مریم مخبری - کارشناسی ارشد، گروه مهندسی کامپیوتر، علوم و تحقیقات یزد، دانشگاه آزاد اسلامی، یزد، ایران
کمال میرزائی - عضو هیات علمی، گروه کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
سیما عمادی - دکترا، گروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

روش های فعلی ذخیره سازی اطلاعات در وب کنونی باعث پیدایش چالش های بسیاری در بازیابی اطلاعات شده است. این چالش ها در مواجهه با موتورهای جستجوی امروزی نیز پررنگ تر می شود. پژوهش حاضر، به بررسی معماری و الگوریتم های رتبه بندی در موتورهای جستجو پرداخته است، همچنین معیارها، نحوه رتبه بندی اطلاعات و اسناد، و فرآیند ذخیره و بازیابی اطلاعات، نقاط ضعف و قوت در آن ها مورد بررسی قرار داده است. نتایج حاصل از بررسی پیشینه تحقیق نشان می دهد که حتی موتورهای جستجوی معنایی نیز به علت تعریف ناصحیح معیارهای رتبه بندی در بسیاری از مواقع به طور ناکارآمد عمل می نمایند و هنوزتا عملی شدن فرضیات در این حیطه و برآورده ساختن نیاز کاربران فاصله بسیاری دارند؛ ازاین رو امروزه لزوم انجام پژوهش هایی همانند پژوهش حاضر به منظور تحلیل و آنالیز کاربرد، ساختار، عملکرد موتورهای جستجو (معنایی-سنتی) بیش از هر زمانی احساس می شود. ارائه راهکارهای مؤثر و الگوریتم های رتبه بندی کارا برای پوشش خطاها و انحراف موتورهای جستجو از درخواست واقعی کاربر، هدف اصلی پژوهش حاضر را تشکیل می دهد. موردمطالعه در این مقاله موتورهای جستجوی سنتی «یاهو» و «گوگل» و «بینگ»، موتور جستجوی معنایی «هاکیا» و موتورهای جستجوی معنایی آنتولوژی «SWOOGLE» و «OntoSelect» بوده است. رویکرد ترکیبی پیشنهادی سعی بر آن داشته است تا با ارائه راه حل هایی در راستای پوشش ضعف های الگوریتم های رتبه بندی در موتورهای جستجو مخصوصاً موتورهای جستجوی معنایی - آنتولوژی، بازیابی اطلاعات در وب را بهبود بخشد. این رویکرد، با تمرکز بر نقاط ضعف ، معیارها و الگوریتم های رتبه بندی در موتورهای جستجوی موردمطالعه این فرضیه را دنبال می کند که اگر اصل توازن یا تعادل در مخازن پایگاه دانش موتور جستجو قبل از اعمال معیارهای رتبه بندی در نظر گرفته شود، باعث بهبود بازیابی اطلاعات خواهد شد.

موتورهای جستجو، جستجوی معنایی، آنتولوژی، بازیابی اطلاعات، الگوریتم های رتبه بندی