چکیده فارسی :

سازمان های تجارت الکترونیکی از هر دو منظر کسب و کار و داده در حال رشد نمایی می باشند. بسیاری از سازمان ها به این وب سایت ها برای جذب مشتریان جدید و حفظ مشتریان موجود متکی می باشند. به منظور دستیابی به این هدف فایل های ورودی وب می توانند برای ثبت الگوهای دسترسی مشتری، مورد استفاده قرار گیرند. با به کارگیری تکنیک های کاوش استفاده از وب مرسوم، به شیوه ای بهبود یافته، الگوهای ارزشمند و اطلاعات پنهان را می توان کشف نمود. این مقاله بر ارائه توصیه ی پویای زمان واقعی برای همه ی بازدید کنندگان از وب سایت بدون در نظر گرفتن ثبت نام شدن یا نشدن آن ها متمرکز شده است. روش توصیه ی منطقی بر اساس عمل، پیشنهاد شده است که از الگوهای لغوی برای تولید توصیه ی آیتم استفاده می کند. اثربخشی سیستم پیشنهادی با جمع آوری داده های زمان واقعی تجارت الکترونیکی و مقایسه سیستم با تکنیک های مبتنی بر کاربر و مبتنی بر محصول، مورد بررسی قرار گرفته است. نتایج نشان می دهند که سیستم پیشنهادی دقت عملکردی با کیفیت خوبی را دارا می باشد و محدودیت های سیستم های توصیه ی مرسوم را به حداقل می رساند.

کلمات کلیدی: فایل ثبت وقایع مشترک، تجارت الکترونیکی، الگوهای لغوی، توصیه شخصی، کاوش استفاده از وب

چکیده انگلیسی:

E-commerce organizations are growing exponentially with time in terms of both business and data. Many organizations rely on these websites to attract new customers and retain the existing ones. In order to achieve this goal web log files can be used that records customer’s access patterns. Using traditional web usage mining techniques in an enhanced manner valuable patterns and hidden knowledge can be discovered. This paper focuses on providing real time dynamic recommendation to all the visitors of the website irrespective of been registered or unregistered. Action based rational recommendation technique is proposed that makes use of lexical patterns to generate item recommendation. Effectiveness of the proposed system is evaluated by collecting real time E commerce data and comparing the system with user based and product based techniques. Results prove that the proposed system yield good quality accuracy and minimizes limitations of traditional recommendation system. 
Keywords: Common log file , E-commerce , Lexical Patterns , Personalized recommendation , Web usage mining