CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

پیش بینی صفحه بعدی انتخابی کاربرد در وب با استفاده از تکنیک های وب کاوی و مدل مارکوف

عنوان مقاله: پیش بینی صفحه بعدی انتخابی کاربرد در وب با استفاده از تکنیک های وب کاوی و مدل مارکوف
شناسه ملی مقاله: UTCONF01_169
منتشر شده در همایش ملی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران در سال 1395
مشخصات نویسندگان مقاله:

محمد بهروزیان نژاد - گروه کامپیوتر، واحد شادگان، دانشگاه آزاد اسلامی، شادگان، ایران
محمد ابراهیم شیری احمدآبادی - عضو هیات علمی دانشگاه صنعتی امیرکبیر
جواد چهارلنگ - گروه کامپیوتر، واحد مسجد سلیمان، دانشگاه آزاد اسلامی، مسجد سلیمان، ایران
شادی افتخار - باشگاه پژوهشگران جوان و نخبگان، واحد شادگان، دانشگاه آزاد اسلامی، شادگان، ایران

خلاصه مقاله:
به دلیل رشد سریع وب، در سال های اخیر مسیله مدل کردن و پیش بینی رفتار پیمایشی کاربر بر روی سایت های اینترنتی توجه بسیاری از محققان را به خود جلب کرده است. مدل های مارکوف بصورت گسترده ای برای بررسی فرایندهای تصادفی مورد استفاده قرار گرفته اند و در زمینه مدل کردن و پیش بینی رفتار پیمایشی کاربر در سایت های اینترنتی کاربردهای فراوانی دارند. مدل های مارکوف با مرتبه پایین تر عموما دقت کمتری برای پیش بینی رفتار پیمایشی کاربرد دارد و بدین دلیل بیشتر از مدل های مارکوف با مرتبه بالاتر استفاده می شود. اما مدل های مارکوف مرتبه بالاتر محدودیت هایی نیز دارند، از جمله پیچیدگی بالا (تعداد حالت های زیاد) پوشش کمتر و حتی گاهی دقت پیش بینی پایین تر، یک روش ساده برای غلبه بر برخی از این مشکلات بکارگیری مرتبه های مختلف مدل مارکوف و استفاده از همه آنها در فاز پیش بینی است. اما این روش پیچیدگی را افزایش می دهد. با توجه به اهمیت موضوع در این مقاله در ابتدا فرایند شخصی سازی وب براساس کاربردهای وب کاوی مورد بررسی قرار می گیرد. سپس فرایند مدل مارکوف بیان شده و پژوهش هایی که در زمینه استفاده از وب کاوی و مدل مارکوف در جهت پیش بینی صفحه بعدی انتخابی کاربر مورد بررسی قرار می گیرد و در پایان چند مقاله بطور خاص مورد بررسی و تحلیل قرار می گیرد.

کلمات کلیدی:
وب کاوی، داده کاوی، مدل مارکوف، پیش بینی رفتارکاربر، پیچیدگی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/595170/