CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استخراج الگوی حرکتی کاربران وبگاه با استفاده از تکنیک خوشه بندی و ارائه ساختار ماشین پیشنهاد دهنده

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۵۹۱ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: IIEC05_042
زبان مقاله: فارسی
حجم فایل: ۴۴۲ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله استخراج الگوی حرکتی کاربران وبگاه با استفاده از تکنیک خوشه بندی و ارائه ساختار ماشین پیشنهاد دهنده

  مهدی غضنفری (شناسه پژوهشگر - Researcher ID: ۶۸۶۳)
دانشیار دانشکده صنایع دانشگاه علم و صنعت ایران
    محمد فتحیان (شناسه پژوهشگر - Researcher ID: ۳۱۳۴)
استادیار دانشکده صنایع دانشگاه علم و صنعت ایران
یاسر دشتی -

چکیده مقاله:

مبحث داده کاوی امروزه ی کی از مباحث پرکاربرد در مقوله فناوری اطلاعات محسوب می شود . با توجه به گسترش روزافزون اینترنت و رشد نمایی کاربران و محتویات وب، تحل یل و بررس ی اطلاعات وب از اهمیت ویژه ای برخوردار است . برروی داده های وب تحلیلهای مختلفی قابل انجام است . یکی ازاین تحلیلها بررسی اطلاعات کاربردی وب برای شناسایی بیشتر رفتار کاربران وبگاه است . در این مقاله ما مدلی ساده و کارا برای خوشه بندی بهتر کاربران وبگاه ارائه دادیم . در این مدل، تابع علاقه کاربر به هر صفحه وبگاه را با استفاده از زمـان سـپری شده کاربر در آن صفحه تخم ین می زنیم و از این طریق داده های مجزای زیادی را از فضای نمونه ای حذف می کنیم . در ضمن در انتهای کـار، مـدلی جدیـ د بـرا ی ماشین پیشنهاد دهنده ارائه می دهیم . پیش بینی درخواست بعدی کاربرفعال درسایت، وظیفه ماشین پیشنهاد دهنده است . این مدل بر مبنای بلندترین زیر دنباله مشترک دو جلسه کاربری م ی باشد و در آن مفهوم جدی د شکاف بین زیردنبالـه هـا ارائـه مـی شـود . نتـا یجی کـه از اعمـال مـدل ارائـه شـده بـر وقـای ع نگـار خـادم وب دانـشگاه Saskatchewan . بدست آمد، از سرعت بالاتر و افزایش دقت پیش بینی ماشین پیشنهاد دهنده نسبت به مدلهای مشابه، حکایت می کند

کلیدواژه‌ها:

کاربرد کاوی وب، زیردنباله، جلسه کاربری، خوشه بندی، ماشین پیشنهاد دهنده

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-IIEC05-IIEC05_042.html
کد COI مقاله: IIEC05_042

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
غضنفری, مهدی؛ محمد فتحیان و یاسر دشتی، ۱۳۸۶، استخراج الگوی حرکتی کاربران وبگاه با استفاده از تکنیک خوشه بندی و ارائه ساختار ماشین پیشنهاد دهنده، پنجمین کنفرانس ملی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه علم و صنعت ایران، https://www.civilica.com/Paper-IIEC05-IIEC05_042.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (غضنفری, مهدی؛ محمد فتحیان و یاسر دشتی، ۱۳۸۶)
برای بار دوم به بعد: (غضنفری؛ فتحیان و دشتی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • R.Agrawal and R.Srikant. Mining sequential pattermns, In procedings of the ...
  • U.Fayyad, Piatetsky-Shap iro, Smyth. Advances in Knowledge Discovery andData Mining, ...
  • M.Kantardzic. Data Mining Concepts, Models, Methods, and Algorithms. IEEEPress, Wiley ...
  • J.Han, and M.Kamber, Data Mining: Concepts and Techniques, San Diego: ...
  • B. Berendt, A. Hotho, and G. Stumme. Towards Semuantic Web ...
  • J.Pitkow and P.Pirolli. Mining Repeating SubSequences to Predict World Wide ...
  • O.Etzioni. The World wide wveb: Quagmire or gold mine. Communicat ...
  • E. Keogh, K. Chakrabarti, M. Pazzani, and S. Mehrotra, ...
  • ، 'Dimensionuality redu ction forfast similarity search in large time ...
  • X. Fu, J. Budzik, and K. J. Hammond. Mining Navigation ...
  • H. Daiand B. Mobasher. Using Ontologies to Discover Domain- LevelWeb ...
  • W. Lin, S. A. Alvarez, and C. Ruiz. Efficient Adapti ...
  • B. Mobasher, H. Dai, _ M. Nakagawa T. Luo. Discovery ...
  • B. Mobasher, H. Dai, T. Luo, ad M. Nakagawa. Effective ...
  • Cluto, Online Available at: ...
  • http : //www .Users .cs .umn. edu/karypi s /cluto, 2003. ...
  • B. W. Kernighan and S. Lin. An efficient heuristic procedure ...
  • D.Hirschberg. Algorithms for the Longest Common Subsequence problem, Journal of ...
  • _ D.Bergoth, J.Hakonen and M.Raita. A Survey of Longest _ ...
  • International Conference On knowledge Discovery and Data Mining, Edmonton, Alberta, ...
  • IL.Cadez, S.Gaffiney and P.Smyth. A general probabilistic ...
  • Q.Yang and H.Zhan. Mining Web Logs For prediction models in ...
  • P.Buono, M.Costabile, S.Guida, A.Piccinno and G.Tesoo. Integrating user data and ...
  • J.Srivastava, R.Cooley, M.Deshpande, and N.Tan. Web usage mining: Discovery and ...
  • C.Shahabi, A.Zarkesh and M.Adibi. Knowledge Discovery from users Web-page nuvigation, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۷۷۱۱
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.