فهرست مطالب
عنوان صفحه
چکیده 1
فصل اول. 2
1-1-مقدمه. 3
1-2-تعریف مسئله 4
1-3-اهمیت و ضرورت تحقیق. 5
1-4-شیوه پژوهش 8
1-5-چارچوب پایان‏ نامه 8
مراجع 10
فصل دوم: 11
2-1-مقدمه 12
2-2-مروی بر کارهای انجام شده. 12
مراجع. 21
فصل سوم: 24
3-1-مقدمه. 25
3-2-مراحل وب کاوی. 26
3-2-1-انواع وب‌کاوی 27
3-3-شخصی‌سازی وب. 28
3-3-1-دلایل نیاز به شخصی‌سازی وب. 28
3-3-2-مراحل شخصی سازی وب 29
3-3-2-1-جمع‌آوری داده 30
3-3-2-2-پردازش داده. 31
3-3-2-3-کشف الگو 31
3-3-2-4-تحلیل دانش. 31
3-3-3-تکنیک های مدل­سازی کاربر در شخصی‌سازی وب. 31
3-3-3-1-تکنیک tf-idf. 32
3-3-3-2-تکنیک متا مدل و ابزار OLAP 32
3-3-3-3-تکنیک براساس محتوای وب 33
3-3-3-4-تکنیک براساس فراهم کردن داده‌های موثر (ODP). 34
3-3-3-5-شخصی­سازی وب با بهره گرفتن از روش­های ترکیبی 34
3-3-3-6-شخصی­سازی وب براساس الگوریتم استقرایی و تکنولوژی tf-idf. 35
3-3-3-7-شخصی­سازی وب با بهره گرفتن از کندوکاو الگوی ترتیبی و درخت الگو. 35
3-4-خوشه‌بندی برای شخصی‌سازی وب 35
3-4-1-خوشه­بندی فازی 36
3-4-1-1-الگوریتم پایه‌ای خوشه‌بندی فازی 36
3-4-1-2-الگوریتم فازی کا-مینز. 36
3-4-1-3-خوشه­بندی صفحات وب با بهره گرفتن از خوشه­بندی فازی k-means 37
3-4-2-الگوریتم ژنتیک. 39
3-4-2-1-بهینه‌سازی خوشه‌بندی فازی با بهره گرفتن از الگوریتم ژنتیک 40
3-4-3-روش پیشنهادی در این تحقیق. 42
3-4-4-شمای کلی سیستم پیشنهادی 42
3-4-5-مثالی از سیستم پیشنهادی. 43
3-4-6-شبه کد روش پیشنهادی 50
3-5-جمع­بندی. 51
مراجع 53
فصل چهارم: 55
4-1-مقدمه. 56
4-2-مجموعه داده­ ها 56
4-2-1-دیتاست YANDEX. 57
4-2-1-1-پیش پردازش انجام شده با مجموعه داده­های خام قبل از انتشار 57
4-3-پارامترهای ارزیابی 60
4-4-آزمایشات انجام شده. 61
4-4-1-سخت افزار مورد استفاده 62
4-4-2-نتایج آزمایشات. 62
4-5-جمع­بندی. 64
مراجع: 65
فصل پنجم: 66
5-1-مقدمه. 67
5-2-نتایج و دستاوردهای پروژه. 68
5-3-پیشنهادات. 68
مراجع. 70

فهرست اشکال
شکل 3- 1: فرآیند شخصی‌سازی وب 29
شکل 3-2: مجموعه داده پروانه‌ای. 38
شکل 3-3:خوشه بندی فازی داده. 39
شکل 3-4: مراحل اصلی الگوریتم ژنتیک. 40
شکل 3-5: شمای کلی سیستم پیشنهادی 42
شکل 3-6: خوشه­بندی داده­های آموزشی 47
شکل 3-7: خوشه­بندی داده­های تست 49
شکل 4-8: مقایسه روش‌های پیشنهادی با روش ارائه شده در (Varghese, & John, 2012). 64


فهرست جداول
جدول4-1: نتایج آزمایشات انجام شده بر روی 100 جلسه‌ی تصادفی 62
جدول4-2: مقایسه نتایج سیستم پیشنهادی با سایر روش‌ها 62
جدول 4-3: مقایسه نتایج سیستم پیشنهادی با روش ارائه شده در (Varghese, & John, 2012). 63


چکیده
گرانبار شدن اطلاعات یک مشکل عمده در وب کنونی به شمار می­رود. برای مقابله با این مشکل، سیستم‌های شخصی­سازی وب ارائه شده ­اند که محتوا و سرویس­های یک وب­سایت را با افراد براساس علایق و رفتار گردشی آن­ها سازگار می­ کنند. یک مؤلفه­ی اساسی در هر سیستم شخصی­سازی وب، مدل کاربر آن است. هدف از شخصی سازی وب، مهیا ساختن محتوا و سرویس­های مورد نیاز کاربران به وسیله دانش به دست آمده از تعاملات قبلی کاربران در صفحات وب است. در حال حاضر، برای شخصی­سازی وب چندین متد خوشه­بندی در دسترس است. روش­هایی که تاکنون ارائه شده ­اند، در مواردی دارای اشکالاتی بودند. البته تکنیک­های جدیدی در رفع این مشکلات و بهبود آنها ارائه شده است. اما در بیشتر این تکنیک­ها، مسائل افزونگی داده و مقیاس­بندی بالا وجود دارد. با توجه به اینکه افزایش کاربران وب منجر به افزایش اندازه‌ی خوشه می‌گرد، نیاز به بهینه‌سازی خوشه‌ها اجتناب‌ناپذیر خواهد بود. در تحقیق، یک متدولوژی بهینه­سازی خوشه بر اساس سیستم فازی ارائه شده است. به منظور افزایش دقت نهایی خوشه­بندی، برای تنظیم پارامترهای توابع عضویت از الگوریتم ژنتیک استفاده شده است. نتایج حاصل از شبیه‌سازی نشان می‌دهد که روش پیشنهادی دقت خوشه­بندی صفحات وب را تا حد قابل توجهی افزایش می­دهد.
کلید واژه­ها: شخصی­سازی صفحات وب- خوشه­بندی- کاربرد وب­کاوی- الگوریتم فازی سی مینز- پایگاه داده یاندکس.



1-1- مقدمه
با توسعه سیستم‌های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان‌ها مبدل گشته است. بنابراین روش‌ها و تکنیک‌هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز می‌باشد. با ایجاد و گسترش وب و افزایش چشمگیر حجم اطلاعات، نیاز به این روش‌ها و تکنیک‌ها بیش از پیش احساس می‌شود. وب، محیطی وسیع، متنوع و پویا است که کاربران متعدد اسناد خود را در آن منتشر می‌کنند. در حال حاضر بیش از دو بیلیون صفحه در وب موجود است و این تعداد با نرخ 7.3 میلیون صفحه در روز افزایش می‌یابد. با توجه به حجم وسیع اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریباً غیر ممکن است و ابزارها و روش­هایی نو برای مدیریت آن مورد نیاز است. به طور کلی کاربران وب در استفاده از آن با مشکلات زیر روبرو هستند: