توصیه های صفحات شخصی سازی شده با استفاده از بهینه سازی کاوش قوانین انجمنی وزن دار مبتنی براجتماع زنبورعسل
Publish place: Seventh National Conference and First International Conference on Distribution Computing and Big Data Processing
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 141
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCBDP07_049
تاریخ نمایه سازی: 7 خرداد 1401
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.
Keywords:
Authors
مرضیه نصیرپور
فارغ التحصیل، موسسه آموزش عالی جهاد دانشگاهی خوزستان – اهواز