Revista de Tecnología de la Información e Ingeniería de Software
Acceso abierto

abstracto

Proporcionar un sistema de recomendación web para mejorar la calidad de la búsqueda utilizando algoritmos de agrupamiento DBSCAN y método de seguimiento de máquinas SVM

Molae Fard

Hoy en día, debido al creciente crecimiento de las páginas web, la existencia de un sistema que puede extraer la información que necesitan los usuarios de la parece necesaria una enorme cantidad de datos disponibles en la web. Para hacer esto, necesitamos personalizar los sistemas en cuestión. Una de las mejores formas de personalizar su sistema es utilizar sistemas de recomendación. Los sistemas de recomendación son sistemas que pueden proporcionar sugerencias adecuadas al usuario mediante la obtención de información limitada del usuario. Los sistemas de recomendación pueden predecir las solicitudes futuras de un usuario y luego generar una lista de las páginas favoritas del usuario. En otras palabras, se puede obtener un índice preciso del comportamiento del usuario y se puede predecir una página que el usuario seleccionará en el próximo movimiento, lo que puede resolver el problema del sistema de arranque en frío y mejorar la calidad de la búsqueda. En este artículo se propone un nuevo método para mejorar los sistemas de recomendación en el campo de la web, que utiliza el algoritmo de agrupamiento DBSCAN para el agrupamiento de datos, el cual logra una puntuación de eficiencia del 99%. Luego, utilizando el algoritmo Page rank, se ponderan las páginas favoritas del usuario. Luego, usando el método SVM, categorizamos los datos y le damos al usuario un sistema de recomendación híbrido para generar un pronóstico, que eventualmente le proporcionará al recomendador una lista de páginas en las que el usuario puede estar interesado. La evaluación de los resultados de la investigación mostró que usando este método propuesto se puede lograr un puntaje de 95% en la sección de llamada y un puntaje de 99% en la sección de precisión, lo que demuestra que este sistema de recomendación puede alcanzar hasta un 90%. Identifica correctamente las páginas de usuario y reduce en gran medida las debilidades de otros sistemas anteriores.