حسن نادری
یاسر جلیلیان

افزایش بیش از حد اطلاعات و عدم سازماندهی آنها یکی از مهمترین مشکلات در وب کنونی به شمار می رود. پیدا کردن اطلاعات مطلوب در هنگام مواجه با این حجم زیاد از اطلاعات باعث سرریز داده برای کاربر می شود ، یعنی کاربران در حجم وسیعی از اطلاعات سردرگم می مانند . برای مقابله با این مشکل، سیستم های شخصی سازی وب ارائه شده اند که ارائه محتوا و سرویس های یک وب سایت را با افراد براساس علایق و رفتار آن ها سازگار می کنند. پبدا کردن روندی جهت راهنمایی هر چه بهتر کاربران در رسیدن به اطلاعات مطلوبشان وابستگی عمیقی به کنترل داده ها در وب و سازماندهی داده های وب دارد. سیستم های پیشنهاد دهنده به عنوان شاخه ای از علم وب کاوی و همچنین یکی از زیر شاخه های شخصی سازی و داده کاوی وب محسوب می شوند که می توان دو موجودیت شخصی سازی و داده کاوی را در این بحث به صورت بدیهی مشاهده کرد. کشف الگوهای ترتیبی ، یکی از مهمترین ابزارهای سیستم های پیشنهاد دهنده و زیر شاخه ای از وب کاوی می باشد که توانسته است علم شخصی سازی را تا حد بسیار زیادی در وب توسعه دهدو به منظور یافتن ترتیب رفتار و مراجعات کاربران به کار می رود تا بر اساس این توالی رفتار ها ، بتوان پیشنهاد نزدیک به سلیقه کاربر را ارائه داد . الگوی استخراج شده ی حاصل ، معرف زنجیره ای از رویدادهای ثبت شده در زمانهای مختلف است و برای پیش بینی عملکرد سایر موجودیت هایی که رفتار مشابهی دارند استفاده می شود. دراین راستا الگوریتم های زیادی به کار گرفته شده اند که هر کدام داری نواقص و مزیت های مربوط به خودشان هستند و معمولا در تکمیل یکدیگر به وجود آمده اند . در این مقاله ما قصد داریم با بررسی و مقایسه هریک از این الگوریتم ها الگوریتم مناسب برای حل این مساله بسیار مهم ، را بررسی و تعیین کنیم . و با یافتن الگوریتم مناسب در بسط آن بکوشیم. دستاورد اصلی ما این است که یک الگوریتم کارا جهت کشف الگوهای ترتیبی ارائه دهیم.

سر ریز داده ، شخصی سازی ، کشف الگو ، وب کاوی ، شخصی سازی وب