Practically every major company wit

Practically every major company with a retail operation has its own web site and online sales facilities. This paper describes a toolset that exploits web usage data mining techniques to identify customer Internet browsing patterns. These patterns are then used to underpin a personalised product recommendation system for online sales. Within the architecture, a Kohonen neural network or self-organizing map (SOM) has been trained for use both offline, to discover user group profiles, and in real-time to examine active user click stream data, make a match to a specific user group, and recommend a unique set of product browsing options appropriate to an individual user. Our work demonstrates that this approach can overcome the scalability problem that is common among these types of system. Our results also show that a personalised recommender system powered by the SOM predictive model is able to produce consistent recommendations.

Results (Thai) 1:

ทุกบริษัทใหญ่ มีการดำเนินการขายปลีกมีเว็บไซต์ของตนเองและสิ่งอำนวยความสะดวกขายออนไลน์ เอกสารนี้อธิบายถึงงานที่นำเว็บใช้เทคนิคข้อมูลเหมืองเพื่อระบุรูปแบบการเรียกดูอินเทอร์เน็ตของลูกค้า รูปแบบเหล่านี้จะมีการใช้เพื่อหนุนฟอร์ดที่มีระบบผลิตภัณฑ์ตามคำแนะนำสำหรับการขายออนไลน์ ภายในสถาปัตยกรรม Kohonen โครงข่ายประสาทหรือแผนที่จัดการตนเอง (ส้ม) ได้รับการอบรมเรื่องใช้ทั้งแบบออฟไลน์ เยือนโพรไฟล์ผู้ใช้กลุ่ม และในเวลาจริง เพื่อตรวจสอบการใช้งาน ผู้ใช้คลิสตรีมข้อมูล ให้ตรงกลุ่มผู้ใช้เฉพาะ และแนะนำผลิตภัณฑ์เรียกดูตัวเลือกที่เหมาะสมกับผู้ใช้แต่ละชุดไม่ซ้ำ งานของเราแสดงให้เห็นว่า วิธีนี้สามารถเอาชนะปัญหาขนาดที่พบบ่อยชนิดเหล่านี้ของระบบ ผลของเราแสดงว่าระบบผู้แนะนำเอาใจใส่โดยแบบจำลองการคาดการณ์ส้มสามารถผลิตคำแนะนำที่สอดคล้องกัน

Results (Thai) 2:

จวนทุก บริษัท ใหญ่ที่มีการดำเนินการค้าปลีกมีเว็บไซต์ของตัวเองและสิ่งอำนวยความสะดวกการขายออนไลน์ กระดาษนี้จะอธิบายชุดเครื่องมือที่ใช้ประโยชน์จากเทคนิคการทำเหมืองข้อมูลการใช้งานเว็บเพื่อระบุรูปแบบการท่องอินเทอร์เน็ตของลูกค้า รูปแบบเหล่านี้ถูกนำมาใช้เพื่อหนุนระบบแนะนำผลิตภัณฑ์ส่วนบุคคลสำหรับการขายออนไลน์ ภายในสถาปัตยกรรมเป็น Kohonen เครือข่ายประสาทหรือแผนที่ตัวเองจัดระเบียบ (SOM) ได้รับการฝึกอบรมสำหรับการใช้งานแบบออฟไลน์ทั้งสองที่จะค้นพบผู้ใช้โปรไฟล์กลุ่มและในเวลาจริงเพื่อตรวจสอบกระแสข้อมูลผู้ใช้คลิกที่ใช้งานให้ตรงกับผู้ใช้ที่เฉพาะเจาะจง กลุ่มและแนะนำชุดที่เป็นเอกลักษณ์ของตัวเลือกการเรียกดูผลิตภัณฑ์ที่เหมาะสมกับผู้ใช้แต่ละคน การทำงานของเราแสดงให้เห็นว่าวิธีการนี​​้สามารถเอาชนะปัญหา scalability ที่พบบ่อยในหมู่เหล่านี้ประเภทของระบบ ผลของเรายังแสดงให้เห็นว่าระบบ recommender ส่วนบุคคลที่ขับเคลื่อนโดยแบบจำลองทำนาย SOM สามารถผลิตคำแนะนำที่สอดคล้องกัน

Results (Thai) 3:

ใหญ่ๆเกือบทุก บริษัท ที่มีการดำเนินการค้าปลีกมีเว็บไซต์ของตัวเองและเครื่องขายของออนไลน์ กระดาษนี้จะอธิบายเป็นชุดเครื่องมือที่ใช้ประโยชน์จากเว็บการทำเหมืองข้อมูลการใช้เทคนิคในการระบุลูกค้าอินเทอร์เน็ตเรียกดูรูปแบบ รูปแบบเหล่านี้จะใช้เพื่อหนุนระบบแนะนำผลิตภัณฑ์ส่วนบุคคลสำหรับการขายออนไลน์ ในสถาปัตยกรรมการเป็นเครือข่ายประสาทหรือบนแผนที่ ( SOM ) ที่ได้รับการฝึกให้ใช้ทั้งแบบออฟไลน์ การค้นพบ โปรไฟล์ผู้ใช้ กลุ่ม และในเวลาจริงเพื่อตรวจสอบการใช้งานของผู้ใช้คลิกที่กระแสข้อมูลให้ตรงกับกลุ่มผู้ใช้ที่เฉพาะเจาะจงและแนะนำชุดเฉพาะของผลิตภัณฑ์เรียกดูเลือกเหมาะสมกับผู้ใช้แต่ละบุคคลงานของเราแสดงให้เห็นว่าวิธีการนี้สามารถเอาชนะปัญหาที่พบโดยทั่วไปในหมู่ทั้งหมดเหล่านี้ประเภทของระบบ ผลของเรายังแสดงให้เห็นว่า บุคคลผู้แนะนำระบบขับเคลื่อนโดย som รูปแบบการทำนายสามารถผลิตข้อเสนอแนะที่สอดคล้องกัน