Все выпуски

Задачи поиска релевантной информации создают значительные трудности для пользователей из-за огромного объема данных, доступных в интернет. Эти трудности связаны с известной проблемой информационной перегрузки. В этой работе мы предлагаем онлайн-веб-помощник под названием OWNА. Мы разработали полностью интегрированную платформу для выработки рекомендаций в режиме реального времени, основанную на методах анализа журналов использования веб. Наша работа начинается с подготовки исходных данных, а затем извлечения полезной информации, которая помогает построить базу знаний, а также присваивает определенный вес определенным факторам. Эксперименты показывают преимущества предложенной модели по сравнению с альтернативными подходами.

The problem of finding relevant data while searching the internet represents a big challenge for web users due to the enormous amounts of available information on the web. These difficulties are related to the well-known problem of information overload. In this work, we propose an online web assistant called OWNA. We developed a fully integrated framework for making recommendations in real-time based on web usage mining techniques. Our work starts with preparing raw data, then extracting useful information that helps build a knowledge base as well as assigns a specific weight for certain factors. The experiments show the advantages of the proposed model against alternative approaches.

Формирование клиентских групп и извлечение информации для этих групп являются важными задачами онлайн-бизнеса, так как это позволяет наиболее полно применить методики маркетинга. Частные лица могут быть лично обслужены группами, в соответствии с выявленными интересами и предпочтениями. В данной статье мы предлагаем способ определения и создания пользовательских групп путем обработки данных использования сайтов. Используя данные журнала веб-сервера, мы заходим на выбранный сайт, просматриваем и обрабатываем текстовый контент страниц сайта. Данный подход базируется на технологии обработки естественного языка и использует методы кластеризации текстовых документов. Экспериментальное тестирование данного метода было проведено с помощью программного продукта RapidMiner и данных посещения сайта болгарского Интернет-магазина.

Customer grouping and knowledge extraction for these groups are important to online businesses because it allows purposeful application of marketing techniques. Individuals can be personally served with the groups, depending on the identified interests and preferences. In this article, we suggest a way to identify and create user groups by processing website usage data. We use the logs stored in the server log data for the visit to a selected website and then retrieve and process the text content of the visited web pages. The approach is based on the technology for natural language processing and uses the methods for clustering of text documents. The experimental testing of this method is done with the software product RapidMiner and data from visits to a Bulgarian e-shop.