پینو: یک سامانه توصیه گر با استفاده از کاوش در سیاهه های وب

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 407

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TJEE-48-2_026

تاریخ نمایه سازی: 17 تیر 1398

چکیده مقاله:

سامانه های توصیه گر در وبگاه ها شخصی سازی وب را به صورت هوشمند و برخط با ارائه پیشنهادهایی به کاربران انجام می دهند. این سامانه ها را می توان با مدل سازی شیوه های دسترسی کاربران با استفاده از کاوش در سیاهه های وب ایجاد نمود. به بیانی دیگر می توان الگوهای دسترسی کاربران را با روش های داده کاوی از سیاهه های وب استخراج کرد؛ سپس به کاربران بر پایه این الگوها پیشنهاد داد. سامانه های توصیه گر گوناگونی مبتنی بر کاوش در سیاهه های وب ایجاد شده اند اما هنوز بهبود کارایی و پیچیدگی آن ها موضوعی چالش برانگیز است. در این مقاله، سامانه توصیه گری بنام پینو مبتنی بر کاوش در سیاهه های وب به همراه رویکرد جدیدی برای استخراج الگوهای دسترسی در آن ارائه شده است. در این رویکرد ابتدا شیوه های دسترسی کاربران با گرافی جهت دار و وزن دار مدل می شوند. صفحات، راس های این گراف و یال ها نشان دهنده ارتباط بین آن ها بر اساس تکرارهای با هم صفحات هستند. وزن یال ها بر اساس معکوس احتمال شرطی مشاهده صفحات با در نظر گرفتن ترتیب آن ها محاسبه می شود سپس صفحات با بخش بندی گراف شیوه های دسترسی کاربران بر پایه کوتاه ترین مسیرها خوشه بندی می شوند. پیشنهاددهی بر پایه این الگوها با پیچیدگی زمانی ثابت و سازگار با فراموش کاری پروتکل HTTP انجام می گیرد. سامانه پینو بر روی سیاهه های یک سرور مورد ارزیابی قرار گرفته است. اثربخشی پیشنهاددهی با معیارهای قابلیت پیشنهاددهی، پیشنهادهای درست، دقت و پوشش ارزیابی شده است. نتایج ارزیابی نشان دهنده توانایی سامانه پینو در بهبود کیفیت پیشنهادها است به گونه ای که میانگین همساز بین این معیارها در سامانه پینو به 57% رسیده که نسبت به سامانه های پیشین 12% بهبود یافته است.

کلیدواژه ها:

سامانه توصیه گر ، کاوش در سیاهه های وب ، استخراج الگوهای دسترسی ، کوتاه ترین مسیرها در گراف

نویسندگان

محمدرضا عباس نژاد

دانشگاه یزد - گروه مهندسی کامپیوتر

امیر جهانگرد رفسنجانی

دانشگاه یزد - گروه مهندسی کامپیوتر

محمدرضا پژوهان

دانشگاه یزد - گروه مهندسی کامپیوتر

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 :
  • سیامک عبداله زاده،  محمدعلی بالافر و لیلی محمدخانی، استفاده از ... [مقاله ژورنالی]
  • جواد حمیدزاده و مریم صادق زاده، فیلترکننده مشارکتی فازی ناهموار ... [مقاله ژورنالی]
  • B. Mobasher, R. Cooley, and J. Srivastava, Automatic Personalization Based ...
  • J. Srivastava, R. Cooley, M. Deshpande, and P.-N. Tan, Web ...
  • R. Cooley, B. Mobasher, and J. Srivastava, Data Preparation for ...
  • T. W. Yan, M. Jacobsen, H. Garcia-Molina, and U. Dayal, ...
  • J. A. Hartigan, Clustering Algorithms, 99th ed. New York, NY, ...
  • R. C. Agarwal, C. C. Aggarwal, and V. V. V ...
  • E.-H. Han, G. Karypis, V. Kumar, and B. Mobasher, Clustering ...
  • B. Mobasher, R. Cooley, and J. Srivastava, Creating adaptive Web ...
  • M. Perkowitz and O. Etzioni, Towards adaptive Web sites: Conceptual ...
  • C. Shahabi, F. Banaei-Kashani, Y.-S. Chen, and D. McLeod, Yoda: ...
  • C. Shahabi, F. Banaei-Kashani, J. Faruque, and A. Faisal, Feature ...
  • M. Nakagawa and B. Mobasher, A hybrid web personalization model ...
  • R. Agrawal and R. Srikant, Fast Algorithms for Mining Association ...
  • D. E. Knuth, The Art of Computer Programming : Seminumerical Algorithms. ...
  • M. Nakagawa and B. Mobasher, Impact of Site Characteristics on ...
  • B. Zhou, S. C. Hui, and K. Chang, An intelligent ...
  • B. Zhou, S. C. Hui, and A. C. M. Fong, ...
  • R. Baraglia and F. Silvestri, Dynamic Personalization of Web Sites ...
  • A. Silberschatz, P. B. Galvin, and G. Gagne, Operating System ...
  • M. Jalali, N. Mustapha, M. N. Sulaiman, and A. Mamat, ...
  • D. S. Hirschberg, Algorithms for the Longest Common Subsequence Problem, ...
  • R. Forsati, H. M. Doustdar, M. Shamsfard, A. Keikha, and ...
  • R. Forsati, A. Moayedikia, and M. Shamsfard, An effective Web ...
  • H. Liu and V. Kešelj, Combined mining of Web server ...
  • T. H. Cormen, C. Stein, R. L. Rivest, and C. ...
  • نمایش کامل مراجع