ارایه یک سیستم توصیه گر وب مبتنی بر فیلترگذاری مشارکتی و ویژگی های کاربران

سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,048

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PCCO01_159

تاریخ نمایه سازی: 26 مرداد 1397

چکیده مقاله:

وب، یک ابزار ارتباطی مهم و منبع بازیابی اطلاعات است، که طی یک فرایند آشفته و غیرمتمرکز در حال رشد است. 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 میشود. با شناسایی رفتار کاربران میتوان در مواردی مانند تبلیغات هدفمند، تجارت الکترونیک و موتورهای جستجو، نتایج مطلوبی را به کاربران ارایه داد. در این مقاله یک روش جدید جهت توصیه مبتنی بر الگوریتم فیلترگذاری مشارکتی و ویژگی های کاربران پیشنهاد شده است. روش پیشنهادی دارای دو فاز برون خط و فاز برخط است. در فاز برون خط مجموعه داده گرفته شده و پس از انجام عملیات آماده سازی و پیش پردازش، الگوهای پیمایشی کاربران از آنها استخراج میگردند. جهت استخراج الگوهای پیمایشی کاربران از خوشه بندی K-Means استفاده شده است که معیار شباهت پیشنهادی در داخل خوشه ها جهت توصیه کاربران مناسب مورد استفاده قرار میگیرد. پس از آن نتایج فاز برون خط به موتور توصیه داده میشوند و موتور توصیه با استفاده از معیار شباهت جدید پیشنهاده شده، پیشنهادهای مناسبی را به کاربر جاری ارایه میدهد. سیستم پیشنهادی با استفاده از مجموعه داده ی MovieLens ارزیابی شده است. ارزیابی نتایج حاصل از روش پیشنهادی، بهبود در دقت 5 درصد و فراخوانی 10 درصد نسبت به ترکیب معیارهای MMD+JAC+COS را نشان می دهد

نویسندگان

ابراهیم یارعلی

دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر، موسسه آموزش عالی جهاد دانشگاهی خوزستان، اهواز، ایران

علی هارون آبادی

استادیار، گروه مهندسی کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران