پينو : يك سامانه توصيه‌گر با استفاده از كاوش در سياهه‌هاي وب

Pino: A Recommender System using Web Usage Mining

سامانه‌هاي توصيه‌گر در وبگاه‌ها شخصي‌سازي وب را به‌صورت هوشمند و برخط با ارائه پيشنهادهايي به كاربران انجام مي‌دهند. اين سامانه‌ها را مي‌توان با مدل‌سازي شيوه‌هاي دسترسي كاربران با استفاده از كاوش در سياهه‌هاي وب ايجاد نمود. به بياني ديگر مي‌توان الگوهاي دسترسي كاربران را با روش‌هاي داده‌كاوي از سياهه‌هاي وب استخراج كرد؛ سپس به كاربران بر پايه اين الگوها پيشنهاد داد. سامانه‌هاي توصيه‌گر گوناگوني مبتني بر كاوش در سياهه‌هاي وب ايجاد شده‌اند اما هنوز بهبود كارايي و پيچيدگي آن‌ها موضوعي چالش‌برانگيز است. در اين مقاله، سامانه توصيه‌گري بنام پينو مبتني بر كاوش در سياهه‌هاي وب به همراه رويكرد جديدي براي استخراج الگوهاي دسترسي در آن ارائه شده است. در اين رويكرد ابتدا شيوه‌هاي دسترسي كاربران با گرافي جهت‌دار و وزن‌دار مدل مي‌شوند. صفحات، رأس‌هاي اين گراف و يال‌ها نشان‌دهنده ارتباط بين آن‌ها بر اساس تكرارهاي با هم صفحات هستند. وزن يال‌ها بر اساس معكوس احتمال شرطي مشاهده صفحات با در نظر گرفتن ترتيب آن‌ها محاسبه مي‌شود سپس صفحات با بخش‌بندي گراف شيوه‌هاي دسترسي كاربران بر پايه كوتاه‌ترين مسيرها خوشه‌بندي مي‌شوند. پيشنهاددهي بر پايه اين الگوها با پيچيدگي زماني ثابت و سازگار با فراموش‌كاري پروتكل HTTP انجام مي‌گيرد. سامانه پينو بر روي سياهه‌هاي يك سرور مورد ارزيابي قرار گرفته است. اثربخشي پيشنهاددهي با معيارهاي قابليت پيشنهاددهي، پيشنهادهاي درست، دقت و پوشش ارزيابي شده است. نتايج ارزيابي نشان‌دهنده توانايي سامانه پينو در بهبود كيفيت پيشنهادها است به‌گونه‌اي كه ميانگين همساز بين اين معيارها در سامانه پينو به 57% رسيده كه نسبت به سامانه‌هاي پيشين 12% بهبود يافته است.

Recommender systems for websites do web personalization online and intelligently using recommendations to the users. These systems can be developed by web usage mining techniques which model user navigation patterns. In other words, data mining methods can be used to discover user access patterns from web logs. Then, recommendations to the users are provided based on these patterns. A variety of recommender systems based on web usage mining have been proposed, although improving the efficiency and complexity of them is still a challenging issue. In this paper, a recommender system called Pino has been proposed. A new approach for mining access patterns is proposed in Pino. In this approach, users' navigation patterns are modeled with a directed and weighted graph. Its vertices are webpages and the edges indicate their correlation based on co-occurrence frequencies between webpages. The weight of edges is calculated on the basis of the inverse conditional probability of viewing the webpages by considering their order. Then, webpages are clustered by partitioning this graph based on shortest paths. Recommendations will be generated based on discovered patterns with constant time complexity and with consistency to the statelessness property of HTTP protocol. Pino has been evaluated on web server logs. The effectiveness of recommendations has been evaluated by criteria applicability recommendation, correct recommendations, accuracy and coverage. Evaluation results indicate the ability of the system to improve quality of recommendations so that the harmony mean of these criteria in Pino system has reached 57% improved by 12% compared to previous systems.