ارائه یک سیستم توصیه گر وب برای پیش بینی صفحات مورد علاقه کاربر با استفاده از الگوریتم خوشه بندی DBSCAN و روش SVM یادگیری ماشین

سیستم های توصیه گر می توانند درخواست های آینده کاربر را پیش بینی و سپس لیستی از صفحات موردعلاقه کاربر را تولید کند. به عبارت دیگر سیستم های توصیه گر می توانند نمایه ایی دقیق از رفتار کاربران را به دست آورده و صفحه ایی پیش بینی شود که کاربر درحرکت بعدی آن را انتخاب خواهد کرد که این کار می تواند مشکل شروع سرد سیستم را حل و باعث کیفیت بخشیدن به جستجو شود. در این تحقیق به ارایه روش جدیدی به منظور بهبود سیستم های توصیه گر در زمینه وب پرداخته می شود که از الگوریتم خوشه بندی DBSCAN جهت خوشه بندی داده ها استفاده می شود که این الگوریتم امتیاز کارایی 99٪ را به دست آورد. سپس با استفاده از الگوریتم Page rank، صفحات موردعلاقه کاربر وزن دهی می شوند. سپس با استفاده از روش SVM، داده ها را دسته بندی و جهت تولید پیش بینی به کاربر به یک سیستم توصیه گر ترکیبی داده می دهیم که درنهایت این سیستم توصیه گر لیستی از صفحات را در اختیار کاربر قرار خواهد داد که می تواند موردعلاقه وی باشند. ارزیابی نتایج حاصل از تحقیق حاکی از آن بود که استفاده از این روش پیشنهادی می تواند امتیاز 95% را در قسمت فراخوانی و امتیاز 99% را در قسمت دقت به دست آورد که این نتایج اثبات می کند که این سیستم توصیه گر تا بیش از 90٪ می تواند صفحات موردنظر کاربر را به درستی تشخیص داده و تا حدود زیادی نقاط ضعف سایر سیستم های پیشین را برطرف سازد.