایت های اینترنتی به دلیل رشد سریع وب جهانی توجه بسیاری از محققان را بخود جلب کرده است. مدل های مارکوف بصورت گسترده ای در زمینه مدل کردن و پیش بینی رفتار پیمایشی کاربر در سایت های اینترنتی مورد استفاده قرار گرفته اند. مدل های مارکوف با مرتبه بالاتر به دلیل تعداد بالای حالت ها بسیار پیچیده هستند در مقابل مدل های مارکوف با مرتبه پایین تر رفتار کاربر را بدرستی مدل نمی کنند و دقت پایینی دارند. برای حل این مشکل ما از روش مدل مارکوف ترکیبی استفاده کرده ایم که مدل های مارکوف با همه مراتب به شیوهای با هم ترکیب می شوند که از پیچیدگی پایین تری نسبت به همه مراتب مدل مارکوف داراست و در عین حال دقت و پوشش را حفظ می کند. اما رفتارهای متفاوت کاربران بر روی یک سایت این نیاز را ایجاد می کند که کاربران را براساس رفتار پیمایشی آنها تقسیم بندی کرد. بر همین اساس ما ابتدا معیاری برای سنجش شباهت رفتار کاربران در نظر گرفته و جلسه های کاربران را براساس این معیار تقسیم بندی کرده و هر دسته را با استفاده از مدل مارکوف ترکیبی مدل می کنیم. هر جلسه جدید براساس این معیار شباهت به دسته مربوطه منسوب می شود.

کلیدواژه ها:

پیش بینی رفتار کاربر ، کاوش کاربرد وب ، مدل مارکوف ، وب کاوی