تحلیل رفتار کاربر با استفاده از وب کاوی

با گسترش وب و ازدیاد داده ها و اطلاعات موجود در آن، حضور سیستم های هوشمند که بتوانند برای کاربران اطلاعات مورد نیازشان را فراهم کنند، ضروری به نظر می رسد. عرضه ی داده های به روز به کاربران بر اساس علایق آن ها در این بین بسیار پر اهمیت می باشد. برای رسیدن به این هدف، تکنیک های وب کاوی نقش قابل توجهی دارند. وب کاوی بکارگیری تکنیک های داده کاوی برای کشف و استخراج خودکار اطلاعات و الگوها از اسناد و داده های کاربرد وب می باشد. واضح است که مدل هایی که برای کاوش اطلاعات وب طراحی می شوند باید دارای قابلیت تطابق پذیری با زمان، مقاومت و کارایی در مقیاس های بزرگ باشند. مهم ترین عیب سیستم های کاوش کاربرد وب، ناتوانی آن ها در یادگیری پیوسته الگوها است. هم چنین در بسیاری از رویکردهای کاوش کاربرد وب، ماهیت ترتیبی الگوهای وبی در نظر گرفته نمی شود. سیستم ایمنی مصنوعی دارای ویژگی هایی است که برای کاوش وب بسیار مناسب است. مهم ترین ویژگی این سیستم، ذات پویای آن است که بسیار مشابه ذات پویای کاوش داده های وب است. هم چنین ویژگی های دیگری از جمله شناسایی، تنوع، حافظه، خود تنظیمی و یادگیری مواردی هستند که استفاده از سیستم ایمنی مصنوعی را در مسائل کاوش وب لازم می دارند. در این پایان نامه یک معیار جدید به عنوان معیار شباهت نشست های وب برای بررسی داده های فایل های دسترسی وب ارائه شده است. در این معیار شباهت علاوه بر در نظر داشتن ترتیب دسترسی به صفحات و هم چنین مدت زمان صرف شده بر روی هر صفحه و بر روی هر دنباله 2 تایی از صفحات وب، تعداد دفعاتی که یک کاربر صفحه ای را در یک نشست ملاقات می کند و هم چنین تعداد دفعاتی که یک دنباله 2 تایی از صفحات توسط کاربر مورد دسترسی قرار می گیرد، در نظر گرفته می شود. سپس با اعمال تغییراتی در سیستم ایمنی مصنوعی داده ها را خوشه بندی می کنیم. هم چنین در این جا از یک روش جدید برای جهش غیر تصادفی داده ها در بدنه سیستم ایمنی مصنوعی استفاده شده است. نتایج حاصل از الگوریتم ارائه شده، نشان دهنده درستی پیش بینی های انجام شده در مورد تناسب انتخاب سیستم ایمنی مصنوعی به عنوان الگویی برای یافتن پروفایل ها و خوشه ها است.