توصیه های صفحات شخصی سازی شده با استفاده از بهینه سازی کاوش قوانین انجمنی وزن دار مبتنی براجتماع زنبورعسل abstract
سیستم پیشنهاددهنده صفحات وب را پیش بینی می کنند که احتمالا تو سط کاربران وب مورد بازدید قرار می گیرند. سیستم توصیه کننده تاخیر در جستجوی را کاهش می دهد و به کاربران کمک می کند تا در جستجوی وب به هدف موردنظر دست یابند. شخصی سازی سیستم توصیه کننده پروفایل های کاربر را تجزیه وتحلیل می کند و با استفاده علاقه کاربر سابقه جستجو و الگوهای قبلی را ایجاد می کند. صفحات وب توصیه شده بر اساس پروفایل کاربر پیش بینی می شود. در این مقاله ایده اصلی مبتنی بر توسعه و بهینه سازی روش کاوش قوانین انجمنی وزن دار با ارائه K بهینه ترین تشابه اجتماع زنبور عسل است . نمایه کاربران به وسیله تلفیق اجتماع زنبورعسل از وزن شش ویژگی مشخصه ایجادشده از لاگ های جستجوی مربوط به دسترسی به وب ایجاد خواهندشد. در این پژوهش با بهره گیری از الگوریتم فرا ابتکاری اجتماع زنبورعسل صفحات پر کاربرد کاربر با رفتار پیمایشی وب بر اساس شباهت کسینوسی کاربران پالایش گردیده و پیشنهادهای K همسایگی مناسب را برای پرس وجوی کاربر را مطرح خواهد نمود همکاری میان K-nn همسایه پروفایل کاربر در اجتماع زنبورعسل بر مبنای منطق مبتنی بر تشابه وزندار با استفاده از شش ویژگی برای افزایش دقت بهره گیری از قوانین الگوریتم انجمنی وزن دار اعمال می شود که با دقت ۰.۳۴ نسبت به الگوریتم های مشابه به صورت بهینه سازی صفحات وب مناسب برای پرس وجوهای جستجوشده توسط یک کاربر را پیش بینی می کند.