چکیده مقاله
خوشهبندی یک تقسیمبندی از داده ها به گروه هایی با اشیاء مشابه است داده کاوی پیچیدگیهای یک دیتاست بسیار یزرگ با ویژگی های بسیار متنوع را به خوشه بندی می افزاید از جمله این دیتا ست ها فروشگاه هایی هستند که در حیطه تجارت الکترونیک کالا خود را از طریق وب ارایه می کنند این فروشگاه ها نیازمند سیسم های توصیه گری هستند که بتوانند کالاهایی را به کاربر پیشنهاد دهند که با احتمال بیشتری مورد نیازآن کاربر است در این مقاله با تمرکز بر ایجاد یک سیستم توصیه گر در تجارت الکترونیک جهت خرید کالا و افزایش دقت سیستم توصیه گر، با استفاده از رفتار پیشین کاربران و دارا بودن پروفایل آنها، لیست مرتب شده ای ازکالاها به مشتریان ارایه میگردد پیکربندی انجمن ها و ایجاد پروفایل برای کاربران از موارد حایز اهمیت در این تحقیق است در روش پیشنهادی قوانین انجمنی به منظور مدل نمودن تعاملات کاربران در وب ارایه شده است که از معیارهای مدتزمان مشاهدهی صفحه و فرکانس مشاهده ی صفحه برای وزندهی صفحات استفاده کرده و میزان علاقه مندی کاربران به گروه های صفحات را بیان میکند بنابراین وزن متناظر هر آیتم در تراکنش، بیانگر میزان علاقه کاربر به آن آیتم در آن تراکنش میباشد تحلیل نتایج شبیه سازی نشان میدهد روش پسشنهادی به دلیل استفاده از ترکیب وزن و درجه عضویت صفحات به طور همزمان برای رتبه بندی صفحات کاندید، موفق به ارایه مدل کامل تری از رفتار کاربران شده است این روش، حتی در تعداد صفحات بالا، موفق به عملکرد بهتری از روشهای دیگر پیشنهاد، در معیار دقت شده است
کلیدواژهها
نویسندگان
شیوه ارجاع
مسلمی پور، پگاه و هارون آبادی، علی،1396،پیکربندی انجمن ها جهت افزایش اعتماد در خرید کالا،کنفرانس ملی کامیپوتر،فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات کنفرانس ملی کامیپوتر،فناوری اطلاعات و کاربردهای هوش مصنوعی18 بهمن 1396 · اهواز