مدل ترکیبی هوشمند برای سنجش محتوای وب سایت ها براساس شبکه های عصبی و تئوری اطلاعات متقابل
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 675
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_062
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
استفاده بسیار گسترده از وب، منجر به افزایش سطح کمی و کیفی سرویس وب سایت ها گردیده و تاکنون جهت مقایسه و ارزیابی آنها از جنبه های مختلف، روش های زیادی ارائه شده است. در این مقاله به ارائه روشی خواهیم پرداخت که بهصورت هوشمند محتوای وب سایتها را ارزیابی کرده و براساس زمینهی فعالیت آنها، وبسایتی که بهترین و غنیترین اطلاعات را داراست، انتخاب مینماید. این روش مبتنی بر تکنیکهای متن کاوی، شبکه های عصبی و همچنین روش آنتروپی است و در دو مرحله اساسی عمل می کند که عبارتست از: 1 تعیین زمینه فعالیت هر وب سایت به صورت هوشمند با استفاده از سه شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) ، توابع پایه شعاعی (RBF) و یادگیری تدریج بردار (LVQ) - 2 تعیین و مقایسه میزان غنای اطلاعاتی وب سایت ها با استفاده از آنتروپی. روش پیشنهادی با استفاده از 101 وب سایت در زمینه های غذایی، ورزشی و سیاسی ارائه شده است. در نهایت پس از مقایسه و ارزیابی هوشمند محتوای وب سایت ها، از تئوری اطلاعات متقابل (MI) برای سنجیدن میزان وابستگی بین دو متغیر استفاده می شود و بدین ترتیب نتایج قابل قبولی به دست می آید
کلیدواژه ها:
نویسندگان
عباس احمدی
استادیار دانشکده مهندسی صنایع، دانشگاه صنعتی امیرکبیر
نجمه ذاکری
دانشجوی کارشناسی ارشد مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد تهران جنوب
مریم خادمی
استادیار گروه ریاضی کاربردی، دانشگاه آزاد اسلامی واحد تهران جنوب
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 :