ایجاد سیستم توصیه گر مبتنی بر فرآیند مارکوف با استفاده از روش های وبکاوی و شبکه عصبی

با توجه به رشد روزافزون صفحات وبی که در دسترس کاربران اینترنت قرار میگیرند، نیاز به سیستمتوصیهگر وب و پیشبینی صفحه بعدی مورد استفاده کاربر، افزایش مییابد. سیستم توصیه گر درموارد مختلفی همانند تجارت الکترونیکی، موتورهای جستجو و ... مورد توجه قرار میگیرد. هر چقدرسیستم توصیه گر بهینه تر باشد، تاخیر دستیابی به وب توسط کاربر به حداقل میرسد. بدین منظور ازفایل ثبت وب برای تحلیل تاریخچه پیمایش و کشف الگوی حرکتی کاربر استفاده می شود. اینتحلیل، وبکاوی کاربرد وب نامیده میشود. رویکردهای وبکاوی کاربرد وب که برای سیستمتوصیه گر به طور معمول به کار گرفته میشوند، عبارتند از قوانین انجمنی، خوشه بندی و مدل هایمارکوف. در این تحقیق روش جدیدی برای پیش بینی صفحه بعدی دستیابی شده توسط کاربر ارایهمی شود. الگوریتم K-means به عنوان یک خوشه بند و شبکه عصبی به عنوان یک الگوریتم دسته بندهمراه با مدل مارکوف پیشنهادی در این تحقیق به کار گرفته شده اند. نتایج تحقیق نشان می دهد روشپیشنهادی، دقت و صحت بالاتری نسبت به روش مورد مقایسه دارد.

کلیدواژه ها:

وب کاوی کاربرد وب ، الگوریتم K-means ، شبکه عصبی ، مدل مارکوف