بهبود عملکرد موتور جستجو با استفاده از گراف ترکیبی براساس علایق کاربران در وب

بهینه سازی فرایندهای موتورهای جستجو در دهه اخیر بسیار مورد توجه کمپانی های بزرگ این حوزه قرار گرفته و سبقت آنها برای افزایش صحت سیستم های پشنهاد دهنده خود مثال زدنی می باشد. در این میان؛ تولید و ساخت مدلی به جهت پیش بینی صفحه بعدی کاربر حائز اهمیت می باشد. اکثر مقالات معتبر از مدل مارکوف با عنوان بهترین مدل به منظور پیش بینی صفحه بعدی کاربر یاد کرده و به اصلاح و بهبود آن می پردازند. ما در این پژوهش به کمک یک گراف وزن دار و جهت دار؛ به ارایه مدلی جامع و قدرتمند به منظور پیش بینی صفحه بعدی کاربر می پردازیم و اثبات می کنیم که روش پیشنهادی ما نسبت به روش های موجود در مقالات معتبر بین المللی بهترین نتیجه را حاصل می کند. ما برای اولین بار در متون علمی؛ به منظور پیش بینی صفحه بعدی کاربر؛ روش جدید و ترکیبی مبتنی بر الگوریتم ژنتیک و درخت تصمیم ارایه می کنیم و آن را به کمک روش خوشه بندی کامیانه بهینه شده تقویت می کنیم و اثبات می کنیم که مدل پیشنهادی ما بهترین روش برای پیش بینی صفحه بعدی کاربر می باشد