خوشه بندی نتایج جستجوی کاربران در وب با استفاده از الگوریتم های هوشمند

افزوده شدن روزانه بیش از یک میلیون صفحه به اطلاعات موجود در اینترنت به تنهایی نشان دهنده این است که در عصر کنونی ما با کمبود اطلاعات مواجه نیستیم بلکه با فقر دانش روبرو هستیم زیرا کشف دانش و آگاهی سودمند که مستتر در انبوه داده هاست روز بروز مشکل تر و پرهزینه تر می شود. و به طبع آن جستجو برای کاربران نیز فقط با صرف هزینه بیشتر امکانپذیر است.در این پایان نامه ما قصد داریم با بررسی روشهای موجود در خوشه بندی داده هایی که در حقیقت همان نتایج حاصل از جستجوی کاربران در وب هستند ،نقاط ضعف آنها را بیابیم .با انجام آزمایشات با داده های متنوع و در محیط های مختلف به این درک رسیدیم که در خوشه بندی داده های کاربر، کیفیت نتایج بدست آمده از الگوریتم مرسوم خوشه بندی k-means بسیار متغیر بوده و این می تواند از جمله مهمترین دلایل پرهزینه شدن جستجو در اینترنت باشد .به منظور حل این مشکل از الگوریتم های فرا ابتکاری و هوشمند در این زمینه کمک گرفتیم که با توجه به معایب الگوریتم k-means مناسبترین الگوریتم برای جایگزین نمودن ،الگوریتم بهینه سازی ازدحام ذرات بود.اما از آنجا که اینکار در عمل در نرم افزارهای داده کاوی تا کنون صورت نگرفته بود جهت انجام آزمایش و بررسی نتیجه میبایست ابتدا پیاده سازی کد الگوریتم پیشنهادی را با استفاده از مفاهیم نرم افزارهای متن باز تهیه و آنرا به نرم افزار مورد آزمایش وارد کنیم. با انجام دادن این اقدامات و ارزیابی نتایج حاصل دریافتیم که الگوریتم پیشنهادی خوشه های مناسبتر و پایدارتری تولید میکند که در نتیجه می توان در زمان جستجو نتایج ارزنده تری را به کاربر ارائه دهیم و هزینه جستجو را کاهش دهیم. و دستاورد ما علاوه بر کیفیت نتایج جستجو تولید شده ، در قدم بعد با توجه به سابقه و علایق کاربر به زمینه های مختلف ، رسیدن به یک سیستم توصیه گر فیدبک دار جهت تعیین احتمال حرکت بعدی کاربر و ارائه پیشنهاد به آن خواهد بود.