Hybrid method for prediction of users’ information behavior in the Internet based on bioinspired search

Abstract

The paper presents the method of predicting the learner preferences to make recommendations for building the behavior profile for recommender systems (assistants) personalizing the educational activity in the Internet space. To form the personal information offer and to identify the groups of collaborative filtration of the users with similar preferences, the authors propose the hybrid model of collaborative filtration based on the Item-Item CF and User-User CF methods simultaneously. To reduce the size of space during the search process, the author present a novel heuristic bioinspired algorithm based on the fish school behavior in nature. This method can be characterized by the ability to scale and process the sparse data. To estimate the quality of the developed algorithm, experimental research was carried out on the basis of the benchmark dataset MovieLens.

METHOD FOR SEARCHING SEQUENTIAL PATTERNS OF USER'S BEHAVIOR ON THE INTERNET

“…В настоящее время для поиска закономерностей при решении задач, связанных с необходимостью извлечения новых знаний при обработке данных об активности пользователей при взаимодействии с Интернет-ресурсами открытой информационно-образовательной среды, получили методы машинного обучения: ассоциативные правила и последовательные паттерны [1][2][3]. Задача поиска закономерностей в таких данных связана с необходимостью обнаружения и анализа возможных ассоциативных последовательностей событий поисковой сессии при выполнении поставленных перед пользователем задач [3][4][5][6]. Исследуемые объекты данных описываются числовыми признаками, поэтому для поиска ассоциативных зависимостей и построения на их основе последовательных паттернов необходимо осуществлять предварительную обработку таких атрибутов с учетом значимости признаков [4,7].…”

“…повторяющиеся последовательности действий [8][9][10]. Однако существующие методы анализа ориентированы на поиск лишь предопределенных исследователями шаблонов, основанных на заранее собранных рекомендациях и гипотезах относительно того, как пользователь взаимодействует с Интернет-пространством [6,[11][12][13]. Данные методы не используют существующие методы интеллектуального анализа ассоциативных правил и последовательных паттернов для поиска новых (ранее неизвестных) зависимостей в данных о сетевой активности пользователей.…”

Recommendation Assistant System for Social Networks and Search Services Based on Population Filtering Algorithm

“…The introduction of some characteristics of the content model into collaborative filtering systems implies that such hybrid recommender systems are not only built on a collaborative component but also include some content filtering data in the user profile. These data serve as the basis for calculating the similarity of user preferences instead of the overall evaluated objects [7,8]. Not only objects with good reviews from other users are recommended for the user, but also those objects that the user may like based on his personal preferences.…”