پایاننامه کامپیوتر سیستم توصیه‌گر وب نمایه کاربران روش‌ یادگیری ماشین

۱۱۰ هزار تومان ۷۵ هزار تومان
افزودن به سبد خرید

جهت خرید و دانلود پاياننامه کامپیوتر سیستم توصیه‌گر وب نمایه کاربران روش‌ یادگیری ماشین روی خرید محصول کلیک و یا با ایمیل زیر در ارتباط باشید

sellthesis@gmail.com


پايان‌نامه کارشناسي ارشد کامپیوتر ایجاد یک سیستم توصیه‌گر در وب با بهره‌گیری از نمایه‌های کاربران و روش‌های یادگیری ماشین


خرید محصول پاياننامه کامپیوتر سیستم توصیه‌گر وب نمایه کاربران روش‌ یادگیری ماشین


چکیده:

گسترش وب که فاقد یک ساختار یکپارچه است مشکلات متعددی را برای کاربران ایجاد می‌نماید. عدم یافتن اطلاعات مورد نیاز کاربران در این انباره‌ی عظیم یکی از مشکلات کاربران وب می‌باشد. به منظور مقابله با این مشکلات سیستم‌های شخصی سازی وب ارائه شده‌ است که با یافتن الگوهای رفتاری کاربران بدون درخواست صریح آنها قادر هستند تا پیشنهاداتی مطابق با علایق کاربران به آنها ارائه دهند. بنابراین امروزه وجود یک سیستم پیشنهاد دهنده که بتواند براساس الگوهای کشف شده از پیمایش کاربران توصیه هایی به صورت اتوماتیک به کاربر جاری ارائه دهد ضروری است. اخیرا روش‌های وب کاوی به منظور شخصی‌سازی وب به کار گرفته می‌شوند. در این میان تکنیک های وب کاوی مبتنی بر کاربرد به منظور کشف الگوهای رفتاری کاربران ارائه شده است که این تکنیک ها با بهره گیری از ثبت‌های وب سرورها به صورت ضمنی می‌توانند الگوهای رفتاری کاربران را استخراج کنند. در این تحقیق روشی برای ایجاد نمایه کاربران ارائه شده است که با بهره‌گیری از وب کاوی مبتنی بر کاربرد یک الگوی حرکتی جهت کاربران با استفاده از شبکه‌های عصبی ایجاد می‌نماید تا بتواند درخواست‌های آینده کاربر را پیش بینی و سپس لیستی از صفحات مورد علاقه کاربر را تولید نماید. نتایج تحقیق نشان می‌دهد که سیستم پیشنهادی نسبت به سیستم‌های پیشین از دقت مناسبی برخوردار می‌باشد.
کلمات کلیدی: نمایه کاربر، شبکه عصبی، خوشه بندی، وب کاوی مبتنی بر کاربرد


فهرست مطالب
عنوان صفحه
فصل اول: کلیات تحقیق 2
1-1- بیان مسئله 3
1-2- ضرورت تحقیق 4
1-3- اهداف تحقیق 5
1-4- ساختار تحقیق 5
فصل دوم: ادبیات موضوع 7
2-1- تعریف واژگان و اصطلاحات 8
2-2- چالش های وب 9
2-3- انواع روش‌های وب کاوی 10
2-3-1- وب کاوی مبتنی بر کاربرد 11
2-3-2- وب کاوی مبتنی بر محتوا 14
2-3-3- وب کاوی مبتنی بر ساختار 15
2-4- شخصی سازی وب 16
2-4-1- فواید سیستم شخصی سازی وب 20
2-4-2- سیستم‌های فیلتر کننده‌ی مبتنی بر قانون 20
2-4-3- سیستم‌های فیلتر کننده‌ی مبتنی بر محتوا 20
2-4-4- سیستم‌های فیلتر کننده‌ی مشارکتی 21
2-5- سیستم‌های توصیه‌گر 21
2-6- شخصی سازی وب براساس وب کاوی مبتنی بر کاربرد 22
2-7- منابع داده 24
2-7-1- داده های کاربرد 24
2-7-2- داده های محتوا 25
2-7-3- داده های ساختار 25
2-8- خوشه بندی 26
2-8-1- الگوریتم K-Means 27
2-8-2- معیارهای شباهت 28
2-9- شبکه‌های عصبی 30
فصل سوم: کارهای پیشین 32
3-1- رویکردهای مبتنی بر کاوش قواعد انجمنی و خوشه بندی 33
3-2- روش‌های ترکیبی در شخصی‌سازی وب 38
3-3- رویکردهای مبتنی بر شاخص گذاری و کلمات کلیدی 42
3-4- مروری بر سیستم‌های پیشنهاد دهنده وب 43
3-4-1- سیستم پیشنهاد دهنده وب 43
3-4-2- روش‌های تولید پیشنهاد 44
3-4-2-1- روش های مبتنی بر فیلتر مشارکتی 44
3-4-2-2- روشهای مبتنی بر محتوا 44
3-4-2-3- روش های مبتنی بر دانش 45
3-4-2-4- سیستم های پیشنهاد دهنده ترکیبی 46
3-4-3- مقایسه روش‌های تولید پیشنهاد 46
فصل چهارم: روش پیشنهادی 49
4-1- پیش پردازش داده‌ها 51
4-1-1- پاکسازی داده‌ها 51
4-1-2- شناسایی و بازسازی نشست‌های بازدید کاربران 52
4-2- ایجاد نمایه برای شخصی سازی در وب 52
4-2-1- ایجاد بردار نشست 52
4-2-2- پاکسازی نشست‌ها 54
4-2-3- ساخت نمایه کاربران 55
4-3- خوشه بندی نمایه‌ها براساس رفتار کاربران 55
4-4- ساخت سیستم توصیه‌گر با استفاده از شبکه‌های عصبی 56
فصل پنجم: پیاده‌سازی و ارزیابی روش پیشنهادی 58
5-1- مرحله پیش پردازش و ساخت بردارهای نشست 59
5-2- مرحله خوشهبندی 61
5-3- مرحله تولید پیشنهادات با استفاده از شبکه‌ی عصبی 62
5-4- ارزیابی سیستم پیشنهادی 63
فصل ششم: نتیجه‌گیری و پیشنهادات آتی 66
6-1- نتایج تحقیق و تحلیل ها 67
6-2- کارهای آتی 68
فهرست مراجع 70


مقدمه

امروزه رشد گسترده در استفاده و اندازه وب باعث به وجود آمدن مشکلات فراوانی برای کاربران وب شده است. ساختارهای استفاده شده در وب، ساختارهایی غیریکپارچه و پیچیده هستند و کاربران اغلب در تعامل با این حجم عظیم اطلاعات به هدف پرس و جوی خود دست نمی‌یابند. از سوی دیگر تجارت الکترونیکی نیز به سرعت در حال گسترش می‌باشد و این موضوع که کاربران به نیازهای خود دست پیدا نمی کنند بیش از پیش مورد توجه قرار گرفته است. در این میان با کمک تکنیک های شخصی سازی وب می‌توان نیازهای کاربران را بدون درخواست صریح آنها به صورت اتوماتیک فراهم کرد. در حقیقت هدف از سیستم‌های شخصی سازی وب کشف الگوهای رفتاری و حرکتی کاربران در تعامل با وب می‌باشد تا بتوانند براساس این الگوها حرکت بعدی کاربر را پیش بینی نموده و به او در رسیدن به هدف پرس و جوی وی کمک کنند. به منظور نیل به این هدف روش‌های وب کاوی مورد توجه قرار گرفته‌اند و در تولید سیستم های شخصی سازی وب از این روش ها استفاده می‌شود. این تکنیک ها به سه دسته وب کاوی مبتنی بر محتوا، وب کاوی مبتنی بر ساختار و وب کاوی مبتنی بر کاربرد تقسیم می‌شوند. از میان این روش‌ها تکنیک‌های وب کاوی مبتنی بر کاربرد به طور گسترده به منظور کشف الگوهای حرکتی و رفتاری کاربران مورد استفاده قرار گرفته است. این تکنیک ها از اطلاعات موجود درفایل‌های ثبت وب سرور برای تولید الگوهای کاربران بهره می‌گیرند. و به منظور ساخت سیستم‌های توصیه‌گر می‌توان از این الگوهای رفتاری کاربران بهره جست.


1-1- بیان مسئله

اخیرا وب به منبع بزرگی از اطلاعات تبدیل شده است که با افزایش استفاده از اینترنت و همچنین افزایش وب سایت‌ها باعث بروز مشکلاتی برای کاربران شده است. یکی از مشکلات پیش آمده برای کاربران یافتن اطلاعات مورد علاقه و یا مورد نیاز آنها در این حجم انبوه اطلاعات می‌باشد.
در این میان رقابت ایجاد شده در بخش تجارت الکترونیک نیز نیازمند ایجاد وب سایت‌هایی مورد علاقه کاربران می‌باشد. به همین دلیل روش‌های شخصی سازی وب به منظور حل این مشکلات پیشنهاد می‌شود تا بتوان با کمک این روش‌ها وب سایت‌هایی مورد علاقه و مطابق با نیازهای کاربران ایجاد نمود.
هدف شخصی سازی وب تولید پیشنهادهایی پویا مبتنی بر الگوهای رفتاری کاربران می‌باشد. اخیرا به منظور کشف الگوهای رفتاری کاربران از تکنیک های وب کاوی استفاده می‌شود. از میان تکنیک های وب کاوی، تکنیک وب کاوی مبتنی بر کاربرد به طور گسترده ای به منظور کشف الگوهای رفتاری کاربران و مدل سازی این رفتارها استفاده می‌شود. این تکنیک از داده‌های موجود در فایل های ثبت سرورها استفاده می‌کند در حقیقت بدون در خواست صریح کاربران تکنیک های وب کاوی مبتنی بر کاربرد قادر است از اطلاعات موجود در فایل های ثبت علایق کاربر را استخراج نموده و براساس آنها به مدل سازی رفتار کاربران نماید و الگوهای رفتاری آنها را تولید کند.
در این زمینه کارهای تحقیقاتی بسیاری انجام شده است. در این تحقیق پیشنهاد می¬شود از کاربردکاوی وب و شبکه¬های عصبی برای این منظور استفاده شود تا بتوان درخواست¬های آینده کاربر را پیش بینی کرد و سپس لیستی از صفحات مورد علاقه¬ی کاربر تولید شود. به عبارت دیگر بتوان نمایه ای دقیق از رفتار کاربران به دست آورده و صفحه‌ای پیش بینی شود که کاربر در حرکت بعدی آن را انتخاب خواهد کرد. این پیشنهادهای پویا می‌توانند همان پیوندهاي صفحات باشند.

مرور

هیچ دیدگاهی برای این محصول نوشته نشده است.