بررسی تاثیر ویژگی ها در بهبود شخصی سازی نتایج جستجو در وب

چکیده مقاله

محتوای وب تبدیل به بزرگترین منبع اطلاعاتی بشر شده است این حجم بزرگ اطلاعات علی رغم مزایایی که دارد باعث بوجود آمدن چالش هایی نیز شده است که از آن جمله میتوان جستجو در آن را ذکر کرد موتورهای جستجو سعی می کنند نتایج جستجو را برای کاربران شخصی سازی کنند و برای انجام این امر از روش های مختلف رتبه بند ی استفاده می کنند تا اطلاعات غیر مرتبط را فیلتر و اطلاعات مرتبط را به کاربران بازگردانند روشهای متداول مثل تحلیل پیوند و تحلیل محتوی با مشکلاتی از قبیل پهنش رتبه و غنی تر شدن اغنیا مواجه هستند به همین دلیل امروزه برای اجتناب از این مشکلات، از روش یادگیری برای رتبه بندی استفاده می شود در این تحقیق از سابقه کلیک کاربران به منظور یادگیری سیستم جستجو استفاده شده است با این حال برای اینکه روش متذکره نتایج بهتری را در قبال داشته باشد انتخاب ویژگی های مناسب و محاسبه ویژگی های کارآمد نقش اساسی در نتیجه الگوریتم های یادگیری برای رتبه بندی دارد در این تحقیق ابتدا ویژگی های مناسب را از لحاظ مقطع زمانی استخراج و دسته بندی کرده ایم و بعد با استفاده از الگوریتم رتبه بندی میزان اهمیت آنها را در فرآیند رتبه بندی بررسی نموده ایم بررسی های انجام شده نشان داد ویژگی های استخراج شده از نشست جاری کاربر بیشتر از سایر ویژگی ها در بهبود رتبه بندی نقش دارند و به ازای اضافه نمودن ویژگی های ترکیبی می توان نتیجه بهتری نیز گرفت

کلیدواژه‌ها

نویسندگان

عبدالصمد مقصودی

دانشجوی کارشناسی ارشد، دانشگاه شیراز

اشکان سامی

عضو هیات علمی، دانشگاه شیراز،

امین خزاعی

دانشجوی کارشناسی ارشد، دانشگاه شیراز

مقصودی، عبدالصمد و سامی، اشکان و خزاعی، امین،1395،بررسی تاثیر ویژگی ها در بهبود شخصی سازی نتایج جستجو در وب،سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر،تهران

ارائه‌شده در

مجموعه مقالات سومین کنفرانس سراسری نوآوری های اخیر در مهندسی برق و کامپیوتر19 شهریور 1395 · تهران