پژوهش های مدیریت در ایران

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

ارائه مدلی برای تحلیل و پیش‌بینی رفتار کاربران الکترونیکی مبتنی‌بر تکنیک‌های وب‌کاوی

نویسندگان

1 دانشیار گروه مهندسی سیستم، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

2 استاد، گروه مهندسی سیستم، دانشکده مهندسی صنایع، دانشگاه علم وصنعت ایران، تهران، ایران

3 دانشجوی کارشناسی ارشد گروه مهندسی سیستم، دانشکده مهندسی صنایع، دانشگاه علم و صنعت، تهران، ایران

چکیده

امروزه ظهور خدمات مبتنی‌بر وب مانند تجارت الکترونیکی، بانک‌داری الکترونیکی و موارد مشابه موجب ایجاد تغییرات اساسی در روش زندگی انسان‌ها شده است. وب یک رسانه‌ ارتباط مستقیم با هزینه‌ کم را برای ارائه خدمات کسب و کارها به مشتریانشان فراهم می‌کند. کسب و کارها برای فعالیت‌های ترویجی و بازاریابی هدفمند نیاز به ثبت، بررسی و تحلیل رفتار کاربران و کشف دانش نهفته در آن را دارند تا بتوانند محتوا و ظاهر وب سایت خود را با علایق و نیازهای کاربران سازگار و شخصی‌سازی کنند. در این راستا برای تحلیل رفتار کاربران و ارائه پیشنهادات پویا و متناسب با الگوهای رفتاری آن‌ها می‌توان از تکنیک‌های وب‌کاوی استفاده کرد. در این پژوهش مدلی ارائه شده است که به کمک آن می‌توان رفتار کاربران الکترونیکی را تحلیل و پیش‌بینی کرد. در این مدل ابتدا کاربران به کمک الگوریتم انتشار کشش خوشه‌بندی شده‌اند و سپس به وسیله الگوریتم کاوش الگوهای ترتیبی سی.‌ام. اسپید رفتارشان تحلیل شده است. در گام بعد برای هر خوشه پروفایل کاربری مختص آن خوشه تشکیل می‌شود. سپس به کمک این پروفایل‌ها می‌توان توصیه‌هایی را به کاربران جدید ارائه کرد. نتایج به‌دست‌آمده حاکی از این است که مدل ارائه شده کارایی قابل قبولی دارد.

کلیدواژه‌ها

عنوان مقاله [English]

A Model for Analysis and Prediction of Web Users’ Behavior Using Web Mining Techniques

نویسندگان [English]

  • Ebrahim Teimoury 1
  • Mohammad Fathian 2
  • Anis Farshian Abbasi 3

چکیده [English]

Nowadays, web-based services like E-Commerce and E-Banking make fundamental changes to the ways of using internet and human's life. Web shares direct media with low costs between services of businesses and their customers. Businesses need to record, study and analyze their users' behavior and interests in order to adapt content and interface of their web site with users' interest for targeted marketing and advertising and then complete the process of personalization. For this purpose and for analysis of users’ behavior and making recommendations based on the users’ behavior, web mining approaches can be used. In this paper, a model was developed which can be applied for analyzing and predicting users' behaviors of a specific web site. First, users were clustered with affinity propagation algorithm and then, their behaviors were analyzed using sequential pattern mining algorithm called CM-SPADE. In the next step, for each cluster, Users' profile was created. Then by using these profiles, recommendations can be made for new users. At last, the represented model was evaluated and the final results was acceptable.

کلیدواژه‌ها [English]

  • Web Mining
  • Personalization
  • Web Usage Mining
  • Clustering
  • Sequential Pattern Mining
مراجع
[1]  Varnagar, C. R., Madhak, N. N., Kodinariya, T. M., Rathod, J. N.,"Web Usage Mining: a Review on Process,Methods and Techniques", Information Communication and Embedded Systems (ICICES), International Conference on. IEEE, 2013, pp.(40-46)
[2] Ghaderian, M., "Improving website user model automatically using semantics with domain specific concepts ", M.S. thesis, Faculty of computer engineering and information technology, Amirkabir university of technology, 2009
[3]  Khosravai,M.,"Extracting knowledge from web using data mining techniques", M.S. Thesis, Faculty of Industrial Engineering, K.N. Toosi university of technology, 2011
[4] Brufar, A., Rezaeyan, A., Shokuhyar, S., "Identifying the customer behavior model in life insurance Sector using data mining", Management Researcheses in Iran, 20(4), 2016, pp. 64-94
[5]  Mazaheri HosseinAbadi, E., Talebpour, A., Rezaeyan, A., "Identification Power Nodes in Social Networks Using Data Mining", Management Researcheses in Iran, 19(2), 2015, pp. 161-182
[6] Guerbas, A., Addam, O., Zaarour, O., Nagi, M., Elhajj, A., Ridley, M., Alhajj, R.,"Effective Web Log Mining and Online Navigational Pattern Prediction", knowledge-based systems, 49, 2013, pp.50-62           
 [7] Song , Q. , Shepperd, M.,"Mining Web Browsing patterns for e-commerce", Computers in industry, 57, 2006, pp. 622-630
[8]  Taherizadeh, S., Moghadam, N.,"Integrating Web Content Mining into Web Usage Mining for Finding Patterns and Predicting Users Behavior",International Journal of Information Science and management, 7, 2009, pp.51-66                                                               
 [9] Chou,P.,li,P.,Chen, K.,Wu,M.,"Integrating Web Mining and Neural Network for Personalized e-commerce Automatic Service",Expert Systems with applications,37, 2010, pp.2898-2910         
[10] Carmona, C.J. , Gallego, S. , Torres, F. , Bernal, E., Jesus, M.J. , Garcia, S. ,"Web Usage Mining to Improve the Design of an e-commerce Website: OrOliveSur.com", Expert Systems with Applications, 39 , 2012, pp. 11243-11249                           
 [11] Arbelaitz, O., Gurrutxaga, I., Lojo, A., Muguerza, J. , MariaPerez, J., Perona, I.,"Web Usage and Content Mining to Extract Knowledge for Modelling the Users of the Bidasoa Turismo Web Site and to Adapt It", Expert Systems with applications, 40, 2013, pp.7478 -7491                               
[12] Kim, J.K. , Kim, S.H. ,"A personalized recommender system based on web usage mining and decision tree induction", Expert Systems with applications,23(3), 2002, pp.329- 342                       
[13] Park, S. , Suresh, C. , Jeong, B.K.,"Sequence-based clustering for Web usage mining A new experimental framework and ANN-enhanced k-means algorithm", Data and knowledge engineering, 65(3), 2008, pp.512-543         
 [14] Loyola, P., Roman, P.E., Velasquez, J.D. ,"Predicting web user behavior using learning-based ant colony optimization", Engineering applications of artificial intelligence,25(5), 2012, pp.889-897       
 [15] PYadav, M., Feeroz, M., KYadav, V.,"Mining the customer behavior using web usage mining in e-commerce", Computing communications and networking technologies(ICCCNT), International conference on IEEE, 2012, pp.1-5                                                  
[16] Hung, Y.S., Chen, K.B , Yang, C.T. , Deng, G.F.,  "Web usage mining for analyzing elder self-care behavior patterns", Expert Systems with applications, 40(2),2013,pp.775-783  
[17] Ghelichkhani, B.," Combination of web usage and web content mining for personalization based on recommendation", M.S. thesis, Faculty of engineering, Tarbiat ModarresUniversity, 2011
[18]      Lopes, P., Roy, B.,"Dynamic Recommendation System Using Web Usage Mining for e-commerce Users", Procedia Computer Science, 45, 2015, pp.60-69   
 [19] Sohrabi, B., Raesi Vanani, E., Zare Mirakababd, F., "Designing a Recommender System for Optimizing and Managing Bank Facilities through the Utilization of Clustering and Classification Algorithms", Modern Researches in Decision Making,1(2), 2016, pp.53-76     
 [20] Frey, B.J, Duek, D.,"Clustering by passing messages between data points", Science, 315(5814), 2007, 972-976            
[21] Viger, P.F , Gomariz, A., Campos, M., Thomas, R.," Fast vertical mining of sequential patterns using co-occurrence information", Pacific-asia conference on knowledge discovery and data mining, Springer International publishing, 2014, pp.40-52                                              
[22](Online)Available at http://www.philippe-fournier viger.com/spmf/index .php
پژوهش های مدیریت در ایران
دوره 21، شماره 3
آذر 1396
صفحه 73-95
فایل ها
اشتراک گذاری
ارجاع به این مقاله
آمار