دسته بندی صفحات وب بااستفاده ازمدلسازی رفتاری کاربران

درزمینه دسته بندی اسنادوب رویکردهای مختلفی ارایه شده است اما موضوع اصلی دربین مدلهای ارایه شده میتوان به پایین بودن دقت دسته بندی و انعطاف پایین مدلهای ارایه شده درزمینه دسته بندی اسناد وب اشاره نمود دراین مقاله می خواهیم با استفاده ازمدل کردن رفتارکاربر به کمک الگوریتم کلونی مورچه ها کاربران را دردسته های هم علاقه مندی قرارمیدهیم و سپس صفحات وب را دراین دسته های هم علاقه مندی دسته بندی می کنیم دراین مقاله با فرض براینکه اگرکاربران تعدادی ازصفحات وب را پی درپی مرور کنند انگاه این صفحات مشابه به هم بوده ودریک دسته قرارمیگیرند استفاده می کنیم دراین روش بااستفاده ازالگوریتم کلونی مورچه ها برای تحلیل رفتارپیمایش کاربران و محاسبه میزان فرومون بین صفحات که به صورت یالهای ارتباطی بین صفحات درنظر گرفته شدها ست صفحات برچسب گروه های هم علاقه مندی کاربران را میخورند ازنتایج این تحقیق میتوان درسیستم های پیشنهاد کننده و دسته بندی اسناد مبتنی بررفتارکاربران و یا کلاستربندی اسناد استفاده نمود نتایج حاصل ازاین روش برروی مجموعه داده های ثبت وقایع به دقت 91/666درصد رسیدیم که به علت اینکه روش پیشنهادی مستقل ازمتن می باشد دقت نسبتا خوبی است

کلیدواژه ها:

الگوریتم کلونی مورچگان ، بازیابی اطلاعات ، دسته بندی صفحات وب ، کاربردکاوی وب ، وب کاوی