ارایه راهکاری نوین در خوشه بندی صفحات وب بر اساس یادگیری تقویتی با استفاده از الگوریتم CWBR

نیاز به دسترسی سریع و دقیق به اطلاعات در وب، محققین را به بکارگیری روش های هوشمند جهت نزدیکتر شدنفرایند جستجوی اینترنت به نیازهای واقعی کاربران تشویق نموده است. سر در گمی در میان این همه اطلاعات و حجمعظیم داده های ذخیره شده در وب و دستکاری داده ها برای یک پرس و جوی ساده نیاز به ابزارهای پردازش مناسببرای استخراج مربوطه دارد. خوشه بندی بر روی وب اهمیت فراوانی دارد. زیرا، علاوه بر پیش پردازش، می تواند برایبهبود نتایج موتورهای جستجو و یا بهبود عملیات خزشی وب به کار رود. با این کار علاوه بر این که نیاز به سازماندهیدستی اطلاعات برطرف می شود، محدودکردن جستجو به تعداد محدودی خوشه، می تواند کارآیی بازیابی را بهبودبخشد. در نهایت این کار اجازه میدهد تا مجموعه مستندات آسانتر توسط کاربران مشاهده شوند. در الگوریتم پیشنهادی،سیستم رتبه بندی به عنوان عامل سیستم یادگیری و انتخاب اسناد برای نمایش به کاربر به عنوان عمل عاملین در نظر گرفتهشده است. در این مقاله با استفاده از یادگیری تقویتی الگوریتمی جهت خوشه بندی صفحات وب (CWBR) ارایه شدهاست نتایج حاصل از شبیه سازی برتری الگوریتم پیشنهادی را نسبت به الگوریتم های RankBoost و SVMRankنشان می دهد.

کلیدواژه ها:

خوشه بندی صفحات وب ، یادگیری تقویتی ، الگوریتم CWBR