ارائه روشي تركيبي بر مبناي الگوريتم هاي تكاملي جهت خوشه بندي كاربران وب

A Combined Method for Clustering Web Users Based on Evolutionary Algorithms

خوشه‌بندي كاربران وب با يافتن يك ساختار و الگو درون مجموعه­ اي از وقايع وب درگير است و منجر به توليد صفحات شخصي‌سازي شده، سيستم‌هاي پيشنهادگر و بازاريابي مستقيم در تجارت الكترونيك خواهد شد. در حوزه خوشه‌بندي هميشه اين مسئله مطرح بوده كه بتوان خوشه‌هايي با كمترين فاصله درون خوشه‌اي و بيشترين فاصله بين خوشه‌اي استخراج نمود. در اين مقاله يك الگوريتم تركيبي براي خوشه‌بندي كاربران وب با استفاده از تركيب الگوريتم باكتري‌ها و الگوريتم فرهنگي ارائه مي ­شود. در اين راستا ابتدا با استفاده از روش بهينه‌سازي غذايابي باكتري‌ها فضاي مسئله مدل‌بندي شده است سپس يك فضاي فرهنگي براي مسئله ايجاد مي‌شود كه هنجارهاي مناسب در آن نگهداري مي‌شود. فضاي فرهنگي بوجود آمده در انجام هرچه بهتر عمليات تكاملي باكتري‌ها مثل تقسيم ژن و ادغام ژن موثر واقع شده و از انجام عمليات به­طور تصادفي جلوگيري مي‌شود. براي انجام آزمايشات از دو مجموعه داده واقعي EPA و NASA استفاده شده است كه نتايج به ­دست آمده حاكي از عملكرد بهتر اين روش در مقايسه با ساير الگوريتم‌ها مي‌باشد.

Web users Clustering involves finding a structure and pattern in a series of web events and leads to personalized pages, recommender systems and direct marketing in e-commerce. It's always important in clustering areas to extract Clusters with the shortest intra-cluster distance and greatest inter-cluster distance. This paper presents an algorithm for clustering web users using a combination of bacteria algorithms and cultural algorithms. In this regard the problem space is modeled using Bacterial Foraging Optimization Algorithm. Then a cultural space is created for the problem that maintains proper norms of spots. The created cultural Space is effective to perform better bacteria evolutionary operations such as gene division and gene integration and prevents accidental operations. Two real data sets, EPA and NASA, are used to tests that. The results indicate better performance of this method compared with other algorithms.