بهینه سازی راهکار شخصی سازی موتور های جستجو با استفاده از وب اسنیپت ها

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 500

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITCC03_075

تاریخ نمایه سازی: 6 اردیبهشت 1396

چکیده مقاله:

شخصیسازی موتورهای جستجو به منظور ایجاد تعادل میان علایق و نیازهای کاربر و تسریع در ارایهاطلاعات به او و کسب رضایت کاربر از محصول تجاری موتور جستجو صورت می گیرد. حصول بهتناسب در ترتیب نتایجی که موتور جستجو بر اساس پرس و جوی کاربر نمایش می دهد با ترتیبعلایق کاربر، یکی از اهداف این حوزه است. وجود اسنیپتها در نتایج موتورهای جستجو منجر بهنمایش اطلاعات افزون تر به کاربران شده و همچنین اسنیپت ها با شاخه بندی مطالب، امکان تصمیمگیری بهتر برای حرکت میان نتایج جستجو و انتخاب مقصد مناسب را برای کاربران فراهم می کنند.در این مقاله با توجه به این امر که شرایط جستجو متاثر از محیط جغرافیایی، تاریخ و زمان جستجو،اطلاعات مورد جستجو، دادههای اخیرا پردازششده و همچنین وجود دانش قبلی از جستجوها و علایقهر کاربر می باشد فاکتورهای مطرح شده در ارایه مدلی مبسوط در شخصی سازی موتورهای جستجودر نظر گرفته شده است. در این مدل، پیشینه ی جستجوهای کاربر با تبدیل به یک پروفایل، تصویریمجازی از شخصیت جستجوی کاربر ارایه می کند که کاربست این فاکتور در بهبود راهکارشخصیسازی موتورهای جستجو، به نحو چشمگیری موثر است.

کلیدواژه ها:

نویسندگان

محمد صادق مقصودی لولمانی

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، نرم افزار، دانشگاه گیلان

فاطمه احمدی آبکناری

استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور رشت

سیدابوالقاسم میرروشندل

استادیار، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه گیلان

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 :
  • Paha, N., Gulati, P., & Gupta, P. (2009, December). Ontology ...
  • Alhalabi, W. S., Kubat, M., & Tapia, M. (2006). Search ...
  • Cambazoglu, B. B., & Baeza-Yates, R. (2011). Scalability challenges in ...
  • Castellano, G., Fanelli, A. M., & Torsello, M. A. (2006, ...
  • Castellano, G., Fanelli, A. M., & Torsello, M. A. (2011). ...
  • Chai, C., & Li, B. (2010). A novel association rules ...
  • Chen, L., Mislove, A., & Wilson, C. (2015, October). Peeking ...
  • Chang, C. C., Chen, P. L., Chiu, F. R., & ...
  • Cheng, T., Lauw, H. W., & Paparizos, S. (2010, March). ...
  • Culliss, G. (2001). U.S. Patent No. 6، 182، 068. Washington, ...
  • Daoud, M., Tamine-L echani, L., & Boughanem, M. (2008, October). ...
  • Ferragina, P., & Gulli, A. (2008). A personalized search engine ...
  • Frias -Martinez, E., Chen, S. Y., & Liu, X. (2007). ...
  • Hannak, A., Sapiezynski, P., Molavi Kakhki, _ Kri shnamurthy, B., ...
  • Hearst, M. A. (2006). Clustering versus faceted categories for information ...
  • Kim, K. J., & Cho, S. B. (2007). Personalized mining ...
  • Lucchese, C., Orlando, S., Perego, R., Silvestri, F., & Tolomei, ...
  • Ma, Z., Pant, G., & Sheng, O. R. L. (2007). ...
  • Marcos, M. C., Gavin, F., & Arapakis, I. (2015, September). ...
  • Mukhop adhyay, D., Biswas, P., & Kim, Y. C. (2011). ...
  • Pariser, E. (2011). The filter bubble: What the Internet is ...
  • Sahito, F. H., Slany, W., & Shahzad, S. K. (2011, ...
  • Speretta, M., & Gauch, S. (2005, September). Personalized search based ...
  • Watanabe, A., Sasano, R., Takamura, H., & Okumura, M. (2014, ...
  • Xuewu, D., Grout, V., Haokun, T., & Jianguo, L. (2010). ...
  • Zamir, O., & Etzioni, O. (1998, August). Web document clustering: ...
  • Zeng, Y., Zhou, E, Qin, Y., & Zhong, N. (2010, ...
  • نمایش کامل مراجع