ISSN: 2165- 7866
Molae Fard
Hoje, devido ao crescente crescimento das páginas web, parece ser necessária a existência de um sistema que consiga extrair a informação que os utilizadores necessitam a partir da enorme quantidade de dados disponíveis na web. Para tal, precisamos de personalizar os sistemas em questão. Uma das melhores formas de personalizar o seu sistema é utilizar sistemas de recomendação. Os sistemas de recomendação são sistemas que podem fornecer sugestões apropriadas ao utilizador, obtendo informações limitadas do utilizador. Os sistemas de recomendação podem prever os pedidos futuros de um utilizador e, em seguida, gerar uma lista das páginas favoritas do utilizador. Por outras palavras, pode ser obtido um índice preciso do comportamento do utilizador e pode ser prevista uma página que o utilizador irá selecionar no próximo movimento, o que pode resolver o problema de arranque a frio do sistema e melhorar a qualidade da pesquisa. Neste artigo é proposto um novo método para melhorar os sistemas de recomendação na área web, que utiliza o algoritmo de clustering DBSCAN para clustering de dados, que atinge uma pontuação de eficiência de 99%. De seguida, utilizando o algoritmo Page rank, as páginas favoritas do utilizador são pesadas. De seguida, utilizando o método SVM, categorizamos os dados e fornecemos ao utilizador um sistema de recomendação híbrido para gerar uma previsão, que eventualmente fornecerá ao recomendador uma lista de páginas nas quais o utilizador pode estar interessado. a utilização deste método proposto pode atingir uma pontuação de 95% na secção de chamadas e uma pontuação de 99% na secção de precisão, o que prova que este sistema de recomendação pode atingir até 90%. Identifique as páginas dos utilizadores corretamente e reduza bastante os pontos fracos de outros sistemas anteriores.