پديد آورنده :
حيدري، فاطمه زهرا
عنوان :
خوشه بندي كاربران وب و واكشي اوليه صفحات وب با استفاده از آناليز معنايي پنهان احتمالاتي
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان،دانشكده برق و كامپيوتر
صفحه شمار :
نه، 88ص.: مصور، جدول، نمودار﴿رنگي﴾
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
محمدعلي منتظري، احمد براآني
توصيفگر ها :
كاربرد كاوي وب , واكشي اوليه صفحات
تاريخ نمايه سازي :
26/3/94
استاد داور :
عبدالرضا ميرزايي
تاريخ ورود اطلاعات :
1396/10/02
رشته تحصيلي :
برق و كامپيوتر
دانشكده :
مهندسي برق و كامپيوتر
چكيده فارسي :
چكيده در سالهاي اخير با توجه به رشد سريع وب جهاني تحقيقات وسيعي پيرامون مدل كردن رفتار پيمايشي كاربران در وبسايتها انجام گرفته است در اين راستا كاربردكاوي وب با هدف بهدست آوردن الگوهاي رفتار پيمايشي كاربران وب مورد استفاده بسياري از محققان قرار گرفته است بهطوركلي كاربران وب رفتارهاي متفاوتي متناسب با نيازهاي اطالعاتي و وظايف مورد عالقه خود در بازديد از وبسايتها از خود نشان ميدهند تمامي رفتارهاي پيمايشي كاربران در فايلهاي ثبت وب قابل رديابي است يكي از تكنيكهاي مورد استفاده در كاربرد كاوي وب خوشهبندي كاربران وب ميباشد در تكنيك خوشهبندي كاربراني كه رفتار پيمايشي مشابهي دارند در يك خوشه قرار مي گيرند هر خوشه منجر به ايجاد پروفايلهاي كاربري ميشود كه در برنامههاي كاربردي مانند واكشي اوليه و حافظه نهان مورد استفاده قرار ميگيرد تكنيكهاي متداول و استاندارد كاربرد كاوي وب براي خوشهبندي كاربرانوب ميتواند الگوهاي كاربردي را مستقيما كشف كند اما اين تكنيكها بهطور خودكار نميتوانند مشخصات يا كيفيت عاملهاي پنهاني كه منجر به كشف الگوهاي پيمايشي مشترك ميشوند را تعيين كنند بنابراين نياز به گسترش تكنيكهايي ميباشد تا بتوان بصورت خودكار اهداف اساسي پيمايشي كاربران را شناسايي و رابطه معنايي پنهان ميان كاربرانوب و همچنين رابطه معنايي پنهان بين كاربرانوب و اشيا وب را استخراج كرد در اين پژوهش روشي براساس آناليز معنايي پنهان احتماالتي پيشنهاد ميشود كه مشخصات ذاتي رفتار پيمايشي كاربران را مشخص ميكند روش پيشنهادي فاكتورهاي پنهان بهدستآمده را جهت خوشهبندي الگوهاي پيمايشي كاربران مورد استفاده قرار ميدهد و پروفايلهاي كاربري را ايجاد ميكند نتايج خوشهبندي براي پيشبيني و واكشي درخواستهاي وب گروههاي كاربران مورد استفاده و ارزيابي قرار ميگيرد كارايي و برتري روش خوشهبندي كاربران از طريق آزمايش بر روي فايلهاي ثبت واقعي نشان داده ميشود روش پيشنهادي براي گروهبندي كاربران وب و واكشي اوليه با كارهاي قبلي مقايسه شده و نتايج بهدست آمده كارايي بهتر و ميزان دقت باالي روش پيشنهادي را در مقايسه با روشهاي ديگر از خود نشان ميدهد كلمات كليدي كاربرد كاوي وب خوشهبندي كاربران وب آناليز معنايي پنهان احتماالتي واكشي اوليه صفحات
چكيده انگليسي :
Web user clustering and Web prefetching using Probabilistic Latent Semantic Analysis Fateme Zahra Heydari heydari fz@yahoo com 17 September 2014 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiAbstract Due to the rapid growth of the World Wide Web in recent years extensive research on modeling the behaviorof users on the Web site was conducted In this direction Web usage mining with the aim of obtainingnavigational behavior of web users has been used by many researchers Generally Web users may exhibitdifferent behaviours proportional to their information needs and intended tasks when they are visiting a Website All the navigational behavior of Web users in the web access log files is traceable One of the techniquesutilized in web usage mining is the clustering of web users In clustering techniques users who have similarnavigational behavior are in a cluster Each cluster is led to the creation of user profiles that are used in webapplications such as web prefetching and the caching The conventional web usage mining techniques forclustering web user can discover usage patterns directly do not generally provide the ability to automaticallycharacterize or quantify the unobservable factors that lead to common navigational patterns Therefore it isnecessary to develop techniques that can automatically identify the users underlying navigational objectivesand to discover hidden semantic relationships among users as well as between users and Web objects In this project we propose an approach based on probabilistic latent semantic analysis to discover suchintrinsic characteristics of Web users activities The proposed method obtained latent factors for clusteringuser navigation patterns used to create user profiles The clustering results will be used to predict and prefetchweb requests for grouped users The usability and superiority of the proposed web user clustering approachthrough experiments on a real Web log file will be displayed The clustering and prefetching tasks are evaluatedby comparison with previous studies demonstrating better clustering performance and higher prefetchingaccuracy KeywordsWeb usage mining Web user clustering Probabilistic latent semantic analysis Web prefetching
استاد راهنما :
محمدعلي منتظري، احمد براآني
استاد داور :
عبدالرضا ميرزايي
