زهرا طائب - فوق لیسانس، گروه کامپیوتر، آموزشکده سما (وابسته به دانشگاه آزاد اسلا
محمدرضا کنگاوری - استادیار، دانشکده کامپیوتر، دانشگاه علم و صنعت ایران

در این مقاله، ارتقاء بازده موتورهای جستجو، مورد بررسی قرار گرفته است. از آنجایی که کاربران مختلف، هنگام استفاده از این موتورها، جستجوهای مختلفی را انجام داده و خروجی های دریافتی را با دیدگاههای مختلف مورد ارزیابی قرار می دهند، لذا استفاده از وب معنایی در راستای افزایش بهره وری هرچه کیفی تر موتورهای جستجو، می تواند به افزایش رضا یتمندی کاربران منتهی گردد. زمینه مورد جستجو، تخصص مورد توجه کاربران، ارتباط و هماهنگی نتایج جستجو با اهداف مورد تقاضای کاربران، از مواردی هستند که در میزان رضایتمندی و سودمندی جستجوی کاربران تأثیر مستقیم دارند. در روش بکار رفته در این پژوهش، به صورت غیرمستقیم، تعدادی خصیصه به منظور طبقه بندی کاربران در کلاس های از قبل تعریف شده و تعدادی خصیصه دیگر، به دو صورت مستقیم و غیرمستفیم، برای ارزیابی رضایتمندی آنها از کلاس تخصیصی، مطرح شده اند. برای تعدادی نمونه از کاربران، این خصیصه ها گردآوری شده و سه مجموعه داده ایجاد گردیدند. برای مقایسه خصیصه ها در حالت مستقیم و غیر مستقیم درخت تصمیم سنتی، قوانین تصمیم و درخت تصمیم فازی مورد آنالیز قرار گرفته است. این روش امکان هدفمند کردن جستجوهای کاربران را فراهم کرده، این جستجوها می توانند در زمان کوتاه تر، هزینه کمتر و همچنین بازده بالاتر انجام پذیرد

طبقه بندی، خصیصه ، وب معنایی، موتور جستجو، درخت تصمیم سنتی، قوانین تصمیم، درخت تصمیم فازی