میزان سازی گروه های موضوعی پرسما نها برای استخراج نیازمند یهای پنهان کاربران با استفاده از روش تحلیل ممیزی با رویکرد فازی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,035

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICFUZZYS10_024

تاریخ نمایه سازی: 9 شهریور 1391

چکیده مقاله:

سرویس های جستجوی فعلی تنها از تعداد رخداد کلمات کلیدی پرسمان ها در اسناد برای پیدا کردن اسناد مربوط استفاده می کنند. آنها نوعاً هیچ کاری یا تحلیلی موضوعی بر روی پرسمان ها با استفاده از منابع موجود انجام نمی دهند و از چگونگی تغییرات در پرسمان ها در طول زمان توسط کاربران بهره نمی برند. مجموعه ای از تکنیک ها و معیارها وجود دارد تا بتوان تحلیلی بر روی آرشیوهای پرسما نها داشت و سپس تمایل به تغییرات و همچنین الگوهای موجود در سیلان پرسما نها را شناسایی کرد. در این مقاله روش هایی برای دسته بندی دستی و همچنین دسته بندی اتوماتیک پرسمان ها معرفی می شوند. برای استفاده از این دست هبندی ها برای دو نوع از کاربران، تحلیلی بر الگوهای رفتاری و اطلاعات زمینه آنها در محاوره با موتور جستجو انجام می شود. سپس بر پایه اطلاعاتی که به دست می آید میزان تعلق پرسمان های آنها به هر کدام از گروه های موضوعی سنجیده شده و سپس یک مدل دسته بندی با استفاده از روش تحلیل ممیزی با رویکرد فازی معرفی می کنیم که میزان تاثیر اطلاعات به دست آمده از تحلیل کاربران و تحلیل پرسمان ها بر درجه تعلق آنها به گروه های موضوعی را مدل می کند. از این طریق میزان تعلق هر پرسمان را با توجه به ویژگ یهای پرسما نها و همچنین کاربرانی که آن پرسما نها را ارائه داده اند، محاسبه کنیم

کلیدواژه ها:

تحلیل ممیزی با رویکرد فازی ، تحلیل موضوعی آرشیو وب ، شخصی سازی موتورهای جستجو ، دست هبندی اتوماتیک

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Patagiotis G. Ipeirotis and E.Agichtein. To Search or o Crawl? ...
  • E.Agichtein, E.Bill, S.Duhais. Improving Web Search Ranking by Incorporating User ...
  • A.Spink, and B. Jansen. _ Search: Public Searching of the ...
  • C.Silverstein, M.Hezinger, H.Marais, and M.Motic, Analysis of a very large ...
  • J.-R.Wen, J.-Y.Nie, and H.-].Zhang, . Query clustering using user logs. ...
  • _ _ _ _ online services. In Proceedings of te ...
  • نمایش کامل مراجع