كاوش كاربرد وب به منظور طراحي سيستم توصيه گر وب با استفاده از اتوماتاي يادگير سلولي

اطلاعات موجود در وب، روز به روز در حال رشد است و اين روند سبب توليد حجم وسيعي از صفحات متصل به يكديگر گرديده است كه از سازماندهي منطقي برخوردار نيستند. بنابراين تحليل رفتارهاي كاوشي كاربران اهميت خاصي پيدا كرده است. ارائه اطلاعاتي كه كاربران علاقه به مشاهده آنها دارند وب را به محيطي كاربر پسند و جذاب تبديل خواهد كرد. براي اين منظور و براي ياد گرفتن الگوي رفتاري كاربر و ارائه پيشنهاداتي متناسب با تاريخچه رفتاري كاربر از الگوريتمها و روشهاي يادگيري ماشين براي توصيه صفحات پيشنهادي به كاربر استفاده ميشود. در اين تحقيق ما از تلفيق دو روش زير براي پيشنهاد صفحات به كاربر استفاده كرديم: يادگيري و استخراج دانش اوليه و مطلوب از روي تاريخچه رفتاري كاربر و شناخت اوليه نسبت به علايق وي و استفاده از اتوماتاي يادگيري سلولي براي ياد گرفتن ريز رفتار كاربر و شناسايي علائق وي. نتايج اجراي الگوريتم حاكي از اين بود كه الگوريتم پيشنهادي از نظر دقت و شموليت نسبت به كارهاي قبلي مناسبتر عمل ميكند.