ایجاد سیستم توصیه گر مبتنی بر فرآیند مارکوف با استفاده از روش های وبکاوی و شبکه عصبی
محل انتشار: سومین کنگره بین المللی کامپیوتر، برق و مخابرات
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 562
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC03_018
تاریخ نمایه سازی: 6 اردیبهشت 1396
چکیده مقاله:
با توجه به رشد روزافزون صفحات وبی که در دسترس کاربران اینترنت قرار میگیرند، نیاز به سیستمتوصیهگر وب و پیشبینی صفحه بعدی مورد استفاده کاربر، افزایش مییابد. سیستم توصیه گر درموارد مختلفی همانند تجارت الکترونیکی، موتورهای جستجو و ... مورد توجه قرار میگیرد. هر چقدرسیستم توصیه گر بهینه تر باشد، تاخیر دستیابی به وب توسط کاربر به حداقل میرسد. بدین منظور ازفایل ثبت وب برای تحلیل تاریخچه پیمایش و کشف الگوی حرکتی کاربر استفاده می شود. اینتحلیل، وبکاوی کاربرد وب نامیده میشود. رویکردهای وبکاوی کاربرد وب که برای سیستمتوصیه گر به طور معمول به کار گرفته میشوند، عبارتند از قوانین انجمنی، خوشه بندی و مدل هایمارکوف. در این تحقیق روش جدیدی برای پیش بینی صفحه بعدی دستیابی شده توسط کاربر ارایهمی شود. الگوریتم K-means به عنوان یک خوشه بند و شبکه عصبی به عنوان یک الگوریتم دسته بندهمراه با مدل مارکوف پیشنهادی در این تحقیق به کار گرفته شده اند. نتایج تحقیق نشان می دهد روشپیشنهادی، دقت و صحت بالاتری نسبت به روش مورد مقایسه دارد.
کلیدواژه ها:
نویسندگان
حدیث شفایی
کارشناس ارشد نرم افزار، پردیس علوم و تحقیقات دماوند، دانشگاه آزاد اسلامی دماوند
علی هارون آبادی
استادیار، عضو هیات علمی دانشگاه آزاد اسلامی تهران مرکزی
سیدجواد میرعابدینی
استادیار، عضو هیات علمی دانشگاه آزاد اسلامی تهران مرکزی
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 :