ارائه روشی ترکیبی جهت بهینه سازی پاسخ به جستجوهای کاربر با استفاده از تحلیل رفتار پیمایش کاربران مبتنی بر الگوریتم ژنتیک و سیستم فازی

محتوای تولیدشده توسط کاربر با توسعه شبکه های اجتماعی آنلاین با سرعت چشمگیری ایجاد و مصرف می شود. مسئله جستجو کابر پسند یک چالش مهم است و نیاز به یک سیستم پیش بینی لینک های امضا شده است تا در شبکه اجتماعی آنلاین به آن پرداخته شود. از این رو در این پژوهش یک چهارچوب یادگیری انتقالی جدید ارائه می شود که با ترکیب طبقه بند فازی بهبود یافته و الگوریتم ژنتیک به درستی طراحی شده است. روش ارائه شده دارای دو فاز است که فاز اول عملکرد انتخاب ویژگی­های موثر توسط الگوریتم ژنتیک بوده و در گام بعد ویژگی های انتخاب شده در یک طبقه بند قرار گرفته و به انتخاب بهترین پاسخ برای جستجو می پردازد که برای این عمل از سیستم فازی استفاده شده­است. در شبیه سازی تعداد تکرار الگوریتم ژنتیک سی در نظر گرفته شده است و در بخش آخر، روش ارایه شده با سایر روش های طبقه بندی در کارهای همسان از نظر معیارهای مناسب، مورد مقایسه قرار گرفته است. به طوریکه معیار صحت روش پیشنهادی به نسبت سایر روش ها بهبود چشمگیری داشته و با نزدیکترین روش اختلاف ۱۰ درصدی از خود نشان داده­است. در سایر معیارها مانند دقت و فراخوانی نیز روش پیشنهادی بهتر عمل کرده است.

کلیدواژه ها:

بهینه ­سازی ، پاسخ به جستجو کاربر ، انتخاب ویژگی ، الگوریتم ژنتیک ، سیستم فازی