مروری بر روش های رتبه بندی در موتورهای جستجو

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 865

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NICE01_041

تاریخ نمایه سازی: 30 دی 1394

چکیده مقاله:

به علت گستردگی صفحات موجود در وب و همچنین با رشد فوق العاده و روز افزون حجم اطلاعات بر روی آن جستجوی اطلاعات در وب، توسط کاربران اهمیت زیادی دارد. از این رو بازیابی موثر و کارآمد صفحات وب به یک چالش بزرگ تبدیل شده است. بنابراین روش ها و تکنیک هایی برای دستیابی موثر به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز می باشد. استخراج و محاسبه اطلاعات در وب، مدیریت آن با ابزارهای سنتی تقریباً غیر ممکن بوده و منجر به ایجاد مشکلاتی جهت جستجو، استخراج و محاسبه اطلاعات مناسب، برای کاربران می شود. لذا نیاز به تکنیک هایی جهت رفع مشکلات موجود از قبیل وسیع بودن وب، نیمه ساختار یافته بودن صفحات وب، متفاوت بودن اطلاعات وب در مفهوم، یافتن اطلاعات مرتبط و بدست آوردن دانش از اطلاعات استخراج شده می باشد. یکی از اهداف مهم در موتورهای جستجو، پیدا کردن صفحاتی با کیفیت بالا می باشد که بخش رتبه بندی باعث مرتبط کردن صفحات مبتنی بر کیفیت آن ها و پیدا کردن آن صفحات می شود.

کلیدواژه ها:

موتور جستجو ، الگوریتم های رتبه بندی ، پهنش رتبه ، غنی تر شدن اغنیا

نویسندگان

مرضیه کریمزاده سورشجانی

دانشجوی کارشناسی ارشد شکبه های کامپیوتری، گروه مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد کرمان، کرمان، ایران

بهزاد زمانی دهکردی

استادیار، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد شهرکرد، شهرکرد، ایران

مهدیه قزوینی

استادیار، بخشی مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران

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 :
  • ارارع بیدکی ع. م، رتبه‌بندی _ خزش موثر در وب. ...
  • معرفی الگوریتم های رتبه بندی [مقاله کنفرانسی]
  • آفنوحی ر، و عبدی یور ر. ارزیابی کارایی الگوریتم های ...
  • Derhami V, Paksima J and Khajeh II. RLRALUC: Reintorcenet Lcarning ...
  • Derhami V. Khodadadian E, Ghasemzadeh M and ZarehBidloki A.M. Applying ...
  • Freund Y. IyerR, Sc hapi reR.E.andSi ngerY. 8 Eflicient Boosting ...
  • XulandLi1. AdaRank: A Boosting Algorihm for Informalion Retrieval. 301h annual ...
  • ArensR... Learning to rank documens witl Support _ machines via ...
  • Cao Z. Qin T. Liu T.Y. Tsai M.F andLi HI. ...
  • Sapir M. _ Rank: A Method _ Risk Modeling for ...
  • LcaseM. Allan.I and CroftB. Regression Rank: Learning to Meet thecOpportunity ...
  • نمایش کامل مراجع