بهبود نتایج جستجوی صفحات فارسی در وب معنایی با استفاده از مدل مارکوف و آنالیز رفتار پیمایشی کاربر

حجم بسیار عظیم اطلاعات بر روی شبکه جهانی وب موجب شده است که موتورهای جستجو ملزم به استفاده ازتکنیک های بهبود دهنده ای باشند تا بتوانند کارآیی بازیابی اطلاعات را ارتقاء داده و نتایجی را که برای کاربر بهترهستند، ارایه کنند .گسترش پرس وجو یکی از این تکنیک ها می باشد. روشهایی که تاکنون به منظور گسترش پرس-وجو ارایه شدهاند، عمدتا گسترش پرسوجو را براساس یک فرهنگ لغت انجام می دهند و تنها از ویژگیهای زبانیاستفاده می کنند. در این مقاله ابتدا با استفاده از مدل مارکوف، صفحات و موضوعات مورد درخواست احتمالی کاربرواکشی شده و با تلفیق آنالیز احساسات و الگوی رفتار پیمایشی کاربر، فیلترینگ نهایی بر نتایج مورد واکشی براینمایش اطلاعات دقیقتر، در صفحات وب فارسی، روشی برای بهبود نتایج جستجوی صفحات فارسی در وب معناییارایه میشود. برای ارزیابی روش پیشنهادی، با استفاده از رپیدماینر، مدل سازی و با #C پیاده سازی انجام شده است. پارامترهای مورد ارزیابی شامل مدت زمان جستجو پیش واکشی صفحات وب، میزان حافظه مصرفی و میزان تاخیرکاربران در واکشی و نمایش نتایج یافته شده بوده، که نتیجه و خروجی پیادهسازی از بهبود و کارایی روش پیشنهادی،حکایت دارند.

کلیدواژه ها:

وب معنایی ، جستجوی معنایی ، پرس و جوی معنایی ، پیش بینی صفحات