اسماعیل باحقیقت ماچیان - کارشناس فناوری اطلاعات و ارتباطات ، بانک ملی ایران

در این مقاله یکروش جدید برای خوشه بندی داده ها بر پایه الگوریتم های تکاملی ارائه می شود . امروزه وبگردی تبدیل به بخش مهمی از سبک زندگیمان شده است. گردش داده در وب بسیار آسان و پرسرعت است، در نتیجه وب تبدیل به مرکز تراکنش های داده ها تبدیل شده است. کاربران مختلف تجربه های مختلفی در وب دارند. بنابراین می توانیم بگوئیم که وب تجربه شخصی برای هر کاربر است . از این رو ، نیازمند شخصی سازی وب بر اساس دید هر کاربر هستیم که وب را تبدیل به تجربه ای شخصی میکند. این شخصی سازی وب را با کمک تکنیکی به نام کاربردکاوی وب انجام می دهیم.گران بار شدن اطلاعات یک مشکل عمده دروب کنونی به شمار میرود. برای مقابله با این مشکل، سیستم های شخصی سازی وب ارائه شدهاند که محتوا و سرویس های یک وب سایت را با افراد براساس علایق و رفتار گردشی آنها سازگار می کنند. یک مولفه ی اساسی در هر سیستم شخصیسازی وب، مدل کاربر آن است. هدف از شخصی سازی وب، مهیا ساختن محتوا و سرویس های مورد نیاز کاربران به وسیله دانش به دست آمده از تعاملات قبلی کاربران در صفحات وب است. در حال حاضر، برای شخصی سازی وب چندین متد خوشهبندی در دسترس است. روشهایی که تاکنون ارائه شده اند، در مواردی دارای اشکالاتی بودند. البته تکنیکهای جدیدی در رفع این مشکلات و بهبود آنها ارائه شده است. اما در بیشتر این تکنیک ها ، مسائل افزونگی داده و مقیاس بندی بالا وجود دارد. با توجه به اینکه افزایش کاربران وب منجر به افزایش اندازهی خوشه میگرد، نیاز به بهینه سازی خوشه ها اجتناب ناپذیر خواهد بود. در تحقیق، یک متدولوژی بهینه سازی خوشه بر اساس سیستم فازی ارائه شده است. به منظور افزایش دقت نهایی خوشه بندی، از شبکه عصبی استفاده شده است. نتایج نشان میدهد که روش پیشنهادی ترکیب شبکه عصبی و خوشه بندی فازی دقت خوشه بندی صفحات وب را تا حد قابل توجهی افزایش میدهد.

شبکه عصبی مصنوعی،خوشه بندی فازی،بهینه سازی، شخصی سازی صفحات وب، خوشه بندی، کاربرد،الگوریتم های تکاملی .