در انجام پایان نامه کامپیوتر حاضر، مسئله شخصی‌سازی وب مورد بررسی و تحلیل قرار گرفت. ابتدا به بیان مسئله اشاره گردید و سپس اهمیت موضوع و نوآوری آن همراه با روش تحقیق ذکر گردید. سپس به مروری بر کارهای انجام شده و منتشر شده در پایگاه های اطلاعاتی معتبر دنیا در این خصوص پرداخته شد و کارهای مرتبط معرفی و بررسی گردیدند. در ادامه مراحل وب‌کاوی و انواع آن معرفی شد و سپس شخصی‌سازی وب مورد بررسی قرار گرفت و دلایل نیاز به آن بیان شد. همچنین مراحل اجرای شخصی سازی که به ترتیب عبارتند از: جمع‌آوری داده، پیش‌پردازش، کشف الگو، تحلیل دانش و شخصی‌سازی ذکر گردید. در ادامه نیز تکنیک‌های مدل سازی کاربر در شخصی سازی وب بررسی شد. در نهایت خوشه‌بندی که مستلزم شخصی‌سازی وب است، معرفی شده و دو نوع خوشه‌بندی فازی و خوشه‌بندی با استفاده از الگوریتم ژنتیک و همچنین الگوریتم ترکیبی این دو روش معرفی و بررسی گردید و نقاط قوت و ضعف و همچنین دقت و صحت خوشه‌بندی این دو روش مورد مطالعه قرار گرفت و در نهایت به منظور بهینه‌سازی خوشه‌بندی در صفحات وب، یک روش جدید در این پایان‌نامه ارائه گردید. همان طور که اندازه خوشه در طی افزایش کاربران وب افزایش می یابد، نیاز به بهینه سازی خوشه ها اجتناب ناپذیر خواهد بود. مدل کاربر به عنوان یکی از اصلی ترین مؤلفه های سیستم شخصی سازی وب، اهمیت فراوانی دارد. چنان چه هر چه این مدل به صورت بهتری ساخته شود، توصیه هایی که بر مبنای آن انجام می شود دقیق تر و عمیق تر خواهد بود. هدف از انجام این پروژه ارائه ی روشی برای بهبود خوشه با استفاده از منطق فازی و الگوریتم ژنتیک برای شخصی سازی وب است. در این پایان‌نامه یک متدولوژی بهینه سازی خوشه بر اساس خوشه-بندی فازی K-Means ارائه گردید. از آنجا که در سیستم استنتاج فازی تعیین پارامترهای توابع عضویت، تأثیر مهمی در دقت نهایی خوشه بندی دارد. بنابراین در این سیستم برای تنظیم پارامترهای توابع عضویت از الگوریتم ژنتیک استفاده شد. با این کار، دقت خوشه بندی صفحات وب نیز تا حد زیادی افزایش یافت.
با توجه به شبیه‌سازی‌های صورت گرفته در این تحقیق، نتایج مهمی حاصل گردید که در ادامه بدان اشاره می‌شود.
نتایج و دستاوردهای حاصله از انجام پایان نامه کامپیوتر حاضر
با توجه به شبیه‌سازی‌های صورت گرفته، می‌توان به نتایج زیر رسید:
ارائه ی یک سیستم جدید برای شخصی سازی وب با استفاده از دیتاست YANDEX است.
مدل شخصی سازی وب براساس کندوکاو لاگ های دسترسی وب و با استفاده از تحلیل مدل از طریق آزمایشات انجام شده است.
روش پیشنهادی دقت و یادآوری بهتری نسبت به روش‌های دیگر همچون کار (Varghese, & John, 2012) دارد.
نتایج آزمایشات نشان می دهد که روش پیشنهادی، شخصی سازی وب مؤثر را با استفاده از اندازه‌گیری رضایت مندی و قابلیت اجرایی بودن برای وضعیت های از پیش تعریف شده بدست می‌آورد.
دقت سیستم پیشنهادی با استفاده از روش خوشه بندی فازی و الگوریتم ژنتیک نسبت به سیستم پیشنهادی با استفاده از روش خوشه بندی فازی بیشتر بوده است.
دقت سیستم پیشنهادی نسبت به روش‌های شخصی سازی وب مبتنی بر الگوهای دسترسی کاربر (Wang, & Yue, 2009)، شخصی سازی وب مبتنی بر MWALRM (Peng, & et. al., 2008)، شخصی‌سازی وب مبتنی بر BVSM (Peng, & et. al., 2008) بیشتر است.
با توجه به کارهای انجام شده در منابع مختلف و همچنین روش پیشنهادی در این تحقیق و مقایسه این روش‌ها با هم، می‌توان پیشنهادات زیر را جهت انجام کارهای آتی ذکر کرد:
ترکيب اين روش با روش هاي مدل سازي StereoType
«Stereotype یکی از روش های توسعه‌پذیر در زبان مدلسازی است. یعنی با استفاده از این روش می‌توان مفاهیم جدید به مدلسازی یا تشخیص مدل یا الگو اضافه کرد».
ترکيب اين روش با الگوريتم هاي يادگيري و روش هاي فيلترينگ
«در این روش از الگوریتم‌های یادگیری مانند درخت تصمیم، شبکه بیزین، ماشین بردار پشتیبان (svm) و غیره و الگوریتم‌های فیلترینگ مانند الگوریتم فیلترینگ همکاری، الگوریتم فیلترینگ براساس محتوی و غیره نیز استفاده شود».
استفاده از روش های متاهیورستیک برای بهبود نتایج خوشه بندی فازی
«در این روش از الگوریتم‌های متاهیورستیک دیگر مانند الگوریتم مورچگان، پرندگان، رقابت استعماری و غیره در بهینه‌سازی خوشه‌بندی خصوصاً در الگوریتم فازی استفاده شود».
استفاده از الگوریتم PSO به جای الگوریتم ژنتیک برای بهبود دقت خوشه بندی فازی
خوشه بندی صفحات وب با استفاده از الگوریتم جفت گیری زنبور عسل سلولی
استفاده از خوشه بندی هیبریدی مبتنی بر ازدحام ذرات و کرم شب تاب
