سال انتشار: ۱۳۸۷

محل انتشار: دومین کنفرانس داده کاوی ایران

تعداد صفحات: ۱۳

نویسنده(ها):

رعنا فرصتی – دانشکده مهندسی برق، رایانه و فناوری اطلاعات دانشگاه آزاد اسلامی قزو
محمدرضا میبدی – دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر ته

چکیده:

استفاده همزمان از اطلاعات ساختاری و اطلاعات پیمایش کاربران یکی از چال شهای مطرح در بهبود کارایی الگوریت مهای شخصی سازی وب م یباشد. در این مقاله پس از معرفی معیار وزن دهی، الگوریتمی ترکیبی که از اطلاعات پیمایش کاربران و پیوند بین صفحات به منظور پیشنهاد صفحات به کاربران استفاده می کند، ارائه شده است. معیار معرفی شده برای محاسبه وزن صفحات مشاهده شده توسط کاربران از "مدت زمان مشاهده صفحه" و "فرکانس مشاهده صفحه" استفاده می کند که به خوبی میزان اهمیت و علاقه کاربران به آن صفحه را نشان می دهد. الگوریتم ارائه شده دو مشکل اساسی را در شخصی سازی صفحات وب حل می کند. مشکل اول پیشنهاد صفحات جدیدی است
که اخیرا به سایت اضافه شده اند و مشکل دوم کاهش دقت الگوریتمها با افزایش تعداد صفحات پیشنهادی می باشد. در الگوریتم ارائه شده اولین صفحه با استفاده از قوانین انجمنی ورن دار جدید ارائه شده پیشنهاد می شود. سپس این صفحه با استفاده از الگوریتم HITS و صفحاتی که با آن در یک دسته بندی هستند بسط داده می شود تا صفحاتی که اخیرا به سایت اضافه شده اند نیز فرصت حضور در مجموعه صفحات پیشنهادی را داشته باشند. برای دسته بندی صفحات الگوریتمی بر اساس آتاماتای یادگیر و الگوریتم های افراز گراف ارائه شده است. نتایج شبیه سازی الگوریتم در داد ههای واقعی نشان داده است که کارایی الگوریتم پیشنهادی بالا م یباشد و دانش بدست آمده از سیستم مذکور به طور قابل ملاحظه ای کیفیت پیشنهادات را بهبود داده است و مشکلات ذکر شده را در حد قابل توجهی کاهش داده است.