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. Manuscript profile