مهدی شهابی پور - گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، واحد الکترونیکی دانشگاه آزاد اسلامی، تهران، ایران
سیدمجید نورحسینی - استادیار گروه کامپیوتر، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر، تهران، ایران

حجم بسیار عظیم اطلاعات بر روی شبکه جهانی وب موجب شده است که موتورهای جستجو ملزم به استفاده از تکنیک-های بهبود دهند ه ای باشند تا بتوانند کارآیی بازیابی اطلاعات را ارتقاء داده و نتایجی را که برای کاربر بهتر هستند، ارایه کنند. گسترش پرس وجو یکی از این تکنیک ها می باشد. روش هایی که تاکنون به منظور گسترش پرس وجو ارایه شده اند، عمدتا گسترش پرس وجو را براساس یک فرهنگ لغت انجام می دهند و تنها از ویژگی های زبانی استفاده می کنند. ولی این فرهنگ ها خود دارای چالش هایی هستند و همچنین روش های گسترش پرس وجویی که تاکنون مطرح شده اند نتایج خود را بدون اعمال رتبه بندی به کاربران نمایش می دهند. در این مقاله ابتدا با استفاده از مدل مارکوف بهینه، صفحات و موضوعات مورد درخواست احتمالی کاربر در صفحات وب فارسی، واکشی شده و با تلفیق آنالیز احساسات و الگوی رفتار پیمایشی کاربر، فیلترینگ نهایی بر نتایج مورد واکشی برای نمایش اطلاعات دقیق تر، روشی برای ایجاد یک موتور جستجوی وب معنایی ارایه می شود. برای ارزیابی روش پیشنهادی، با استفاده از رپیدماینر، مدل سازی و با C# پیاده سازی انجام شده است. پارامترهای مورد ارزیابی شامل مدت زمان جستجو پیش واکشی صفحات وب، میزان حافظه مصرفی و میزان تاخیر کاربران در واکشی و نمایش نتایج یافته شده بوده، که نتیجه و خروجی پیاده سازی از بهبود و کارایی روش پیشنهادی، حکایت دارند.

موتور جستجو، وب معنایی، جستجوی معنایی