بهبود عملکرد پیش بینی صفحات وب با استفاده از خوشه بندی مبتنی بر الگوریتم گرده افشانی گل ها و زنجیره مارکوف

در سال های اخیر رشد وب بیش از انتظارات بوده است. امروز چندین میلیارد سند، زبان نشانه گذاری ابرمتن، تصاویر و دیگر فایل های چندرسانه ای از طریق اینترنت در دسترس همگان قرارگرفته و این تعداد در حال افزایش می باشند. رفتارهای کاربران در وب، به منظور پیشبینی رفتار بعدی آنها، به عنوان یکی از ابزارهای مهم در حوزه ی وب کاوی شناخته می شود .در بیان اهمیت موضوع گفتن همین نکته بس که پیمایش کردن کارا در میان مستندات وب، به دلیل رشد عظیم تعداد مستندات در شبکه گسترده جهانی، نشدنی شده است. بهبود فرآیند پیش بینی می تواند موجب کاهش زمان دسترسی کاربران به اطلاعات مورد نیازشان در هنگام پیمایش صفحات وب گردد. مدل های مارکوف به طور گسترده برای مدلسازی و پیشبینی رفتار پیمایشی کاربر استفاده می شوند. این مدل براساس احتمال انتقال بین صفحات وبی که قبلا در فایلهای ثبت وب ذخیره شده اند، عمل می کند. در این مقاله از ترکیب مدل مارکوف همه مراتب و خوشه بندی مبتنی بر الگوریتم گرده افشانی گل ها برای پیش بینی صفحه بعدی کاربر استفاده شده است. برای بهبود الگوریتم گل ها تغییراتی در آن ایجاد شده، که نه تنها سرعت همگرایی بلکه دقت آن را در خوشه بندی نیز افزایش داده است. در زمینه ی پیشبینی صفحات وب آنچه که از اهمیت اصلی برخوردار می باشد، صحت پیشبینی است. نتایج پیاده سازی بیانگر بهبود پیشبینی ها نسبت به مدل مارکوف است.

کلیدواژه ها:

الگوریتم گرده افشانی گل ها ، زنجیره مارکوف ، خوشه بندی ، پیش بینی صفحات وب