شخصی سازی وب با استفاده از روش کاوش قوانین انجمنی با آستانه حمایت تطبیقی

با رشد فزاینده اطلاعات در فضای وب نیاز به روش های موثر برای استخراج دانش پنهان و ارائه تجربه ای شخصی سازی شده برای کاربران بیش از پیش احساس می شود. در این مقاله روشی جدید برای شخصی سازی وب مبتنی بر کاوش قوانین انجمنی با آستانه حمایت تطبیقی ارائه شده است. برخلاف روش های کلاسیک که از آستانه حمایت ثابتی استفاده می کنند و بسیاری از الگوهای بالقوه را نادیده می گیرند، روش پیشنهادی امکان شناسایی آیتم هایی با حمایت پایین ولی معنادار را فراهم می سازد. این روش با ساختاردهی تراکنش های کاربر در قالب یک گراف شبکه ای و پیاده سازی قوانین انجمنی در سطوح مختلف آیتم های پرتکرار دقت بالاتری در شناسایی الگوهای رفتاری کاربران دارد. به منظور ارزیابی عملکرد داده های واقعی از مجموعه داده استاندارد MSN در مخزن UCI استفاده شده و نتایج نشان می دهند که روش پیشنهادی نسبت به الگوریتم های سنتی مانند Apriori از دقت بالاتر و نرخ خطای کمتری برخوردار است. این رویکرد می تواند در طراحی سیستم های توصیه گر هوشمند مبتنی بر وب مورد استفاده قرار گیرد.

کلیدواژه ها:

کاوش قوانین انجمنی ، آستانه حمایت تطبیقی ، شخصی سازی ، وب ، سیستم توصیه گر ، رویکرد شبکه ای ، داده کاوی وب