سمیرا کرمی اشکفتکی - دانشجوی کارشناسی ارشد نرم افزار کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی ، واحد شهرکرد
بهزاد زمانی دهکردی - استادیار، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی ، واحد شهرکرد
فرشاد کیومرثی - استادیار، دانشکده فنی ومهندسی، دانشگاه آزاد اسلامی، واحد شهرکرد

وبجهانگستر روزبهروز در حال گسترش است لذا با توجه به حجم انبوه اطلاعات، کاربران در ساختار وسیع وب سردرگم میشوند و از این رو بازیابی موثر صفحات وب به یک چالش بزرگ تبدیل شده است. در چنین سناریویی وظیفه فراهمکننده سرویس است که اطلاعات مرتبط و با کیفیت برای کاربر مطابق با پرسوجوهای ارایهشدهشان در موتورجستجو فراهم کند. در حال حاضر یکی از مهمترین چالشها پیداکردن صفحاتی با کیفیت بالا میباشد به این منظور از قسمت رتبهبندی موتور- جستجو استفاده میکنیم که باعث مرتبشدن صفحات مبتنی بر کیفیت آنها میشود. در این مقاله ضمن مطالعه روشهای مطرح شده در زمینه رتبهبندی صفحاتوب،روش جدید رتبهبندی با استفاده از رگرسیون بردار پشتیبان ارایه میگردد تامعیارهای کیفی روشهای رتبهبندی را بهبود دهد. در روش پیشنهادی RankSVR ، که یکی از روشهای دستهبندی ماشین بردار پشتیبان است همه ویژگیهای اساسی ماشینهای بردار پشتیبان را به کار میگیرد تا الگوریتم حاشیه بیشینه را توصیف کند و مدلی با دقت بالاتر برای رتبهبندی صفحات وب ارایه کند به گونه ای که با تلفیق یادگیری مبتنی بر تعمیم و متمایز سازی سعی در ساخت مدل بهتری کرده به گونه ای که نسبت به سایر روشهای رتبهبندی عملکرد و دقت بهتری خواهد داشت

رتبهبندی صفحات وب، رتبهبندی در یادگیری، رگرسیون بردار پشتیبان