CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی ارتباط در خزش گرهای وب

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۸۱ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: NCCOS03_038
زبان مقاله: فارسی
حجم فایل: ۵۲۵.۳۳ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی ارتباط در خزش گرهای وب

  محمد طهماسبی - دانشجوی کارشناسی ارشد دانشگاه آزاد بروجرد
  محمود محمدی - دانشجوی کارشناسی ارشد دانشگاه آزاد بروجرد
  محمد ابراهیم شیری احمد آبادی - استاد یار دانشگاه صنعتی امیرکبیر

چکیده مقاله:

خزش گر متمرکز یک خزش گر وب است که هدف آن کشف اطلاعاتی در مورد یک موضوع خاص است که آن رابه موضوع موردعلاقه مربوط سازد. این مقاله با بررسی و مقایسه خزش گرهای مختلف متمرکز می پردازد.تکنیک ها در اینجا بر اساس پارامترهای مختلف برای پیدا کردن مزایا و محدودیت ها برای پیش بینی ارتباط URL ها می باشند. در این مقاله ما روش های مختلف پیش بینی ارتباط درخزش گرهای متمرکز یعنی پیش بینی ارتباط بر اساس محتوا یعنی خزش گر ماهی و خزشگر کوسه ، پیش بینی موضوع مبتنی بر دسته بندها و پیش بینی ارتباط بر اساس محتوای تجزیه و تحلیل لینک و هاوک 1 و هم چنین پیش بینی ارتباط بر اساس طبقه بندی را موردبحث و مقایسه وارزیابی قرار می دهیم

کلیدواژه‌ها:

کلمات کلیدی :خزش گر متمرکز، پیش بینی ارتباط ، موتور جستجو ، صفحات URL

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCCOS03-NCCOS03_038.html
کد COI مقاله: NCCOS03_038

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
طهماسبی, محمد؛ محمود محمدی و محمد ابراهیم شیری احمد آبادی، ۱۳۹۴، پیش بینی ارتباط در خزش گرهای وب، سومین همایش ملی کامپیوتر، سنندج، آموزشکده فنی و حرفه ای سما واحد سنندج، https://www.civilica.com/Paper-NCCOS03-NCCOS03_038.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (طهماسبی, محمد؛ محمود محمدی و محمد ابراهیم شیری احمد آبادی، ۱۳۹۴)
برای بار دوم به بعد: (طهماسبی؛ محمدی و شیری احمد آبادی، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • A. Pal, D. S. Tomar, and S. C. Shrivastava, "Effective ...
  • Focused Crawler with Content and Link Analysis", ۴Aه [۲] Chain, ...
  • based on Naive Bayesian Classfication" International Journal of Computer Applications ...
  • D.Lew, H. Wahlig, and G. Meyer-bautor , The freshness of ...
  • D. Taylan, M. Poyraz, S. Akyokus, and M. C. Ganiz, ...
  • G.Salton and C. Buckley , ; Term weighting approaches in ...
  • G.Pant and P. Srinivasan . Learning to Crawl: Comparison classification ...
  • Han, J. and Kamber , "Data Mining: Concepts and Techniques", ...
  • H. Michael, J. Michal, M. Yoelle, P. Dan, S. Menachem, ...
  • An improved Topic Relevance Algorithm for Focused Crawling", "ه [10] ...
  • Mejdl, Abdullah, Dunren "Improving the Relevance Prediction for Focused Web ...
  • P. De Bra, G-J Houben, Y. Kornatzky, and R. Post, ...
  • Text Classification and Focused Crawling", IEEE, ۲۰۱۱. Automaticءه [۱۳] Sameendra, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۴۵۱۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.