| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ایجاد پروفایلی برای کاربر با استفاده از کاوش کاربرد وب |
| عنوان انگلیسی مقاله: |
Create a Profile for User Using Web Usage Mining |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2013 |
| تعداد صفحات مقاله انگلیسی | 12 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و مهندسی فناوری اطلاعاتIT |
| گرایش های مرتبط با این مقاله | شبکه های کامپیوتری، مهندسی محاسبات و الگوریتم ها، مهندسی نرم افزار و اینترنت و شبکه های گسترده |
| مجله مربوطه | مجله مطالعات علمی و کاربردی |
| دانشگاه تهیه کننده | گروه علوم کامپیوتر، واحد هندیجان، دانشگاه آزاد اسلامی، ایران |
| کلمات کلیدی این مقاله | موتور توصیه گر، کاوش کاربرد وب، الگوهای هدایت کاربر، شبکۀ عصبی |
| رفرنس | دارد |
| نشریه | JAAS |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 16 صفحه |
| ترجمه عناوین تصاویر | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1- مقدمه
2- مفاهیم اصلی
الف) وب کاوی
ب)کاوش کاربرد وب برای شخصی سازی
ج) خوشه بندی
د) شبکۀ عصبی
3- پژوهش های مرتبط
4- روش توصیه شده
1- پاکسازی داده
2- نشست های شناسایی شده
3- ایجاد بردار نشست
4- ایجاد پروفایل کاربر
• نقش پیشینۀ رفتار در تنظیم پروفایل
5- خوشه بندی پروفایلها
6- ایجاد سیستم توصیه گر با استفاده از شبکۀ عصبی
7- نتیجه گیری
• پژوهش آتی
- بخشی از ترجمه:
7- نتیجه گیری
در این مقاله، به منظور ارائه اطلاعات سودمند مورد نیاز کاربر، رویکردی برای توصیۀ صفحات وب به کاربر جاری براساس پروفایل او پیشنهاد کردیم. درواقع، رویکردی مبنی بر الگوهای هدایت کاربر پیشنهاد نمودیم که با موتورهای توصیه گر در ارتباط با الزامات کاربر حاصل شده بود. رویکرد توصیه شده احتمال جستجوی بهتری در مقایسه با رویکردهای پیشین را به واسطۀ ثبت تغییرات در پیشزمینه های هر کاربر ایجاد میکند. این رویکرد، صفحات مرتبط با تمایلات کاربر نسبت به صفحاتی که نامرتبط هستند تفکیک میکند. به منظور بررسی تاثیر رویکرد جدید، جستجو در رابطه با ایجاد پروفایل کاربر براساس تاریخچۀ رفتار آنها را انجام دادیم. همچنین، در جستجوی دیگر، بر آنیم تا در تاریخچۀ تنظیمات کاربر و پروفایل کاربر بدون دخالت عمل کنیم. در این راستا، اگر تمایلات و تنظیمات هر کاربر تغییر کند، پروفایل را به روزرسانی مینماییم. با توجه به اینکه هر پروفایل کاربر صرفاً براساس تنظیمات خود وی ساخته نشده است، فعالیت جستجوی هر کار را به صورت روزانه به تفصیل مطالعه میکنیم. در جستجوی تطبیقی هر کاربر، اگر بر نشست فعلی کاربر به جای پیشینۀ جستجوی وی تمرکز شود، نتایج بهتری کسب خواهد شد. علاوه بر این، روش خوشه بندی براساس روش K-means به منظور تطبیق نتایج موتور توصیه گر با الزامات کاربر توصیه شده است. این روشد از شباهتهای میان کاربران برای شناسایی همسایگان کاربر مقصد استفاده میکند. با استفاده از خوشه بندی K-means مشابه کاربران، گروهها شناسایی شده اند.
- بخشی از مقاله انگلیسی:
V. Conclusion
In this paper, in order to provide useful information required by user, we suggested an approach for recommending web pages to the current user based on his/her profile. In effect, we suggested an approach based on navigation patterns of user that are results returned by engine recommending in accordance with user’s requirement. Recommended approach make a better search possible compared with earlier approaches by registering changes in settings of each user. This approach separate pages relevant to user’s interests from those pages that are irrelevant. In order to investigate the effect of the new approach, we conducted research on constructing user’s profile based on history of their behavior. Also, in another research we aimed at setting user’s history implicitly and set user’s profile without their intervention. In this way, we could have brought profile up to date, if interests and settings of each of users had changed. Regarding the fact that each user’s profile is not constructed only based on his/her own settings, we studied search activity of the user in a day in more detail. In adaptive search for each user if the focus is on user’s current session rather than user’s search history, better results will be gotten. Moreover, a clustering technique was recommended according to k-means technique for adapting the results of recommender engine to user’s requirement. This method used similarities among users to identify neighbors of destination user. By using k-means clustering similar users groups were identified.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
ایجاد پروفایل برای کاربر با استفاده از کاوش کاربرد وب |
| عنوان انگلیسی مقاله: |
Create a Profile for User Using Web Usage Mining |
|
|