Web Kullanıcıları İçin Öneri Modelleri: Kullanıcı İlgisi Modeli Ve Tıklama İzi Ağacı

Abstract

Bu çalışmada, bir Web kullanıcısının bir sonraki isteğini öngörmek için iki yeni model önerilmiştir. Modeller, bir Web kullanıcısına bir Web sitesini ziyareti sırasında yol göstermek üzere bir öneri kümesi oluşturmak için geliştirilmişlerdir. Birinci model (kullanıcı ilgisi modeli) kullanıcı oturumlarındaki sayfa isteklerinin erişim sırasını göz önünde bulundurmadan yalnızca sayfa ziyaret süresini ve sayfa ziyaret sıklığını kullanır. Ortaya çıkan model en az daha önce önerilen modeller kadar doğru öngörü sağlarken daha az çalıştırma hesaplaması ve bellek gereksinimine sahiptir. İkinci model (tıklama izi ağacı) hem ziyaret edilen sayfaların düzenini hem de bu sayfalarda geçirilen süreyi göz önünde bulundurur. Değişik Web siteleri üzerinde yapılan deneyler modellerin Web siteleri arasında sağlam olduğunu ve cep belleğe alma içinde kullanılabileceğini göstermektedir. Sonuçlar sürenin uygun normalizasyonunun iyi bir öngörü doğruluğu getirdiğini göstermiştir. Ayrıca modeller Web kullanıcılarının erişim örüntülerini temsil etmede oldukça etkilidir ve hız ve bellek kullanımı açısından daha önceki önerilere göre bir avantaja sahiptir.

In this study, we present two new models for prediction of the next request of a Web user. The models have been developed for generating a recommendation set for Web users in order to guide them during their visit to a Web site. The first model (User Interest Model) uses only the visiting time and visiting frequencies of pages without considering the access order of page requests in user sessions. The resulting model has lower run-time computation and memory requirements, while providing predictions that are at least as precise as previous proposals. The second model (Click-stream tree model) uses both the sequences of visiting pages and the time spent on that pages. The results of the experiments on different Web sites show that the models are robust across Web sites and they could be used for caching as well. The results show that proper normalization of time yields a good prediction accuracy. Furthermore, the models are quite effective in representing a Web user s access pattern and have an advantage over previous proposals in terms of speed and memory usage.