عنوان

پیش‌بین رفتار پیمایش کاربر در وب با یادگیری مدل‌های مخف مارکوف

Number

‭۱۵۸۰۶پ‬

.Language of Text, Soundtrack etc

per

Title Proper

پیش‌بین رفتار پیمایش کاربر در وب با یادگیری مدل‌های مخف مارکوف

First Statement of Responsibility

/مریم فرساد

Name of Publisher, Distributor, etc.

: مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۵‬

Text of Note

چاپی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مهندسی کامپیوتر گرایش هوش مصنوعی

Date of degree

‮‭۱۳۹۵/۰۶/۱۷‬

Body granting the degree

تبریز

Text of Note

امروزه استفاده از اطلاعات و فناوری به عنوان ی از کلیدهای اصل در توسعه‌ی کشورها مطرح م‌شود .در حال حاضر شب‌ه‌ی جهان وب، به بهترین م‌ان مجازی برای دست‌یابی به اطلاعات تبدیل شده است .به دلیل متفاوت بودن رفتار هر شخص، این نیاز وجود دارد که رفتار و اقدام بعدی کاربر پیش‌بین گردد تا سیستم، خود را با فرد تطبیق دهد .هدف ما در این پژوهش، پیش‌بین مجموعه‌ی بعدی صفحات وبی است که کاربر مم‌ن است ملاقات کند .این کار، بر پایه‌ی دانش که از ملاقات صفحات قبل کاربر به‌دست م‌آید و با استفاده از شباهت کاربر با کاربران مشابه قبل انجام م‌شود .در این پژوهش از مدل مخف مارکوف برای پیش‌بین رفتار پیمایش کاربر استفاده م‌کنیم .همچنین برای پیاده‌سازی مفاهیم از زبان برنامه‌نویس متلب و برای ارزیابی مدل پیشنهادی از معیار دقت استفاده کردیم .نتایج آزمایش‌ها حاک از آن است که میانگین دقت پیش‌بین مدل مارکوف مرتبه‌ی ی برابر ‮‭۶/۶۰‬و برای مدل مارکوف مرتبه‌ی دوم، برابر با ‮‭۱۳/۵۲‬است .این میزان، تفاوت بین میانگین دقت پیش‌بین مدل مارکوف مرتبه‌ی ی و دو گویای آن است که آدرس‌های اینترنت موجود در ی دوره، خیل به آدرس‌های اینترنت قبل‌تر از خود وابسته نیستند .نشان دادیم که با در نظر گرفتن تعداد بیشتری از محتمل‌ترین پیش‌بین‌ها، دقت پیش‌بین توسط هر ی از مدل‌های مارکوف مرتبه‌ی ی و دو رو به افزایش است اما دقت پیش‌بین مدل مارکوف مرتبه‌ی دو نسبت به مدل مارکوف مرتبه‌ی ی رو به کاهش است .همچنین میانگین زمان پیش‌بین توسط مدل مارکوف مرتبه‌ی اول برابر ‮‭۰۰۲۶/۰‬ثانیه و برای مدل مارکوف مرتبه‌ی دوم برابر ‮‭۰۱۷۳/۰‬ثانیه به‌دست آمد .به طور کل استفاده از این روش در موتورهای جستجو باعث کاهش زمان جستجوی کاربران و افزایش کارایی این موتورها با پیش‌بین صفحات وب بعدی در زمان مناسب می گردد

Text of Note

Nowadays, the use of information and technology is considered as one of the main keys in development of the countries. At this moment, the World Wide Web has become the best cyberspace for accessing to information. Considering the differences between users, there is a need to predict the next behavior and action of users, So that the system can adapt with users. The aim of this study is to predict the next collection of web pages that users may visit. This work is based on the knowledge that is obtained by the previous web pages that the user visits and the likeness between the user and previous ones. We use Markovs Hidden model to predict the next behavior of users. In this study, we use MATLAB programming language to map concepts to the rules. We have tested the dataset to check for precision of developed system. The results prove that the average precision of prediction of the first order of Markovs model is 60.6 percentages and it is 513 percentages for the second order. The differences of the average precision of prediction between the first and the second order of Markovs model indicate that the URLs in a session do not rely on their earlier URLs. With comparing of the prediction precision of the first order of Markovs model and second order with different ranks using NASA data set, We observe the first order of Markovs model and second order precision increases with higher rank, But the prediction precision decreases as order increases. This is because of the small number of experiences/sessions obtained during data processing of large N-grams. Also, The results show the average prediction time of the first order of Markovs model is 0.0026 second and it is 0.0173 seconds for the second order. Generally, this approach will be reduces the time users search and increase the efficiency of search engines with prediction of the next web pages in the fit time

فرساد، مریم

رضوی، سیدناصر، استاد راهنما

فیضی‌درخشی، محمدرضا، استاد مشاور

فیضی درخش، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی