رتبه بندی صفحات وب با استفاده از الگوریتم لونبرگ مارکوارت

در این مقاله الگوریتم جدیدی برای رتبه بندی صفحات وب مبتنی بر یادگیری به نام LMARank ارایه میشود و از الگوریتم لونبرگ مارکوارت برای یادگیری تابع رتبه بندی لیست اسناد بازیابی شده توسط موتور جستجو استفاده میکند. روش پیشنهادی به طور مستقیم معیارهای ارزیابی MAP، P@n و NDCG@n را بهبود میدهد. دراین مقاله تابع هزینه ترکیبی از سه معیار ارزیابی در نظر گرفته شده است و در تابع هزینه برای رتبه های بالاتر ارزش بیشتری منظور شده است. در طی روند یادگیری برای هر ویژگی وزنی نشاندهنده ی درجه اهمیت آن تعیین میشود و در نهایت با ترکیب خطی از ویژگیها که شامل ویژگی های وابسته به پرسوجو و مستقل از پرسوجو است رتبه بندی مناسبی برای پرسوجوهای دیده نشده فراهم میکند. LMARank با استفاده از مجموعه داده استاندارد TD2003 و TD2004 ارزیابی میشود. نتایج تجربی نشان دهنده ی عملکرد بهتر روش رتبه بندی پیشنهادی نسبت به الگوریتمهای مشابه بر روی دو مجموعه داده TD2003 و TD2004 است.

کلیدواژه ها:

الگوریتم لونبرگ مارکوارت ، بازیابی اطلاعات ، رتبه بندی مبتنی بر یادگیری ، موتور جستجو.