چکیده:
رﺷﺪ ﭼﺸﻤﮕﯿﺮ اﻃﻼﻋﺎت در WWW ﺑﻪ ﻃﻮر ﻧﺎﮔﻬﺎﻧﯽ ﻣﻨﺠﺮ ﺑﻪ اﺿﺎﻓﻪ ﺑﺎر اﻃﻼﻋﺎﺗﯽ ﺷﺪه اﺳﺖ و از اﯾﻦ رو ﭘﯿﺪا ﮐﺮدن ﯾﮏ ﺑﺨﺶ ﺧﺎص از اﻃﻼﻋﺎت دﺷﻮار و وﻗﺖ ﮔﯿﺮ اﺳﺖ. ﺳﯿﺴﺘﻢﻫﺎی ﺷﺨﺼﯽﺳﺎزی در ﺳﺎلﻫﺎی اﺧﯿﺮ ﺑﻪ ﻣﻨﻈﻮر ﻣﻘﺎﺑﻠﻪ ﺑﺎ اﯾﻦ ﻣﺸﮑﻞ و ﺑﺎ ﻫﺪف اراﺋﻪ ﯾﮏ ﺗﺠﺮﺑﻪ ﺷﺨﺼﯽ ﺑﻪ ﮐﺎرﺑﺮان ﺑﺮ اﺳﺎس اوﻟﻮﯾﺖﻫﺎ، و ﻧﯿﺎزﻫﺎی ﻓﺮدی آﻧﻬﺎ اﯾﺠﺎد ﺷﺪهاﻧﺪ. ﺑﺮای اﯾﻦ ﻣﻨﻈﻮر در اﯾﻦ ﻣﻘﺎﻟﻪ از ﻣﺘﺪﻫﺎی ﻫﺴﺘﯽ ﺷﻨﺎﺳﯽ ﺑﺮ اﺳﺎس دﺳﺘﻪﺑﻨﺪی ﻣﺎﻧﻨﺪ 3c ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺖ ﻫﻤﭽﻨﯿﻦ از ﻣﺪل ﻣﺨﻔﯽ ﻣﺎرﮐﻮف ﺑﺮای ﺑﺎﻻ ﺑﺮدن دﻗﺖ دﺳﺘﻪﺑﻨﺪی ﺻﻔﺤﺎت اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ. ﻣﺪل ﻣﺎرﮐﻮف ﻣﻮرد اﺳﺘﻔﺎده از ﻧﻮع ﻣﺪل ﻣﺎرﮐﻮف ﭼﻨﺪ ﻣﺮﺗﺒﻪ ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﻣﯽﺗﻮاﻧﺪ ﺑﺴﯿﺎر ﻣﻮﺛﺮ ﺑﺎﺷﺪ. ﻧﺘﺎﯾﺞ ﺣﺎﺻﻞ از آزﻣﺎﯾﺸﺎت در ﻣﻘﺎﯾﺴﻪ ﺑﺎ ﺳﻪ اﻟﮕﻮرﯾﺘﻢ LGP و Fixed و reranking ﻣﻘﺎدﯾﺮ ﺑﻬﺘﺮی از ﺧﻮد ﺑﻪ ﻧﻤﺎﯾﺶ ﮔﺬاﺷﺖ.
خلاصه ماشینی:
برای این منظور در این مقاله از متدهای هستی شناسی بر اساس دستهبندی مانند 3c مورد استفاده قرار گرفت همچنین از مدل مخفی مارکوف برای بالا بردن دقت دستهبندی صفحات استفاده شده است.
هر مفهوم در هستیشناسی معمولا با یک سند توضیح داده شده و نشاندهنده آن است در این پژوهش از هستیشناسایی مرجع برای دو هدف استفاده میشود: اولا: برای شناسایی منافع کاربر بر اساس صفحات وب بازدید شده.
هنگامی که وزن ترم برای هر اصطلاح در هستی شناسی محاسبه می شود، میتوان از هر روش تشابه برداری برای نمایش صفحات وب بازدید شده به مفاهیم مناسب (یا کلاسها) در هستیشناسی مرجع استفاده شود.
یکی از اهداف این پژوهش بهبود فرایند نقشهبرداری با استفاده از الگوریتمهای خوشهبندی میباشد برای این منظور از الگوریتم خوشه بندی (3C) استفاده میشود که هدف آن دستهبندی صفحات وب مرتبط به خوشه های مختلف است تا سپس به یک مفهوم خاص در هستیشناسی مرجع اختصاص داده شوند.
الگوریتم 3c به شرح زیر عمل می کند: برای هر جلسه که کاربر به گشت وگذار در صفحات وب پرداخته است، از الگوریتم GEW برای به دست آوردن شباهتهای بالا بین هر وب سایت بازدید شده و مفاهیم در هستیشناسی مرجع مورد استفاده قرار می گیرد.
در این پژوهش علاوه بر 3c از مدل مارکوف برای ایجاد یک خوشهبندی مناسب در کنار الگوریتم 3c استفاده شده است.
(به تصویر صفحه رجوع شود) 2) نمودار مقایسه برای چهار الگوریتم 5- نتیجهگیری در این مقاله، یک رویکرد مدلسازی پروفایل کاربری پویا برای شخصیسازی جستجوی صفحات وب براساس علاقمندی ارائه شده است.