Homeकंप्‍यूटर टिप्‍स एंड ट्रिक्‍सइंटरनेटBrowsing Behaviour Model in Hindi: ब्राउजिंग बिहेवियर मॉडल क्या है?

Browsing Behaviour Model in Hindi: ब्राउजिंग बिहेवियर मॉडल क्या है?

What is Browsing Behaviour Model in Hindi – Browsing Behaviour Model Kya Hai

ब्राउजिंग बिहेवियर मॉडल क्या है?

Web Browsing Behaviour कई क्षेत्रों में अध्ययन का विषय है – वेब उपयोग माइनिंग से लेकर एडेप्टिव और व्यक्तिगत सिस्‍टम में इसके एप्लिकेशन के लिए। वर्तमान वेब ब्राउज़र पैरेलल ब्राउज़िंग की अनुमति देते हैं – एक साथ कई वेब पेज खोलना और उनके बीच स्विच करना। इस तरह के व्यवहार को पकड़ने के लिए, क्लाइंट-साइड अवलोकन आमतौर पर किए जाते हैं, जहां पर्याप्त प्रतिभागियों को आकर्षित करना और बनाए रखना एक चुनौती बन जाता है।

इस लेख में, हम एक पर्सनलाइज्‍ड वेब-आधारित एजूकेशन सिस्‍टम और खुले वेब पर पैरेलल ब्राउज़िंग व्यवहार को लॉग करने पर एक प्रयोग के आधार पर एक अध्ययन का वर्णन करते हैं, जबकि शैक्षिक प्रणाली का उपयोग प्रतिभागियों को भर्ती करने और प्रेरित करने के लिए एक टूल के रूप में करते हैं।

हम इस बात पर ध्यान केंद्रित करते हैं कि विभिन्न प्रकार के यूजर्स (यहां के छात्र), उनके व्यक्तित्व की जानकारी सहित, मंथन और उनके देखे गए व्यवहार के प्रयोग में कैसे भाग लेते हैं।

What is Browsing Behaviour Model in Hindi – Browsing Behaviour Model Kya Hai

What is Browsing Behaviour Model in Hindi - Browsing Behaviour Model Kya Hai

ब्राउजिंग बिहेवियर मॉडल क्या है?

वस्तुतः प्रत्येक व्यावसायिक वेबसाइट अपनी साइट पर आने वाले ट्रैफ़िक की निगरानी करती है और अपने स्वयं के विज़िटर के डेटा को कैप्चर करती है। इन विज़िटर के देखे गए व्यवहार को देखते हुए, ग्राहक आधार की ठोस समझ विकसित करना संभव है। यह, बदले में, प्रबंधकों को संभावित भविष्य के व्यवहार पैटर्न की भविष्यवाणी करने और भविष्य के मार्केटिंग प्रयासों के लिए ग्राहकों की प्रतिक्रिया निर्धारित करने में सक्षम कर सकता है।

जैसे-जैसे इनफॉर्मेशन टेक्‍नोलॉजी तेजी से आगे बढ़ रही है, इस प्रकार के क्लिकस्ट्रीम डेटा की मात्रा और समृद्धि प्रबंधकों को उनके ग्राहक संबंध प्रबंधन (CRM) प्रयासों को संचालित करने के लिए एक मूल्यवान टूल प्रदान करती रहेगी।

हालांकि, एक साइट के लिए एकत्र किए गए इंटरनेट क्लिकस्ट्रीम डेटा की जांच करने पर साहित्य बढ़ रहा है, ऐसे डेटासेट स्वाभाविक रूप से अपूर्ण हैं क्योंकि वे आम तौर पर कई वेबसाइटों पर खरीदारी के व्यवहार को कैप्चर नहीं करते हैं।

एक या एक से अधिक अन्य साइटों पर एक ग्राहक के विज़िट पैटर्न रुचि की साइट पर उसके भविष्य के विज़िट पैटर्न के समय और आवृत्ति के बारे में प्रासंगिक जानकारी प्रदान कर सकते हैं।

जबकि वर्ल्ड वाइड वेब में बड़ी मात्रा में जानकारी होती है, वेब यूजर्स के लिए अक्सर वह जानकारी प्राप्त करना मुश्किल होता है जो वे चाहते हैं। जबकि आधुनिक सर्च इंजनों ने अब अरबों वेब पेजों की खोज को रोज़मर्रा की घटना बना दिया है, फिर भी इस दृष्टिकोण के लिए यूजर को स्पष्ट रूप से एक खोज शुरू करने और एक विशिष्ट खोज क्वेरी तैयार करने की आवश्यकता होती है।

एक अन्य दृष्टिकोण में वेब पर रहते हुए उपयुक्त लिंक का पालन करना शामिल है; यह भी चुनौतीपूर्ण है क्योंकि यूजर हमेशा यह निर्धारित नहीं कर सकते हैं कि कौन से लिंक वहां प्रासंगिक जानकारी तक ले जा सकते हैं।

इसलिए लक्ष्य एक क्लाइंट-साइड वेब अनुशंसा प्रणाली है जो यूजर के ब्राउज़िंग व्यवहार को आसानी से देखता है, फिर इस जानकारी का उपयोग वेब पर कहीं से भी प्रासंगिक पेजेज का सुझाव देने के लिए करता है, बिना यूजर को कोई अतिरिक्त इनपुट प्रदान करने की आवश्यकता के बिना।

चूंकि वेब का उपयोग करते हुए रोजमर्रा की जिंदगी के अधिक से अधिक पहलुओं को पूरा किया जा रहा है, यदि पूरी तरह से वेब पर नहीं है, तो वेब ब्राउज़िंग व्यवहार का अवलोकन और विश्लेषण करना महत्वपूर्ण हो जाता है। यह समझकर कि यूजर वेबसाइटों को कैसे ब्राउज़ करते हैं, या तो एक वेब-आधारित प्रणाली के भीतर, या सामान्य रूप से खुले वेब पर विषम प्रणालियों में, हम संभवतः किसी भी पर्सनलाइज्‍ड और कस्‍टमाइज्‍ड सुविधा में सुधार कर सकते हैं जो यूजर व्यवहार (अर्थात निहित प्रतिक्रिया) पर आधारित हो सकती है, जैसे जैसा:

  • डोमेन मॉडलिंग – वेब पर यूजर की आवाजाही के आधार पर पृष्ठों के बीच लिंक बनाना, डोमेन शर्तों के बीच लिंक बनाना, या सामग्री को डोमेन शब्द असाइन करना।
  • यूजर मॉडलिंग – यूजर की वर्तमान रुचियों की खोज करना और पृष्ठों पर उनके आने से भविष्य की भविष्यवाणी करना।
  • रिकमेंडेशन सिस्‍टम – एक पेज से दूसरे पेजेज पर यूजर्स की विज़िट के पैटर्न का अवलोकन करना और समान यूजर्स के लिए प्रासंगिक पेजेज की अनुशंसा करना।

यूजर कैसे वेब ब्राउज़ करते हैं इसका एक महत्वपूर्ण पहलू आधुनिक वेब ब्राउज़र से उपजा है।

ये न केवल एक साथ कई विंडो खोलने की अनुमति देते हैं, बल्कि टैब का उपयोग करके एक ही विंडो में कई वेब पेज खोलने की भी अनुमति देते हैं। इस तरह के व्यवहार को पैरेलल ब्राउज़िंग या टैब्ड ब्राउज़िंग कहा जाता है।

चूंकि कई वेब पेज यूजर के लिए उन्हें लोड या पुनः लोड किए बिना पहुंच योग्य हैं, टैबबिंग ने पारंपरिक वेब उपयोग खनन दृष्टिकोण को बदल दिया है।

परंपरागत रूप से, सर्वर-साइड लॉग-आधारित वेब उपयोग मा‍इनिंग पेज लोड घटनाओं पर विचार करता है, लेकिन पैरेलल ब्राउज़िंग के साथ, यूजर इन पेज लोड घटनाओं को उत्पन्न किए बिना विभिन्न यूजर कार्यों के लिए जिम्मेदार विभिन्न पेजेज के साथ खुले टैब के बीच नेविगेट करके संदर्भों को स्विच कर सकता है जो दिखाई दे सकते हैं सर्वर-साइड लॉगिंग के लिए। यूजर विभिन्न तरीकों से एक पेज भी खोल सकता है।

एक लिंक को उसी टैब में खोला जा सकता है, वर्तमान में खोले गए पेज को बदलकर, या एक नए टैब में, सोर्स पेज को खुला छोड़कर और ब्राउज़िंग एक्शन ट्री को ब्रांच किया जा सकता है। इसलिए, जब सर्वर-साइड लॉगिंग में पेज लोड घटना देखी जाती है, तब भी जब हम पैरेलल ब्राउज़िंग को ध्यान में रखते हैं तो यह भिन्न ब्राउज़िंग क्रियाओं का प्रतिनिधित्व कर सकता है।

परंपरागत रूप से लॉग की गई क्रियाओं से विभिन्न निष्कर्ष निकाले जा सकते हैं, उदा। जब यूजर एक ही पेज से एक लिंक पर क्लिक करके दो अलग-अलग पेजेज को लोड करता है, तो पेज अभी भी दूसरे क्लिक के लिए मौजूद होना चाहिए और इसलिए पहला क्लिक शाखा में होना चाहिए; या ब्राउज़िंग में कार्यों की खोज की जा सकती है और फिर ब्राउज़िंग व्यवहार का अनुमान लगाया जा सकता है।

हालांकि, कई पेजेज (टैब) का उपयोग करने और उनके बीच स्विच करने सहित यूजर ब्राउज़िंग व्यवहार को पूरी तरह से पकड़ने और विश्लेषण करने के लिए, और यूजर व्यवहार के आधार पर उपरोक्त वैयक्तिकरण और अनुकूलन सुविधाओं की अनुमति देने के लिए, किसी को क्लाइंट-साइड ट्रैकिंग का उपयोग करना चाहिए और निरीक्षण करना चाहिए अपने ब्राउज़र में यूजर कंप्यूटर पर कार्रवाई।

एक एकल वेब-आधारित प्रणाली इस प्रणाली द्वारा प्रस्तुत पेजेज में क्लाइंट-साइड-निष्पादित स्क्रिप्ट को शामिल करके और ब्राउज़िंग ट्री को फिर से संगठित करने के लिए एकाधिक पेजेज (सिंगल पेजेज को सक्रिय/निष्क्रिय) में यूजर क्रियाओं को एकत्रित करके क्लाइंट-साइड पर अपने यूजर्स को आसानी से ट्रैक कर सकती है। हमने पहले इस तरह के दृष्टिकोण का उपयोग एडेप्टिव वेब-आधारित शैक्षिक प्रणाली ALEF (एडेप्टिव लर्निंग फ्रेमवर्क) के भीतर यूजर ब्राउज़िंग को पकड़ने के लिए किया था।

हालाँकि, यूजर विभिन्न स्थितियों में विभिन्न वेब सिस्टमों में टैब में ब्राउज़ करते हैं, एक दूसरे के खिलाफ पेजेज की तुलना करने से लेकर, अक्सर उपयोग किए जाने वाले लोगों को हाथ में रखने, बुकमार्क या टूडू सूची बनाने, बस मल्टीटास्किंग तक। इस तरह के व्यवहार का पालन करने के लिए, ट्रैकिंग सभी पेजेज में की जानी चाहिए, उदा. एक एडेप्टिव प्रॉक्सी का उपयोग करके जो स्क्रिप्ट को इसके माध्यम से गुजरने वाले वेब पेजों में इंजेक्ट करता है, या सीधे ब्राउज़र एक्सटेंशन के माध्यम से यूजर के ब्राउज़र को देखकर।

स्कूल, कार्यस्थल आदि में कनेक्शन की निगरानी के अलावा, जहां एक इंटरसेप्टिंग प्रॉक्सी [12] या ब्राउज़र को आधिकारिक रूप से कॉन्फ़िगर किया जा सकता है, ऐसे में भाग लेने के लिए संशोधित नेटवर्क सेटिंग्स या ब्राउज़र एक्सटेंशन स्थापित करने के लिए सक्रिय यूजर भागीदारी प्रयोग की आवश्यकता होती है।

इसलिए ब्राउज़िंग व्यवहार के अध्ययन को अक्सर एक विकल्प का सामना करना पड़ता है, या तो:

  • सर्वर-साइड डेटा का निष्क्रिय रूप से उपयोग करें जो सभी विज़िटर से आसानी से देखे जा सकते हैं, लेकिन वे अपने ब्राउज़िंग व्यवहार की उन्नत सुविधाओं, जैसे पैरेलल ब्राउज़िंग पर विवरण प्रदान नहीं करते हैं। या:
  • क्लाइंट-साइड सॉफ़्टवेयर के साथ प्रतिभागियों की सक्रिय रूप से निगरानी करें, लेकिन लॉगिंग सॉफ़्टवेयर को स्वेच्छा से स्थापित करने के लिए पर्याप्त प्रतिभागियों को आकर्षित करना (उनके स्वाभाविक व्यवहार का निरीक्षण करने के लिए) और इन प्रतिभागियों को बनाए रखना आमतौर पर एक चुनौती बन जाता है।

ऐतिहासिक रूप से, सूचना-परिवर्तन शैली दृष्टिकोण स्पष्ट प्रश्नों की आवश्यकता से बचते हैं, लेकिन वे मानते हैं कि यूजर के पास दीर्घकालिक हित हैं जिनका उपयोग सामग्री के चल रहे, गतिशील रूप से बदलते प्रवाह से प्रासंगिक सामग्री को चुनने के लिए किया जा सकता है। इस मामले में, यूजर के हितों को उस सामग्री के व्यापक ऐतिहासिक नमूनों पर सांख्यिकीय अनुमान द्वारा निर्धारित किया जा सकता है जिसे यूजर पसंद करता है। वैकल्पिक रूप से, सूचना सहायकों को क्षणिक अल्पकालिक सूचना आवश्यकताओं के लिए प्रभावी ढंग से प्रतिक्रिया देने के लिए डिज़ाइन किया गया है जो बड़े स्‍टैटिक स्‍टोरेज में स्‍टोर कंटेंट का उपयोग करके कार्य से कार्य में भिन्न होती हैं। इसके विपरीत, हम न तो स्पष्ट क्वेरी के बिना और न ही पिछली सामग्री के बड़े नमूने के बिना यूजर की वर्तमान जानकारी की आवश्यकता को निर्धारित करने के लिए एक मेथड प्रस्तुत करते हैं।

मॉडल हमारे वर्तमान कार्य के प्रयोजनों के लिए, हम कुछ जानकारी प्राप्त करने के लिए वेब का उपयोग करने वाले यूजर्स पर ध्यान केंद्रित करते हैं। हमारा लक्ष्य स्वचालित रूप से यूजर को अतिरिक्त प्रासंगिक सामग्री प्रदान करना है, जो कि उनके वर्तमान पेज पर या तो लिंक द्वारा तुरंत प्रकट किया जाएगा, या एक खोज क्वेरी से परिणाम जो वे शुरू कर सकते हैं। हम मानते हैं कि इस गतिविधि को अलग-अलग सत्रों में विभाजित किया जा सकता है जिसमें यूजर सिंगल विशिष्ट जानकारी की आवश्यकता का अनुसरण कर रहा है। जैसे ही यूजर वेब ब्राउज़ करता है, वह पेजेज पर जाता है और इन पेजेज पर कार्रवाई करता है, जैसे किसी लिंक का अनुसरण करना, पिछले पेज का बैकअप लेना, या किसी पेज को बुकमार्क करना। हम यूजर की वेब ब्राउज़िंग क्रियाओं को पेजेज की सामग्री पर निहित निर्णय के रूप में देखते हैं (उसकी वर्तमान जानकारी की आवश्यकता के अनुसार)। वर्तमान में, हम मानते हैं कि यूजर टेक्स्ट आधारित संसाधनों की तलाश में है। इस मामले में, सामग्री

पेजेज का प्रतिनिधित्व शब्दों द्वारा किया जाता है। हम मानते हैं कि ब्राउज़ करते समय यूजर द्वारा की जाने वाली कार्रवाइयां इस बात का प्रमाण प्रदान करती हैं कि विज़िट किए गए पेजेज पर शब्द यूजर की वर्तमान जानकारी की आवश्यकता का प्रतिनिधित्व करते हैं। यह अंतर्ज्ञान पिछले काम में विशेष मामलों में प्रकट हुआ है: उदाहरण के लिए, यह विचार कि यूजर द्वारा पीछा किए जाने वाले हाइपरलिंक्स के एंकर में दिखाई देने वाले शब्द शायद शब्दों की तुलना में यूजर की जरूरतों के अधिक प्रतिनिधि हैं जो नहीं करते हैं।

दरअसल, लेटिज़िया [लीबरमैन, 1995]एजेंट और वाटसन [बुडज़िक और हैमंड, 1999] द्वारा बनाए गए अनुशंसाकर्ता पेजेज का पता लगाने में उनकी मदद करने के लिए यूजर व्यवहार की टिप्पणियों का उपयोग करते हैं, लेकिन वे दोनों हाथ से कोडित अनुमानी नियमों के एक सीमित सेट पर आधारित हैं। वैकल्पिक रूप से, सहसंबंध आधारित अनुशंसाकर्ता [अग्रवाल और श्रीकांत, 1995] एक विशिष्ट साइट से जुड़े होते हैं। इसके अलावा, इस तरह के सिस्टम आमतौर पर सुझाव देते हैं कि वर्तमान यूजर शीर्ष पर जाते हैं, जो अन्य समान यूजर्स द्वारा देखे गए हैं, यह जाने बिना कि क्या पिछले यूजर्स ने वास्तव में पेज को उपयोगी पाया है। हमारा “व्यवहार आधारित अनुमान” सामग्री आधारित सिस्टम [बिल्सस और पज़ानी, 1999] से अलग है, क्योंकि हमें हाइपरलिंक एंकर में वास्तविक शब्दों के साथ किसी पिछले अनुभव की आवश्यकता नहीं है; इसके अलावा, हमारे मॉडल को स्पष्ट रूप से उन पेजेज की पहचान करने के लिए प्रशिक्षित किया जाता है जो यूजर की जानकारी की आवश्यकता को पूरा करते हैं। हमारे मॉडलों में, हाइपरलिंक का अनुसरण करने से हाइपरलिंक एंकर में प्रदर्शित होने वाले किसी भी शब्द की प्रासंगिकता का प्रमाण मिलता है, भले ही यह एक अति विशिष्ट शब्द हो जिसे हमने पहले कभी नहीं देखा हो। नतीजतन तकनीक अनुक्रमित साइटों के उप-सेट तक ही सीमित नहीं है। वास्तव में, हम उन शब्दों की भविष्यवाणी करने का प्रयास करते हैं जो बुनियादी टेक्‍स्‍ट-आधारित सुविधाओं के संयोजन के साथ यूजर की जानकारी की आवश्यकता को सर्वोत्तम रूप से कैप्चर करते हैं, जैसे कि यूजर के वर्तमान सत्र में शब्द की समग्र आवृत्ति, साथ ही व्यवहार आधारित सुविधाओं का एक सामान्यीकृत सेट जैसे कि एंकर टेक्स्ट में शब्द की उपस्थिति के रूप में, उस पेज पर शब्द का उपयोग जिससे यूजर ने बैक अप लिया, और जिस क्रम में शब्द का उपयोग करने वाले लिंक की सूची का चयन किया गया था।

लेटेस्ट आर्टिकल्स

अधिक एक्स्प्लोर करें

LEAVE A REPLY

Please enter your comment!
Please enter your name here

This site uses Akismet to reduce spam. Learn how your comment data is processed.