کاهش خطای یادگیری وزنها با استفاده ا زعملگر OWA در روشهای رتبه بندی اتصالگرای صفحات وب
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,275
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEIC03_111
تاریخ نمایه سازی: 4 آذر 1389
چکیده مقاله:
هدف از ارائه مقاله ارائه راه حلی جهت افزایش میزان دقت و کارایی رتبه بندی صفحات وب در روشهای مبتنی بر اتصال است ما به کمک تکنیک یادگیری و همچنین عملگر تجمیع OWA ارائه شده توسط اقای یاگر ضرایب وزن مناسب ویژگیهای الگوریتمهای رتبه بندی مبتنی بر اتصال را با استفاده از یک نوع خاص از تکنیک میانگین گیری تعیین نموده و سپس میزان خطای پس خورد ناشی ازاین انتخاب را با روشهای قبلی ارائه شده مقایسه می نماییم خطای اندازهگیری شده جهت انتخاب ضرایب وزن روش پیشنهادی کاهش قابل ملاحظه ای را در مقایسه با روشهای معتبر دیگر نشان میدهد ما برای شبیه سازی دنیای واقعی وب در ازمایشاتمان ازمقادیر ویژگیهای دو الگوریتم رتبه بندی مبتنی بر اتصال Pagerank، HITS موجوددر مجموعه داده های استاندارد TREC2004 متعلق به بسته نرم افزاری معتبر LETOR که توسط شرکت مایکروسافت تهیه گردیده استفاده نموده و صحت این ادعا را اثبات می نماییم.
کلیدواژه ها:
نویسندگان
حمیدرضا رضائی هزاوه
گروه کامپیوتر دانشگاه علوم و تحقیقات استان مرکزی اراک
غلامرضا امین
دانشکده تحصیلاتتکمیلی 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 :