ISSN: 2165- 7866
Molae Fard
Angesichts des zunehmenden Wachstums von Webseiten erscheint es heute notwendig, ein System zu haben, das die von den Benutzern benötigten Informationen aus der riesigen Menge an im Web verfügbaren Daten extrahieren kann. Dazu müssen wir die betreffenden Systeme anpassen. Eine der besten Möglichkeiten, Ihr System anzupassen, ist die Verwendung von Empfehlungssystemen. Empfehlungssysteme sind Systeme, die dem Benutzer geeignete Vorschläge unterbreiten können, indem sie begrenzte Informationen vom Benutzer erhalten. Empfehlungssysteme können zukünftige Anfragen eines Benutzers vorhersagen und dann eine Liste der Lieblingsseiten des Benutzers erstellen. Mit anderen Worten kann ein genauer Index des Benutzerverhaltens erhalten und eine Seite vorhergesagt werden, die der Benutzer als nächstes auswählen wird, wodurch das Problem des Kaltstartsystems gelöst und die Qualität der Suche verbessert werden kann. In diesem Artikel wird eine neue Methode zur Verbesserung der Empfehlungssysteme im Bereich Web vorgeschlagen, die den DBSCAN-Clusteralgorithmus zur Datenclusterung verwendet, der einen Effizienzwert von 99 % erreicht. Anschließend werden mithilfe des PageRank-Algorithmus die Lieblingsseiten des Benutzers gewichtet. Anschließend kategorisieren wir die Daten mithilfe der SVM-Methode und geben dem Benutzer ein hybrides Empfehlungssystem zur Erstellung einer Prognose, das dem Empfehlungssystem schließlich eine Liste mit Seiten bereitstellt, die für den Benutzer von Interesse sein könnten. Die Auswertung der Forschungsergebnisse hat gezeigt, dass mit dieser vorgeschlagenen Methode im Abschnitt „Anrufe“ eine Punktzahl von 95 % und im Abschnitt „Genauigkeit“ eine Punktzahl von 99 % erreicht werden kann, was beweist, dass dieses Empfehlungssystem bis zu 90 % erreichen kann. Identifizieren Sie Benutzerseiten korrekt und reduzieren Sie die Schwächen anderer früherer Systeme erheblich.