1. Creation of Meta data Data for e

1. Creation of Meta data Data for experimental purpose is collected on the client side because various factors that affect personalization are not correctly reflected in the server side. For example page-view time recorded in the server logs is affected by network delay. Also cache hits are not recorded accurately in server logs [3]. In addition, it is very hard and complex to identify the specific user log information from the server side. Finally scrolling speed cannot be traced from the server side [3, 5]. After collecting data from the client side, the search data is pre-processed for extracting various factors that affect personalization. The following useful information is drawn out from the search data such as: i) User queries ii) Web pages visited iii) Scrolling Speed iv) Click through and v) Page size.
User queries which are the direct indications of user’s interest are directly extracted from the input textbox [refer figure 1]. The Web pages visited by the users are parsed. The text content thus extracted is linguistically pre-processed for stop-word removal and stemming. The root words thus identified are used for indicating that Web page in the database.
Each page visited by the user consists of set of scrolling speeds recorded by the browser [5]. The average, maximum and minimum scrolling speed on a page visited by the user is computed from the set of scrolling speeds. The click through on a page is calculated whenever there was the change in address box in the browser. Change in the content of the address box occurs whenever the user clicks a link/URL available in the page that is currently being visited. The Time/PageSize ratio is derived from the list of pages visited and time spent by the user in the page. A sample raw-data and pre-processed data is shown in Figure 2 & Figure 3 respectively.
Data collection involved 10 distinct users and their search data (524 pages) visited during their search process. A summarization of the data collected is shown in Table 1. The table also highlights average search sessions, search queries issued and Web pages visited per user.

2. Statistical analysis of pre-processed search data The pre-processed user search data are analyzed using SPSS (Statistical Package for the Social Sciences) and StatPlus mathematical tools. The collected user data contains the randomness as well as uncertainty due to drift in their search process. It is tested and measured through frequency test and various statistical measures. A hypothesis test use sample data to test a hypothesis about the population from which the sample was taken. It makes inference about one or more population when sample data are available. Hypothesis test on user data based on timespent on a Web page is considered based on statistical measures (mean, median and mode, etc) such as H0 and H1 called Null hypothesis and Alternative hypothesis respectively. Here H0, H1 are assumed and represented below H0: Data collected highlights randomness as well as uncertainty. H1: H0 is not true The results show that there is an uncertainty that exists in the users’ browsing data. In order to resolve these issues fuzzy approach is incorporated with this model to effectively perform interest label based classification on the users. The randomness and uncertainty that exist in the Timespent on a single page visited by the user in various sessions are shown in Table 2.

ผลลัพธ์ (ไทย) 1:

1. การสร้างข้อมูล Meta ข้อมูลสำหรับวัตถุประสงค์ทดลองจะถูกรวบรวมบนฝั่งไคลเอ็นต์ได้เนื่องจากปัจจัยต่าง ๆ ที่มีผลต่อการตั้งค่าส่วนบุคคลจะไม่ถูกต้องส่งผลในฝั่งเซิร์ฟเวอร์ ตัวอย่าง เวลาดูหน้าถูกบันทึกในแฟ้มบันทึกเป็นผลจากความล่าช้าของเครือข่าย ยัง แคชมจะไม่ถูกบันทึกอย่างถูกต้องในเซิร์ฟเวอร์ล็อก [3] นอกจากนี้ มันจะยาก และซับซ้อนในการระบุข้อมูลล็อกผู้ใช้เฉพาะจากฝั่งเซิร์ฟเวอร์ เลื่อนความเร็วสุดท้าย ไม่สามารถติดตามจากฝั่งเซิร์ฟเวอร์ [3, 5] หลังจากเก็บรวบรวมข้อมูลจากฝั่งไคลเอ็นต์ ค้นหาข้อมูลประมวลผลเบื้องต้นสำหรับการดึงข้อมูลปัจจัยต่าง ๆ ที่มีผลต่อการตั้งค่าส่วนบุคคล ประโยชน์ข้อมูลออกออกจากข้อมูลที่ค้นหาเช่น: ii) เว็บเพจที่เยี่ยมชม iii) เลื่อนเร็ว iv) คลิกผ่านแบบสอบถาม i) ผู้ใช้และ v) หน้าขนาดนั้น สอบถามผู้ใช้ที่เป็นอย่างนั้นโดยตรงของผู้สนใจที่สกัดโดยตรงจากกล่องข้อความเข้า [หมายเลข 1] เว็บเพจที่เยี่ยมชม โดยผู้ใช้จะแยกวิเคราะห์ ข้อความจึง สกัดจะมีประมวลผลเบื้องต้นการกำจัดคำหยุดประเทศ คำหลักที่ระบุดังนั้น จะใช้สำหรับระบุว่า หน้าเว็บในฐานข้อมูล เข้าเยี่ยมชม โดยผู้ใช้แต่ละหน้าประกอบด้วยชุดของการเลื่อนความเร็วในการบันทึก โดยเบราว์เซอร์ [5] มีคำนวณความเร็วเลื่อนเฉลี่ย สูงสุด และต่ำสุดในหน้าการเยี่ยมชม โดยผู้ใช้จากชุดเลื่อนความเร็ว มีคำนวณคลิกผ่านบนหน้าเมื่อใดก็ตามมีการเปลี่ยนแปลงในกล่องที่อยู่ในเบราว์เซอร์ เปลี่ยนแปลงในเนื้อหาของกล่องที่อยู่เกิดขึ้นเมื่อผู้ใช้คลิกการเชื่อม โยง/URL ในหน้าที่การเยี่ยมชมในขณะนี้ อัตราส่วน เวลา/PageSize มาจากรายการของหน้าที่เข้าเยี่ยมชมและเวลาที่ใช้ในเพจ ตัวอย่าง ข้อมูลดิบ และประมวลผลเบื้องต้นข้อมูลจะแสดงในรูปที่ 2 และรูปที่ 3 ตามลำดับ รวบรวมข้อมูลที่เกี่ยวข้องกับผู้ใช้ทั้งหมด 10 รายและค้นหาข้อมูล (หน้า 524) เข้าเยี่ยมชมในระหว่างกระบวนการค้นหา สรุปของข้อมูลที่เก็บจะปรากฏในตารางที่ 1 ตารางยังเน้นค้นหาเฉลี่ยรอบ ออกค้นหา และหน้าเว็บที่เข้าเยี่ยมชมต่อผู้ใช้ 2. สถิติวิเคราะห์ข้อมูลประมวลผลเบื้องต้นการค้นหาข้อมูลค้นหาผู้ใช้ที่ประมวลผลเบื้องต้นเป็นวิเคราะห์โดยใช้โปรแกรม (แพคเกจทางสถิติสำหรับสังคมศาสตร์) และเครื่องมือทางคณิตศาสตร์ StatPlus ผู้รวบรวมข้อมูลประกอบด้วย randomness รวมทั้งความไม่แน่นอนครบกำหนดลอยน้ำในกระบวนการค้นหา มันถูกทดสอบ และวัดความถี่ทดสอบและมาตรการต่าง ๆ ทางสถิติ การทดสอบสมมติฐานใช้ข้อมูลตัวอย่างเพื่อทดสอบสมมติฐานเกี่ยวกับประชากรตัวอย่างถูกนำมา มันทำให้ข้อเกี่ยวกับประชากร น้อยเมื่อข้อมูลตัวอย่าง ทดสอบสมมติฐานกับข้อมูลผู้ใช้ตาม timespent บนเว็บเพจคือพิจารณาตามสถิติวัด (หมายถึง มัธยฐาน และโหมด ฯลฯ) H0 และ H1 ว่าสมมติฐาน Null และสมมติฐานทางเลือกตามลำดับ นี่สมมติ H0, H1 และแสดงใต้ H0: ข้อมูลรวบรวมไฮไลท์ randomness ตลอดจนความไม่แน่นอน H1: H0 ไม่เป็นจริงผลลัพธ์แสดงว่า มีความไม่แน่นอนเป็นที่อยู่ของผู้ใช้เรียกดูข้อมูล เพื่อแก้ไขปัญหาเหล่านี้ วิธีการชัดเจนเป็นส่วนประกอบ ด้วยแบบจำลองนี้จะทำสนใจป้ายตามประเภทผู้ใช้ได้อย่างมีประสิทธิภาพ Randomness และความไม่แน่นอนที่มีอยู่ใน Timespent ในหน้าเดียวเข้าเยี่ยมชม โดยผู้ใช้ในเซสชันต่างๆ แสดงในตารางที่ 2

ผลลัพธ์ (ไทย) 2:

1. การสร้างข้อมูลข้อมูล Meta เพื่อวัตถุประสงค์ในการทดลองจะถูกรวบรวมในฝั่งไคลเอ็นต์เพราะปัจจัยต่างๆที่ส่งผลกระทบต่อส่วนบุคคลที่ไม่ได้สะท้อนให้เห็นอย่างถูกต้องในฝั่งเซิร์ฟเวอร์ ยกตัวอย่างเช่นเวลาที่หน้ามุมมองที่บันทึกไว้ในบันทึกเซิร์ฟเวอร์ได้รับผลกระทบจากความล่าช้าของเครือข่าย นอกจากนี้แคชที่จะไม่ถูกบันทึกอย่างถูกต้องในบันทึกเซิร์ฟเวอร์ [3] นอกจากนี้มันเป็นเรื่องยากมากและมีความซับซ้อนในการระบุข้อมูลเข้าสู่ระบบของผู้ใช้เฉพาะจากฝั่งเซิร์ฟเวอร์ ความเร็วในการเลื่อนในที่สุดไม่สามารถตรวจสอบได้จากฝั่งเซิร์ฟเวอร์ [3, 5] หลังจากที่เก็บรวบรวมข้อมูลจากฝั่งไคลเอ็นต์การค้นหาข้อมูลเป็น pre-ประมวลผลสำหรับการสกัดปัจจัยต่างๆที่ส่งผลกระทบต่อส่วนบุคคล ข้อมูลที่เป็นประโยชน์ต่อไปนี้จะถูกดึงออกมาจากการค้นหาข้อมูลเช่น i) การสอบถามผู้ใช้ ii) เว็บเพจเยี่ยมชม iii) ความเร็วในการเลื่อน iv) การคลิกผ่านและ V) ขนาดหน้า.
การสอบถามผู้ใช้งานที่มีข้อบ่งชี้โดยตรงของความสนใจของผู้ใช้จะถูกสกัดโดยตรง จากช่องป้อนข้อมูล [ดูรูปที่ 1] หน้าเว็บที่เข้าเยี่ยมชมโดยผู้ใช้มีการแยกวิเคราะห์ เนื้อหาข้อความสกัดจึงเป็นภาษาก่อนการประมวลผลสำหรับการกำจัดหยุดคำพูดและการเกิด คำรากระบุจึงถูกนำมาใช้เพื่อแสดงให้เห็นหน้าเว็บที่อยู่ในฐานข้อมูล.
แต่ละหน้าเข้าเยี่ยมชมโดยผู้ใช้ประกอบด้วยชุดของความเร็วในการเลื่อนบันทึกโดยเบราว์เซอร์ได้ [5] เฉลี่ยสูงสุดและความเร็วในการเลื่อนขั้นต่ำในหน้าชมโดยผู้ใช้จะคำนวณจากชุดของความเร็วในการเลื่อน คลิกผ่านหน้ามีการคำนวณเมื่อใดก็ตามที่มีการเปลี่ยนแปลงในกล่องที่อยู่ในเบราว์เซอร์ การเปลี่ยนแปลงในเนื้อหาของกล่องที่อยู่เกิดขึ้นเมื่อใดก็ตามที่ผู้ใช้คลิกที่ลิงค์ / URL ที่มีอยู่ในหน้าเว็บที่กำลังได้รับการเข้าเยี่ยมชม เวลา / อัตราส่วน PageSize มาจากรายการของหน้าเว็บที่เข้าเยี่ยมชมและเวลาที่ใช้โดยผู้ใช้ในหน้า ข้อมูลดิบตัวอย่างและข้อมูลก่อนการประมวลผลจะแสดงในรูปที่ 2 และรูปที่ 3 ตามลำดับ.
การเก็บรวบรวมข้อมูลที่เกี่ยวข้องกับผู้ใช้ 10 คนที่แตกต่างกันและการค้นหาข้อมูลของพวกเขา (524 หน้า) เยี่ยมชมในระหว่างขั้นตอนการค้นหาของพวกเขา สรุปของข้อมูลที่เก็บรวบรวมจะถูกแสดงในตารางที่ 1 ตารางการประชุมยังเน้นการค้นหาโดยเฉลี่ยคำค้นหาที่ออกและเข้าเยี่ยมชมหน้าเว็บต่อผู้ใช้. 2 การวิเคราะห์ทางสถิติก่อนการประมวลผลข้อมูลการค้นหาของผู้ใช้ก่อนการประมวลผลข้อมูลการค้นหาที่มีการวิเคราะห์โดยใช้โปรแกรม SPSS (สถิติแพคเกจสำหรับสังคมศาสตร์) และ StatPlus เครื่องมือทางคณิตศาสตร์ เก็บรวบรวมข้อมูลของผู้ใช้มีแบบแผนเช่นเดียวกับความไม่แน่นอนเนื่องจากการดริฟท์ในกระบวนการค้นหาของพวกเขา มันได้รับการทดสอบและการวัดผ่านการทดสอบความถี่และมาตรการสถิติต่างๆ ทดสอบสมมติฐานการใช้ข้อมูลตัวอย่างในการทดสอบสมมติฐานเกี่ยวกับประชากรจากการที่กลุ่มตัวอย่างถูกนำตัว มันทำให้อนุมานประมาณหนึ่งหรือประชากรมากขึ้นเมื่อข้อมูลตัวอย่างที่มีอยู่ การทดสอบสมมติฐานเกี่ยวกับข้อมูลของผู้ใช้ขึ้นอยู่กับ timespent บนหน้าเว็บจะพิจารณาขึ้นอยู่กับมาตรการทางสถิติ (ค่าเฉลี่ยค่ามัธยฐานและโหมด ฯลฯ ) เช่น H0 และ H1 เรียกว่าสมมติฐานและสมมติฐานทางเลือกตามลำดับ นี่ H0, H1 จะถือว่าและเป็นตัวแทนด้านล่าง H0: ข้อมูลที่รวบรวมแบบแผนไฮไลท์เช่นเดียวกับความไม่แน่นอน H1: H0 ไม่เป็นความจริงผลแสดงให้เห็นว่ามีความไม่แน่นอนที่มีอยู่ในข้อมูลการท่องเว็บของผู้ใช้ เพื่อที่จะแก้ไขปัญหาเหล่านี้วิธีการเลือนจะรวมกับรุ่นนี้ได้อย่างมีประสิทธิภาพดำเนินการจัดหมวดหมู่ป้ายดอกเบี้ยขึ้นอยู่กับผู้ใช้ แบบแผนและความไม่แน่นอนที่มีอยู่ใน Timespent ในหน้าเดียวชมโดยผู้ใช้ในการประชุมต่าง ๆ ที่แสดงในตารางที่ 2

ผลลัพธ์ (ไทย) 3:

1 . การสร้าง Meta ข้อมูลข้อมูลเพื่อวัตถุประสงค์ในการทดลองเก็บข้อมูลในฝั่งไคลเอ็นต์ เพราะปัจจัยต่างๆ ที่มีผลต่อบุคคลที่ไม่ได้สะท้อนให้เห็นอย่างถูกต้องในฝั่งเซิร์ฟเวอร์ ตัวอย่างหน้าดูเวลาที่บันทึกในบันทึกของเซิร์ฟเวอร์จะได้รับผลกระทบจากความล่าช้าของเครือข่าย ยังฮิตแคชไม่ได้มีการบันทึกที่ถูกต้องในเซิร์ฟเวอร์ล็อก [ 3 ] นอกจากนี้มันเป็นเรื่องที่ยากและซับซ้อนเพื่อระบุเฉพาะผู้ใช้เข้าสู่ระบบข้อมูลจากฝั่ง server ในที่สุดก็เลื่อนความเร็วไม่สามารถติดตามได้จากฝั่งเซิร์ฟเวอร์ [ 4 , 5 ] หลังจากรวบรวมข้อมูลจากฝั่งไคลเอ็นต์ , ข้อมูลค้นหาก่อนการประมวลผลเพื่อสกัดปัจจัยต่างๆที่มีผลต่อการตั้งค่าส่วนบุคคล ต่อไปนี้เป็นประโยชน์ข้อมูลถูกดึงออกจากการค้นหาข้อมูลเช่น :สอบถามผู้ใช้ ) 2 ) 3 ) ความเร็วในการเลื่อนหน้าเว็บเข้าชม 4 ) คลิกผ่านและ V ) ขนาดหน้า
ผู้ใช้แบบสอบถามซึ่งมีสรรพคุณโดยตรงตามความสนใจของผู้ใช้โดยตรง สารสกัดจากข้อมูลอ้างอิงช่อง [ 1 รูป ] หน้าเว็บที่เข้าชมโดยผู้ใช้จะแจง เนื้อหาข้อความที่สกัดจึงเป็นทางภาษาก่อนการประมวลผลเพื่อกำจัดคำหยุดและกั้น .รากคำที่ระบุซึ่งใช้สำหรับแสดงเว็บเพจที่อยู่ในฐานข้อมูล
แต่ละหน้าเข้าชมโดยผู้ใช้ประกอบด้วยชุดของการเลื่อนความเร็วบันทึกโดยเบราว์เซอร์ [ 5 ] เฉลี่ยสูงสุดและต่ำสุดความเร็วในการเลื่อนบนหน้าเว็บที่เข้าเยี่ยมชม โดยผู้ใช้จะคำนวณจากการตั้งค่าการเลื่อนความเร็วคลิกผ่านในหน้าคำนวณทุกครั้งที่มีการเปลี่ยนกล่องที่อยู่ในเบราว์เซอร์ การเปลี่ยนแปลงในเนื้อหาของกล่องที่อยู่เกิดขึ้นเมื่อผู้ใช้คลิกที่ลิงค์ URL ของเพจที่กำลังเยี่ยมชม เวลาอัตราส่วน / ขนาดกระดาษที่ได้มาจากรายการของหน้าเว็บที่เข้าเยี่ยมชมและเวลาที่ใช้โดยผู้ใช้ในหน้าตัวอย่างและข้อมูลก่อนการประมวลผลข้อมูลดิบ คือ แสดงในรูปที่ 2 &รูปที่ 3 ตามลำดับ การเก็บรวบรวมข้อมูลที่เกี่ยวข้องกับ 10
แตกต่างกันของผู้ใช้และข้อมูลการค้นหาของพวกเขา ( และหน้า ) เข้าเยี่ยมชมในระหว่างการค้นหาของพวกเขา สรุปจากข้อมูลที่แสดงไว้ในตารางที่ 1 โต๊ะยังเน้นการค้นหาที่ออกโดยรอบ , และหน้าเว็บที่เข้าเยี่ยมชม ต่อผู้ใช้

2การวิเคราะห์ทางสถิติของการค้นหาข้อมูลก่อนการประมวลผลก่อนการประมวลผลที่ผู้ใช้ค้นหาข้อมูล วิเคราะห์ข้อมูลโดยใช้โปรแกรมสำเร็จรูป SPSS ( Statistical Package for the Social Sciences ) และเครื่องมือทางคณิตศาสตร์ statplus . ข้อมูลผู้ใช้มีการสุ่ม ตลอดจนความไม่แน่นอนเนื่องจากการล่องลอยในกระบวนการค้นหา มันคือการทดสอบและวัดผ่านทดสอบความถี่ และมาตรการทางสถิติต่าง ๆการทดสอบสมมติฐานใช้ข้อมูลตัวอย่างเพื่อการทดสอบสมมุติฐานเกี่ยวกับประชากรที่ใช้ถ่าย มันทำให้การอนุมานเกี่ยวกับหนึ่งหรือมากกว่าประชากรเมื่อตัวอย่างข้อมูลที่มีอยู่ การทดสอบสมมติฐาน ข้อมูลผู้ใช้ขึ้นอยู่กับการใช้เวลาบนหน้าเว็บจะพิจารณาตามมาตรการทางสถิติ ( ค่าเฉลี่ย มัธยฐานและฐานนิยมฯลฯ ) เช่น และตั้งสมมุติฐาน H0 H1 เป็นโมฆะ และสมมติฐานทางเลือก ตามลำดับ ที่นี่ H0 , H1 สมมติแสดงด้านล่าง H0 : ข้อมูลที่รวบรวมไฮไลท์การสุ่ม ตลอดจนความไม่แน่นอน H1 : H0 เป็นจริงและพบว่ามีความไม่แน่นอนที่มีอยู่ในของผู้ใช้เรียกดูข้อมูลเพื่อแก้ไขปัญหาเหล่านี้วิธีการฟัซซี่จะรวมกับรุ่นนี้ มีการติดป้ายแสดงความสนใจเกี่ยวกับผู้ใช้ การสุ่มและความไม่แน่นอนที่มีอยู่ในการใช้เวลาในหน้าเดียวที่เข้าชมโดยผู้ใช้ในช่วงต่างๆจะถูกแสดงในตารางที่ 2