ارایه یک سیستم توصیه گر جدید در راستای پیش بینی صفحه بعدی کاربر وب با استفاده از ارزش صفحات و مدل مارکوف

وب، بزرگترین و وسیع ترین منبع اطلاعاتی دنیا می باشد که به راحتی قابل دسترس و قابل جستجو است و دارای میلیون ها میلیون سند به هم مرتبط می باشد. با توجه به رشد سریع وب جهانی، تنوع در محتوی و ساختار آن و هم چنین با افزایش کاربران، نظر خیلی از محققان به سمت مسیله مدل کردن و پیش بینی صفحه بازدید شده توسط کاربر سوق داده شده است. شخصی سازی وب راهی برای پیش بینی نیاز های کاربران به منظور بهبود قابلیت استفاده و حفظ کاربران سایت می باشد. تمامی کارهای صورت گرفته در زمینه شخصی سازی وب به منظور افزایش صحت سیستم های توصیه گر انجام شده است. از این رو، در این مقاله یک سیستم توصیه گر جدید مبنی بر کاربردکاوی و علایق کاربران ارایه شده است که با آنالیز فایل ثبت سرور میزان علاقه کاربران به صفحات وب را شناسایی نموده و سپس با استفاده از تکنیک های خوشه بندی و مدل مارکوف به کشف الگوهای ترتیبی می پردازد. آزمایشات نشان دهنده آن است که متد پیشنهادی از صحتی بالغ بر 80 درصد برخوردار است و این به معنای آن است که سیستم توصیه گر توانسته نیازهای آتی کاربران را به خوبی شناسایی کند. همچنین متد پیشنهادی نسبت به الگوریتم مورد مقایسه دارای صحت بالاتری است.

کلیدواژه ها:

وب کاوی ، کاربرد کاوی وب ، شخصی سازی وب ، مدل مارکوف ، ارزش صفحات ، خوشه بندی