استخراج دانش از وب با استفاده از تکنیک های داده کاوی

با توجه به رشد روزافزون استفاده از وب و گسترش تجارت الکترونیک، مطالعه و بررسی الگوی پیمایش کاربران وب بیشتر از گذشته مورد توجه قرار گرفته است. شرکت ها و سازمان ها برای فعالیت های ترویجی و بازاریابی هدفمند، تولید محتوای سفارشی و نگهداری مشتریان نیاز به خوشه بندی کاربران دارند تا خوشه هدف را انتخاب کرده و همچنین متناسب با خصوصیات هر خوشه استراتژی مناسب را برای آن در نظر بگیرند. در این تحقیق روشی جدید برای خوشه بندی کاربران بر اساس الگوی پیمایش صفحات وب پیشنهاد شد. در روش پیشنهادی از روش همترازی دنباله در تعریف تابع فاصله استفاده شد که برای سنجش تشابه بین نشست های کاربران که ماهیتی دنباله ای دارند مناسب است. هر نشست کاربران وب را می توان دنباله ای از صفحات بازدید شده توسط کاربر دانست و در روش همترازی دنباله ترتیب عناصر دنباله نیز در تعیین میزان تشابه دنباله ها موثر است. پارامترهای دیگری همچون میانگین زمان هر نشست و تعداد نشست های کاربران نیز در تابع فاصله وارد شد. برای بررسی عملکرد روش پیشنهادی، آن را روی داده های واقعی آزمایش کردیم. پس از تعریف تابع فاصله و محاسبه ماتریس تمایز برای داده ها، با استفاده از روش سلسله مراتبی تجمیعی خوشه بندی انجام شد. در ادامه برای انتخاب تعداد مناسب خوشه ها از شاخص توسعه یافته دان که نسبت به نقاط نویز حساسیت کمتری دارد استفاده شد. خوشه بندی با روش تطابق عناصر متناظر نشست ها نیز انجام گرفت و نتایج آن با روش پیشنهادی مقایسه شد. نتایج نشان داد در روش پیشنهادی خوشه های ایجاد شده کیفیت بهتری دارند.