پرتال انعطاف پذیر بر اساس مدل رفتاری کاربر

هدف از انجام این پروژه ایجاد پرتالی انعطاف پذیر بر اساس مدل رفتاری کاربر است. یکی از ویژگی های مهم یک پرتال شخصی سازی و انعطاف پذیری است. امروزه نه تنها پرتال ها بلکه بسیاری از وب سایت ها نیز به دنبال شخصی-سازی صفحات خود برای کاربرانشان می باشند. از این رو ما با بررسی روش های مدل سازی رفتار کاربران، روندی برای مدل سازی رفتار پیمایشی کاربر با استفاده از خوشه بندی دوره های مفهومی و یادگیری مدل مارکف ترکیبی برای هر خوشه ارایه کردیم و با استفاده از این روش مدل سازی، سه تا از محتمل ترین صفحات را که کاربر پرتال به عنوان صفحه بعدی مشاهده خواهد کرد پیش بینی می کنیم. رفتار های متفاوت کاربران بر روی یک سایت این نیاز را ایجاد می-کند که کاربران را بر اساس رفتار پیمایشی آنها تقسیم-بندی کرد. همچنین از آنجایی که پرتال ها دارای اطلاعات دسته بندی شده می باشند و صفحات موجود در هر دسته عموماً از لحاظ مفهومی یکسان می باشند این امکان را به ما می-دهند تا نگاه سطح بالاتری داشته باشیم و بجای هر صفحه نام دسته ای که صفحه به آن متعلق است را قرار دهیم و دوره های مفهومی ایجاد کنیم. بر همین اساس ما ابتدا معیاری برای سنجش شباهت رفتار کاربران در نظر گرفته و دوره های مفهومی کاربران را بر اساس این معیار تقسیم-بندی کرده و هر دسته را با مدل مارکف ترکیبی مدل می-کنیم. مدل های مارکف برای بررسی فرایند های تصادفی کاربردهای فراوانی دارند. مدل های مارکف با مرتبه پایین-تر دقت پایین و مدل های مارکف مرتبه بالاتر نیز پیچیدگی بالا پوشش کمتر و حتی گاهی دقت پیش بینی پایینی دارند. به همین دلیل ما با بررسی الگوریتم های کاهش حالت ها در مدل-های مارکف، در نهایت روشی ارایه کردیم که حالت های مراتب مختلف مدل مارکف را به شیوه ای با هم ترکیب کرده که پیچیدگی پایین و دقت بهتری نسبت به روش هایی که در گذشته ارایه شده اند، دارد. در انتها ما با استفاده از چارچوب پرتال dotnetnuke به ایجاد یک پرتال انعطاف پذیر پرداخته-ایم. با اضافه کردن پیمانه پیشنهاد دهنده صفحات که پیشنهادات تولید شده توسط مدل کاربری را بازنمایی می کند و همچنین پیمانه نظرسنجی که نظریات کاربران را دریافت و بازخورد آن را در تصمیم گیری جهت به روزسازی مدل به کار می گیرد، سیستم انعطاف پذیر پیشنهادی را بر روی این چارچوب اعمال کرده ایم.