استفاده از روش مارکوف و خوشه بندی جهت بهبود پاسخ ها در موتورهای جستجو

هدف از این تحقیق ارایه یک سیستم توصیه گر برای پیش بینی صفحات وب برای یک کاربر می باشد به گونه ای که صفحه پیش بینی شده با سلیقه کاربر همخوانی مطلوبی داشته باشد. از میان روش های مختلف پیش بینی، مدل مارکوف دقت بالایی دارد. برای بهبود این پیش بینی از خوشه بندی k-means بهبود یافته استفاده شده است. داده های ورودی توسط یک شبکه عصبی به خوشه مناسب ارسال می شوند. در خوشه مربوطه از مدل مارکوف برای پیش بینی صفحه ی مناسب استفاده می شود. از آنجا که مدل مارکوف مرتبه پایین تر دقت پیش بینی و پیچیدگی کم دارد و مدل مراتب بالاتر دقت پیش بینی و پیچیدگی زیاد دارد برای بهبود نتیجه ترکیبی از مراتب مختلف مارکوف به کار گرفته شده است. بررسی ها نشان می دهد دقت و پوشش 2 روش پیشنهادی نسبت به روش ترکیبی مدل مارکوف و قوانین انجمنی به ترتیب، حدود % 4 و % 10 و همچنین نسبت به روش ترکیب خوشه بندی و شبکه عصبی حدود % 12 و % 20 بهبود یافته است.

کلیدواژه ها:

سیستم توصیه گر ، پیش بینی ، خوشه بندی ، مدل مارکوف ، شبکه عصبی