حسین دلیرجان - گروه مهندسی کامپیوتر واحد تنگستان اهرم دانشگاه آزاد اسلامی تنگستان ایران
علی هارون آبادی - گروه مهندسی کامپیوتر واحد تهران مرکز دانشگاه آزاد اسلامی تهران ایران
محمود قدرتیان - گروه مهندسی برق، واحد تنگستان اهرم دانشگاه آزاد اسلامی، تنگستان، ایران

امروزه به علت رشد روزافزون اینترنت و حجم عظیمی از اطلاعات نیاز به سیستمهایی داریم تا بتوانند مناسبترین خدمات و محصولات را به کاربرتوصیه کنند. سیستم هایی که این وظیفه را انجام میدهند سیستم های توصیه گر هستند. این سیستم ها به طور هوشمند با استفاده از تکنیک های هوش مصنوعی به شناسایی علایق کاربران خود در فضای اینترنت پرداخت و پیشنهادی متناسب با اولویتها و علایق کاربر ارائه میدهند. امروزه مدلهایمارکوف به طور متداول برای پیش بینی صفحه وب استفاده میشوند. بدین منظور در این تحقیق از یک مدل مارکوف جدید و استفاده از ساختار فایلهای ثبت برای پیشبینی صفحات بعدی دستیابی شده توسط کاربر استفاده میکنیم. مدل مارکوف پیشنهادی بر مبنای ماتریس مرتبه 1تاK و در قالب مدل مارکوف همه مراتب صفحات بعدی را پیش بینی میکند. به منظور کاهش پیچیدگی فضای جستجو و همچنین جهت دهی بهتر به سیستم توصیه گر پیشنهادی، از خوشه بندی k-means برای گروه بندی کاربران استفاده میکنیم. نتایج ارزیابیهای روش پیشنهادی روی فایل ثبت وب سرور ناسا و در معیار F-Measure برتری 0.57% را نسبت به روش BCF نشان می دهد

مدل مارکوف، ساختار فایلهای ثبت، سیستم های توصیه گر، خوشه بندی k-means