ارائه یک سیستم توصیه گر جهت کاوش در وب با استفاده از الگوریتمشبکه عصبی- فازی
محل انتشار: دومین همایش ملی کامپیوتر
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,438
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCOS02_022
تاریخ نمایه سازی: 5 مهر 1393
چکیده مقاله:
وب کاوی بهره گیری از ابزارهای داده کاوی جهت کشف دانش از منابع مختلف در حوزه وب است و با توجه به نوع منبع مورد کاوش، به زمینه های مختلف تحقیقاتی دسته بندی میشود. کاوش رفتارهای کاربران در وب، به عنوان روشی جهت کشف دانش نهفته در نحوه تعامل کاربران با وب، یکی از ابزارهای مهم در حوزه کاوش در وب شناخته می شود. با شناس ایی رفتار کاربران می توا ن در مواردی مانند تبلیغات هدفمند، تجارت الکترونیک و موتورهای جستجو، نتایج مطلوبی را به کاربران ارائه داد. در این مقاله با شناسایی رفتار کاربران و استفاده از تکنیک های عصبی و فازی، سیستمی را ارائه می نماییم که علایق کاربران را پیش بینی خواه کرد و به آن ها لیستی از صفحات را پیشنهاد می دهد که علاقه به مشاهده آن ها خواهند داشت. به این منظور از روش خوشه بند ی فازی بهره می بریم. از آنجایی که کاربران علایق متفاوتی دارند و ممکن است کاربری در طول نشست خود چندین علاقه را دنبال کند، نشست وی ممکن است به چندین خوشه تعلق داشته باشد و خوشه بندی فازی، امکان همپوشانی خوشه ها را فراهم م یکند .سپس با استفاده از قوانین فازی استخراج شده، الگوی حرکتی کاربران را ساخته و با استفاده از شبکه عصبی لیستی از صفحات پیشنهادی را به کاربر ارائه می دهیم. نتایج نشان می دهد الگوریتم ارائه شده دقت وفراخوانی بالاتری نسبت به سایر الگور یتم ها دارد.
کلیدواژه ها:
نویسندگان
مارال کلاه کج
دانشجوی کارشناسی ارشد، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات خوزستان، اهواز، ایران
علی هارون آبادی
عضو هیات علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران
مهدی صادق زاده
عضو هیات علمی، گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ماهشهر، ماهشهر، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :