مقاله شخصی سازی صفحات وب با استفاده از اتوماتای یادگیر توزیع شده

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله شخصی سازی صفحات وب با استفاده از اتوماتای یادگیر توزیع شده دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله شخصی سازی صفحات وب با استفاده از اتوماتای یادگیر توزیع شده  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله شخصی سازی صفحات وب با استفاده از اتوماتای یادگیر توزیع شده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله شخصی سازی صفحات وب با استفاده از اتوماتای یادگیر توزیع شده :

تعداد صفحات:۱۲

چکیده:

استفاده همزمان از اطلاعات ساختاری و اطلاعات پیمایش کاربران یکی از چالش های مطرح در بهبود کارایی الگوریتم های شخصی سازی وب می باشد . در این مقاله الگوریتمی ترکیبی مبتنی بر اتوماتای یادگیر توزیع شده و الگوریتم Page Rank ارائه شده است. الگوریتم پیشنهادی از اطلاعات پیمایش کاربران و پیوند بین صفحات به منظور پیشنهاد صفحات به کاربران استفاده می کند. الگوریتم ارائه شده را همچنین می توان برای تغییر پیوند صفحات به منظور هدایت بهتر کاربران اسفاده کرد. بر خلاف الگوریتم های شخصی سازی موجود مه تنها از اطلاعات پیمایش کاربران استفاده می کنند، الگوریتم ارائه شده اولین روش گزارش شده مبتنی بر اتوماتای توزیع شده می باشد که همزمان از اطلاعات پیمایش کاربران و پیوند بین صفحات برای پیشنهاد صفحات استفاده میکند. در الگوریتم ارائه شده یک اتوماتای یادگیر به هر صفحه وب تخصیص داده می شود. هراتوماتای یادگیر، بر اساس اطلاعات پیمایش کاربران احتمال گذار بین صفحات را یاد می گیرد. بر اساس احتمالات گذار و اهمیت هر صفحه که با استفاده از الگوریتم Page Rankمحاسبه می شود، عملیات شخصی سازی انجام می شود. بر خلاف الگوریتم Page Rank موجود که اهمیت هر صفحه بر اساس ساختار پیوندی صفحات مخاسبه می شود الگوریتم ارائه شده همزمان از اطلاعات ساختار پیوندی صفحات و پیمایش کاربران برای محاسبه اهمیت صفحات استفاده می کنند. نتایج شبیه سازی الگوریتم در دادههای واقعی نشان داده است که کارایی الگوریتم پیشنهادی به ۹۰% می رسد در حالیکه پیچیدگی زمانی اجرای آن نیز پایین می باشد.