بهبود سیستم‌های توصیه‌گر وب از طریق مهندسی ویژگی برای پیش‌بینی لینک‌های بعدی کاربران

الموضوعات :

وحید صفاری ¹ (گروه مهندسی کامپیوتر ، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران)
کرم الله  باقری فرد ² (گروه مهندسی کامپیوتر ، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران)
حمید پروین ³ (گروه مهندسی کامپیوتر ، واحد نورآباد ممسنی، دانشگاه آزاد اسلامی، نورآباد، ایران)
صمد نجاتیان ⁴ (گروه مهندسی برق ، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، ایران)
وحیده رضایی ⁵ (دانشگاه آزاد اسلامی واحد یاسوج، دانشکده علوم پایه، گروه ریاضی)

تاريخ الإرسال : 21 الأربعاء , جمادى الثانية, 1445 تاريخ التأكيد : 26 الخميس , شعبان, 1445 تاريخ الإصدار : 23 الثلاثاء , رمضان, 1445

الکلمات المفتاحية: وب کاوی, مهندسی ویژگی, مدل‌سازی رفتار کاربر, پیش‌بینی صفحه بعدی ,

ملخص المقالة :

در دوران رشد چشم‌گیر محتوای آنلاین و مشارکت گسترده کاربران، درک رفتار کاربر و ارائه پیشنهادات دقیق محتوا چالش اساسی است. این مقاله رویکرد جامعی را برای بهبود دقت پروفایل‌دهی کاربر و افزایش دقت پیشنهاد صفحات وب ارائه می‌دهد. با معرفی ویژگی "مدت ارتباط کاربر با صفحات وب"، به طور قابل‌توجهی در بهبود پروفایل‌های کاربری کمک شده‌است. بهره‌گیری از این پروفایل‌های غنی‌شده، پیش‌بینی بازدید بعدی کاربر از صفحات وب را تسهیل می‌کند. در ارزیابی این مدل، مقایسه با یک سناریو بدون این ویژگی نشان می‌دهد که اضافه کردن این ویژگی باعث افزایش قابل ملاحظه‌ای در دقت پیش‌بینی می‌شود. همچنین، تحلیلی از خوشه‌بندی با استفاده از الگوریتم‌های k-means و k-medoids نشان می‌دهد که k-medoids تنوع بیشتری در دسته‌بندی نمونه‌ها دارد. نتایج این مقاله برتری استفاده از k-medoids را در این زمینه نشان می‌دهد و اهمیت تعیین اندازه بهینه خوشه‌ها را تأکید می‌کند. در نهایت، این تحقیق به توسعه یک سیستم پیشنهاد وب که توانایی پیش‌بینی دقیق مقصد وب بعدی کاربر را دارد، منجر شده است. این رویکرد باعث ارتقای دقت مدل در پیشنهاد لینک به کاربر می‌گردد و چشم‌انداز پیشرفت‌های بیشتر در این زمینه را فراهم می‌سازد.

المصادر:


L. WangBin, "Web Mining Research," in 5th International Conference on Computational Intelligence and Multimedia Applications, 2003.
F.O. Isinkaye, Y.O. Folajimi, B.A. Ojokoh,, "Recommendation systems: Principles, methods and evaluation," Egyptian Informatics Journal, vol. 16, no. Issue 3, pp. 261-273, 2015.
Zhang, Q., Lu, J. & Jin, Y, " Artificial intelligence in recommender systems," Complex Intell, vol. 7, no. 1, p. 439–457, 2021.
V. P. a. M. P. F. Mansur, "A review on recommender systems," in International Conference on Innovations in Information, Embedded and Communication Systems (ICIIECS), Coimbatore, India, 2017.
I. T. Afolabi, "Semantic Web mining for Content-Based Online Shopping Recommender Systems," . International Journal of Intelligent Information Technologies (IJIIT), vol. 15, no. 4, pp. 41-56, 2019.
"www.Ehadish.com," [Online].
H. Hasija, "Recommender system with web usage mining based on fuzzy c means and neural networks," in International Conference on Next Generation Computing Technologies, Dehradun, India, 2015.
Katarya, R., Verma, O.P, "An effective web page recommender system with fuzzy," Multimed Tools Appl, vol. 76, no. 20, p. 21481–21496, 2017.
F. Darbandi Monfared, "A novel web page recommender using data automatic clustering," SN Applied Sciences, vol. 1, p. 1719, 2019.
María N. Moreno, Saddys Segrera, Vivian F. López, María Dolores Muñoz, "Web mining based framework for solving usual problems," Neurocomputing, vol. 176, pp. 72-80, 2016.
T. Bhattacharya, A. Jaiswal and V. Nagpal, "Web usage mining and text mining in the environment of web personalization for ontology development of recommender systems," in 5th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions) (ICRITO), Noida, India, 2016.
A. G. M. E. Badr Hssina, "Recommendation system using the k-nearest neighbors and singular value decomposition algorithms," International Journal of Electrical and Computer Engineering (IJECE), Vols. 11,No 6, pp. 5541-5548, 2021.
Muhammad Waqar, Nadeem Majeed, Hassan Dawood, Ali Daud & Naif Radi, "An adaptive doctor-recommender system," Behaviour & Information Technology, vol. 38, no. 9, pp. 959-973, 2019.
R. &. P. J. Wagh, "A Novel Web Page Recommender System for Anonymous Users Based on Clustering," Asian Journal For Convergence In Technology (AJCT), vol. 5, no. 1, 2019.
Manikandan, R., Saravanan, V, "A novel approach on Particle Agent Swarm Optimization (PASO) in semantic mining for web page recommender system of multimedia data: a health care perspective," Multimed Tools Appl, vol. 79, p. 3807–3829, 2020.