ДОСЛІДЖЕННЯ СУЧАСНИХ ТЕНДЕНЦІЙ ВИКОРИСТАННЯ КЛАСТЕРИЗАЦІЇ ПРИ ВИРІШЕННІ ЗАДАЧІ ПЕРСОНАЛІЗАЦІЇ САЙТУ
DOI:
https://doi.org/10.31498/2522-9990222020197996Ключові слова:
персоналізація сайту, веб-ресурс, алгоритм, кластерізація, користувачАнотація
Дана робота присвячена вирішенню проблем персоналізації користувачів за їх запитами. Аналіз показав, що найкращим методом кластеризації пошукових профілів, в даному випадку, є метод кластеризації CLOPE. Розроблено масштабований алгоритм, що
відрізняється великою масштабністю та легкою складністю реалізації
Під час кластеризації відбувається аналiз близьких пошукових профілів користувачів, які звертаються до системи, після чого йому відображаються раніше не переглянуті сторінки, на основі пошукового профілю користувача. На основі розробленої моделі та
алгоритму запропонована система персоналізації, яка може інтегруватися з веб-сайтами для підвищення ефективності доступу до релевантної для користувача інформації. Прикладом персоналізації на основі поточних потреб є популярні в даний час рекомендаційні
системи, які працюють на основі пошукових профілів користувачів. Відвідувачі, якi будуть вперше опинятися на Web сайті або веб-ресурсi будь-якої організації, будуть судити про неї за якістю і значущості опублікованих матеріалів. Для великих веб-ресурсів існує актуальне завдання швидкої навігаційної і пошукової підтримки користувачів. Його можна вирішити шляхом персоналізації контенту, з
урахуванням потреб і особливостями поведінки кінцевого користувача. При персоналізації веб-сторінок буде здiйснюватися динамічна зміна вмісту веб-ресурсу під конкретні потреби
користувача. У результаті не тільки користувач буде «спілкуватися» з веб-сторінкою, але і сам сайт буде звертатися до будь-якого, який потрапив на сторінку, не як до частини загальної маси, а як до конкретної людини, що має свої особисті інтереси - персонально. Для
вирішення питання кластеризації був обраний алгоритм CLOPE, яких призначений для кластеризації великих обсягів даних. В алгоритмі CLOPE, під час роботи зберігається невелика кількість даних по кожному кластеру, при мінімальній кількості сканувань. Метою
даної статті є публікація результатів дослідження сучасних тенденцій використання кластеризації при вирішенні задачі персоналізації.
Посилання
Guha S., Rastogi R., Shim K. «CURE: An Efficient Clustering Algorithm for Large
Databases». / S. Guha, R. Rastogi, K. Shim // SIGMOD '98 Proceedings of the 1998 ACM
SIGMOD international conference on Management of data, 1998, P. 73-84.
Нильсен Я. Веб-дизайн. Анализ удобства использования веб-сайтов по движению глаз / Якоб Нильсен, Кара Перниче. – М: Вильямс, 2010. – 496 с.
Нильсен Я. Веб-дизайн. Web-дизайн: удобство использования веб-сайтов
(юзабилити) / Якоб Нильсен, Хоа Лоранжер. – М. : Вильямс, 2007. – 368 с.
Гарретт Д. Элементы опыта взаимодействия / Джесс Гарретт. – Санкт-
Петербург: Символ-Плюс, 2008. – 192 с.
Нильсен Я. Веб-дизайн. Дизайн Web-страниц. Анализ удобства и простоты
использования 50 узлов / Якоб Нильсен, Мари Тахир. – М. : Вильямс, 2002. – 336 с.
Hartigan J. A., Wong M. A. “A K-means clustering algorithm,”/J. A. Hartigan, M.A.
Wong //Applied Statistics, 1979, 28, 100 108.
Xiao J. Clustering of web users using session-based similarity measures/ J. Xiao, Y.
Zhang // Computer Networks and Mobile Computing, 2001. Proceedings. 2001 International
Conference on. – IEEE, 2001. – P. 223–228. DOI: 10.1109/ ICCNMC.2001.962600
Chen L. COWES: Web user clustering based on evolutionary web sessions / L. Chen, S.
S. Bhowmick, W. Nejdl // Data & Knowledge Engineering. – 2009. – Vol. 68, No. 10. – P. 867–885.
DOI:10.1016/j.datak.2009.05.002
Selvakumar K. Enhanced K-Means Clustering Algorithm for Evolving User Groups / K.
Selvakumar, L. S. Ramesh, A. Kannan // Indian Journal of Science and Technology. – 2015. – Vol.
, No. 24. – P. 1. DOI: 10.17485/ijst/2015/v8i24/80192
Ganesan S. Evolving interest based user groups using PSO algorithm / S. Ganesan, A. I.
U. Sivaneri, S. K. Selvaraju // Recent Trends in Information Technology (ICRTIT), 2014
International Conference on. – IEEE, 2014. – P. 1–6. DOI: 10.1109/ICRTIT.2014.6996196
