ترکیب الگوریتمهای فیلتر در وب معنایی با استفاده از روشهای یادگیری ماشین
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 776
فایل این مقاله در 7 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:
NCECN01_184
تاریخ نمایه سازی: 7 بهمن 1393
چکیده مقاله:
استفاده از اطلاعات از دیرباز برای بشر امروز امری ضروری و اجتناب ناپذیر بوده است. با گذشت زمان، ارزش اطلاعات و فواید استفاده از آن رفته رفته برای انسان نمایان تر شد به گونه ای که رقابت برای کسب اطلاعات و استفاده ی هرچه بیشتر از آن، یکی از تلاش های جدی بشر امروز است. اما امروزه با توجه به در دسترس بودن منابع عظیم اطلاعاتی در بستر اینترنت، چالش جدیدی پیش روی بشر در زمینه اطلاعات قرار گرفته است و آن همانا چگونگی استخراج اطلاعات مفید و مورد نیاز از بین انبوه اطلاعات عمدتا غیرمفید است. پاسخ طبیعی به این نیاز، موتورهای جستجو بودند که نسل اول آنها صرفا برمبنای شباهت های لغوی عمل می کردند. به تدریج و با گسترش وب و درنتیجه پیچیده تر شدن موضوع، روش های جستجو و استخراج اطلاعات برمبنای شباهت های معنایی شکل گرفتند که منجر به ظهور سیستم های فیلتر وب شدند. این سیستم ها با دریافت تعدادی کلمه کلیدی، که نماینده ی مفاهیم مورد نظر کاربرند، مجموعه ای از صفحات وب را به دو دسته ی مرتبط و نامرتبط با تمایلات کاربر تقسیم می کنند. با پیچیدگی فزاینده این حوزه، حرکت به سمت ایده ترکیب روش های فیلتر شکل گرفته، اما چنانچه این ایده به درستی به کار گرفته نشود حتی می تواند از روش های پایه نیز ضعیف تر عمل نماید. این مقاله به این موضوع می پردازد و درنهایت روش مناسبی از ترکیب الگوریتم های فیلتر ارائه می دهد. برتری نتایج نسبت به روش های پایه، صحت روش ترکیب پیشنهادی را تایید می نماید. در روش ترکیبی پیشنهادی از الگوریتم های یادگیری ماشین استفاده شده است.
کلیدواژه ها:
نویسندگان
آذین ضرغامی
گروه کامپیوتر دانشگاه آزاد اسلامی واحد دزفول
بیتا شادگار
گروه کامپیوتر دانشگاه شهید چمران اهواز
علیرضا عصاره
گروه کامپیوتر دانشگاه شهید چمران اهواز
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 :