بهبود رتبه بندی صفحات با بهره گیری از الگوریتم مورچه و نمایه کاربران

امروزه با گسترش وب و تعداد کاربران اینترنت، شناسایی صفحات مورد علاقه کاربران از چالشهای مهم وب است. سیستمهای پیشنهاددهنده وب در راستای پیشبینی رفتار آتی کاربران یک وبسایت و فراهم کردن محیطی منطبق با سلیقه و نیاز کاربر بدون درخواست صریح او، به بررسی و تحلیل اطلاعات رفتاری کاربر در تعامل با وب میپردازند. اخیرا سیستمهای پیشنهاددهنده وب متفاوتی جهت پیش بینی صفحات درخواستی آینده کاربر با بهره گیری از کاوش استفاده از وب پیشنهاد شده اند، اما این سیستمها دارای کیفیت مناسبی در ارائه پیشنهادها به کاربران در بعضی از وب سایتهای خاص نیستند. در این مقاله یک نسخه توسعه یافته از الگوریتم PageRank برای رتبه بندی صفحات ارائه شده است. در این الگوریتم از درجه علاقه کاربران که با استفاده از دو معیار »مدت زمان مشاهده صفحه« و »فرکانس صفحه« محاسبه میشود و همچنین الگوریتم مورچه به منظور محاسبه وزن صفحات بهره گرفته شده است. برای ارزیابی و مقایسه روش پیشنهادی با سایر روشها از فایل ثبت وب سرور ناسا استفاده شده است. نتایج روش پیشنهادی %۱۷ نسبت به الگوریتم PageRank و %۵ نسبت به روش EWPR برتری نشان میدهد.