زینب فاضلی پور - دانشجوی کارشناسی ارشد گروه کامپیوتر واحد علوم و تحقیقات خوزستان دانشگاه آزاد اسلامی اهواز ایران
علی هارون آبادی - استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد تهران مرکز تهران ایران

با رشد بسیار سریع اطلاعات در وب واف زایش کاربرانی که روزانه از وب سایت ها بازید می کنند، ارائه اطلاعات متناسب با نیاز کاربرانی که درحال بازدید از یک وب سایت خاص برای یافتن اطلاعات مورد نظرشان هستند، امری حیاتی است. بنابراین، تحلیل رفتار کاوشی کاربران وب وم دل کردن رفتار آنها آن ها اهمیت خاصی پیدا کرده است ل. ذا کشف دانش نهفته در نحوه تعامل کاربران در وب، یکی از ابزارهای مهم در کاربرد کاوی وب است. در این مقاله ب،ا استفاده از مدل های مارکوف سیستمی ارائه می شود که درخواست های آینده کاربران را پیش بینی می کند و توالی از صفحاتمورد نظر کاربران را به آن ها پیشنهاد می دهد ب. دین منظور، پس از خوشه بندی کاربران با علایق مشابه، از مدل های مارکوف برای مدل سازی رفتارهای حرکتی کاربران هر خوشه ب، هره می بریم . سپس با استفاده از علایق کاربران و خوشه های به دست آمده ا،ل گوهای حرکتی کاربران را استخراج نموده و با بکارگیری شبکه عصبی و مدل های م ارکوف لیستی از صفحات را به کاربران ارائه می نماییم ن.ت ایج پیاده سازی نشان می دهد که سیستم پیشنهادی از دقت وف راخوانی بالاتری نسبت به سیستم های مورد مقایسه برخوردار است.

سیستم پیشنهادگر، کاربردکاوی وب، خوشه بندی، مدل های مارکوف، شبکه ی عصبی