توسعه ی تکنيک های وب کاوی به منظور شخصی سازی اطلاعات در موتورهای جستجو

توسعه ی تکنيک های وب کاوی به منظور شخصی سازی اطلاعات در موتورهای جستجو

فرمت فایل اصلی : doc در قالب 190 صفحهچکیده ماهیتپویای شبکه جهانی و ابعاد رو به رشد آن، بازیابی دقیق اطلاعات را دشوارساخته است. پاسخ های نادرست برگشت داده شده به وسیله ی موتورهای جستجو،خصوصا برای عبارات پرس‌و‌جو با معانی مختلف، باعث نارضایتی کاربران وبشده‌است که نیاز به پاسخ های دقيق برای تقاضاهای اطلاعاتی خود دارند.امروزه موتورهای جستجو تلاش می‌کنند تا درخواست کاربران را از طریق مطالعهسابقه جستجو و یا حتی شرکت دادن کاربران در فرایند جستجو به منظور روشنساختن آنچه که آن‌ها واقعا نیاز دارند، دريابند. این روند بخشی از تلاشموتورهای جستجو برای شخصی‌سازی است.یکیاز موتورهای جستجوی شخصی‌سازی شده ی خوش تعريف و خوش ساخت، اسنکت[1] استکه از مشارکت کاربر برای فرایند شخصی‌سازی استفاده می‌کند. در این تحقیق براساس الگوریتم شخصی‌سازی شده اسنکت، یک معماری از موتور جستجوی شخصی‌سازیشده جديد پيشنهاد شده  به نام PSEFiL ارائه شده‌است که با دخالت دادن کاربرو فيلتر سازی لینک ها پاسخ هایی با کمترین ميزان یا عدم وجود انحراف موضوعبه منظور غنی سازی مجموعه جواب، به کاربران تحویل می‌دهد. علاوه بر این،مجموعه جواب مستحکم است زیرا هر لینک موجود در مجموعه نتایج، يا دارای رتبهبالایی از ساير موتورهای جستجو است و یا کمترین انحراف موضوع را با یکفرایند اسکن دستی دقيق داراست. بعلاوه هر لینک به روشنی برای هر معنی ذهنیموجود از یک عبارت پرس‌و‌جو طبقه‌بندی شده‌است. یکی از اهداف PSEFiL، آمادهسازی و تحويل پاسخ های دقیق است نه تحويل مجموعه پاسخی با لینک های بیشترکه ممکن است محتوایشان دقت کم داشته و یا دقیق نباشند. کلمات کلیدیموتور جستجو، بهینه سازی موتور جستجو، شخصی‌سازی موتور جستجو، ساختارکاوی وب, محتوا کاوی وبفهرست مطالب چکیده فصل اول(کلیات) مقدمهبیان مسئله و اهمیت آناهمیت و ضرورت انجام تحقیقساختار فصل دوم(مبانی و مفاهیم پایه ۲-۱ مقدمه۹ ۲-۲ وب‌کاوی ۲-۳ تکامل تاریخی از وب‌کاوی ۲-۴ مشکلات  کاربران در استفاده ازوب ۲-۵ شباهت ها و تفاوت های وب‌کاوی و داده کاوی ۲-۶ الگوریتم های وب‌کاوی ۲-۷  دسته بندی وب‌کاوی ۲-۷-۱ محتوا کاوی وب ۲-۷-۱-۱ دیدگاه های محتوا کاوی وب ۲-۷-۱-۲ داده‌های محتوا کاوی وب ۲-۷-۱-۳ رويکردها و تکنيک هاي محتواکاوی وب ۲-۷-۱-۴ انواع محتواکاوی وب۲-۷-۲ ساختارکاوی وب۲-۷-۲-۱ دسته های ساختار کاوی وب بر اساس نوع داده ساختاری۲-۷-۲-۲ مدل هاي بازنمايي ساختار وب۲-۷-۲-۳ کاربردهاي ساختارکاوی وب۲-۷-۳ کاربردکاوی وب ۲-۷-۳-۱ فازهای کاربرد کاوی وب ۲-۷-۳-۲ انواع داده‌هاي کاربردکاوی۲-۷-۳-۳ کاربردهاي کاربردکاوی وب ۲-۸ کاربردهای وب‌کاوی ۲-۹ چالش هاي وب کاوي ۲-۱۰ موتور جستجو ۲- ۱۱ تاریخچه موتورهای جستجو ۲-۱۲  موتورهاي جستجو را از لحاظ پشتیبانی هاي مالی و نیروي انسانی ۲-۱۲-۱ موتورهاي جستجوي آزمایشی ۲-۱۲-۲  موتورهاي جستجوي تجاري ۲-۱۳ معماري کلی موتورهاي جستجو و کارکرد آن‌ها ۲-۱۳-۱ درون کاو(خزنده ) ۲-۱۳-۲ کنترل درون کاو ۲-۱۳-۳ انباره ي صفحات ۲-۱۳-۴ ماجول شاخص دهی ۲-۱۳-۵ ماجول  Collection Analysis ۲-۱۳-۶  Utility Index ۲-۱۳-۷ موتور پرس‌و‌جو ۲-۱۳-۸  ماجول رتبه بندي ۲-۱۴ اهمیت موتورهاي جستجو ۲-۱۵ مشکلات موتورهاي جستجو در ارائه نتایج ۲-۱۶ بهینه سازی موتور جستجو ۲-۱۷ هدف SEO ۲-۱۸ مزیت بهینه سازی وب سایت برای موتور‌های جستجو ۲-۱۹ فرآیند بهینه سازی موتورها­ی جستجو۲-۲۰ نتیجه گیري فصل سوم(شخصی سازی موتورهای جستجو) ۳-۱ مقدمه ۳-۲ علت شخصی‌سازی موتور جستجو تعریف شخصی‌سازیمراحل شخصی‌سازی ۳-۴-۱ شناخت کاربر۳-۴-۱-۱ روش‌های کمک به کاربران در جستجو در وب۳-۴-۱-۱-۱ خوشه‌بندی کد آماده- وب۳-۴-۱-۱-۲ شخصی‌سازی فهرست رتبه‌بندی شده- مسطح از نتایج پرس‌و‌جو۳-۴-۱-۲  راه حل های مشکل خوشه‌بندی کد آماده وب۳-۴-۱-۲-۱ خوشه بندي مسطح۳-۴-۱-۲-۱-۱ کلمات تنها و خوشه بندي مسطح۳-۴-۱-۲-۱-۲ جملات و خوشه بندي مسطح۳-۴-۱-۲-۲ خوشه‌بندی سلسله مراتبی۳-۴-۱-۲-۲-۱ کلمات تنها و خوشه‌بندی سلسله مراتبی۳-۴-۱-۲-۲-۲ جملات و خوشه‌بندی سلسله مراتبی ۳-۴-۱-۳ معرفی اسنکت ۳-۴-۱-۴ شرح معماری اسنکت۳-۴-۱-۴-۱ انتخاب جمله و رتبه‌بندی۳-۴-۱-۴-۲  خوشه بندي سلسله مراتبی۳-۴-۱-۴-۳ شخصی‌سازی نتایج جستجو۳-۴-۱-۵ مرور اسناد سلسله مراتب براي استخراج اطلاعات۳-۴-۱-۶ مرور اسناد سلسله مراتب براي انتخاب نتايج۳-۴-۱-۷ اصلاح پرس‌و‌جو۳-۴-۱-۸ رتبه‌بندی شخصی‌سازی شده۳-۴-۱-۹ واسطه شخصی‌سازی شده وب۳-۴-۱-۱۰ نتایج تجربی ۳-۵-۱-۱۰-۱  پيمايش هاي کاربران۳-۴-۱-۱۰-۲ مجموعه داده اسنکت و شواهد حكايتي۳-۴-۱-۱۰ -۳ ارزیابی اسنکت۳-۴-۱-۱۰ -۳ – ۱ مزایای استفاده از DMOZ…. ۳-۴-۱-۱۰ -۳ -۲ مزایای استفاده از شاخص محکم متن۳-۴-۱-۱۰ -۳ -۳ مزایای استفاده از موتورهای چندگانه۳-۴-۱-۱۰ -۳ -۴ مزایای استفاده از جملات فاصله دار به عنوان برچسب‌های پوشه۳-۴-۱-۱۰ -۳ -۵ تعداد کدهای آماده وب موجود در پوشه‌ها۳-۴-۲ مدل سازی کاربر۳-۴-۲-۱ مدل سازی صريح کاربر۳-۴-۲-۲ مدل سازی ضمنی کاربر۳-۴-۲-۲-۱ Caption Nemo۳-۴-۲-۲ -۱-۱ فضاهای جستجوی شخصی۳-۴-۲-۲ -۱-۱-۱ مدل شخصی بازیابی۳-۴-۲-۲ -۱-۱-۲   سبک ارائه شخصی۳-۴-۲-۲ -۱-۱-۳ موضوع مورد نظر شخصی۳-۴-۲-۲ -۱-۲ پیاده سازی سیستم۳-۴-۲-۲ -۱-۲ -۱  رتبه‌بندی۳-۴-۲-۲ -۱-۲-۲ طبقه‌بندی سلسله مراتبی صفحات وب بازيابي شده۳-۴-۲-۲ -۱-۳  مطالعه کاربر۳-۴-۲-۲ -۱-۳ -۱ آزمایش۳-۴-۲-۲ -۱-۳ -۲   آزمایش ۲۳-۴-۲-۲ -۳  شخصی‌سازی الگوریتم رتبه‌بندی صفحه۳-۴-۲-۲ -۴    الگوریتم LTIL. ۳-۴-۲-۲ -۵    روش IA. ۳-۴-۳ اجرای سیستم شخصی‌سازی۳-۴-۳-۱ روش قطعی۳-۴-۳-۲ روش فازی۳-۴-۳-۳   شخصی‌سازی موتورهای جستجو با استفاده از شبکه های مفهومی فازی و ابزارهای داده کاوی۳-۴-۳-۳ -۱ پیش زمینه۳-۵-۳-۳ -۲ روش پیشنهادی۳-۴-۳-۳ -۳   ارزیابی سیستم و بررسی نتایج به‌دست آمده۳-۵   نتیجه گیريفصل چهارم(مدل پیشنهادی برای شخصی‌سازی موتورجستجوونتایج بدست آمده از آزمایش ها) ۴-۱ مقدمه۴-۲ شرح آزمایشها و تجزیه مسئله. ۴-۳   نتیجه گیریفصل پنجم(رابط کاربری موتور جستجو)۵-۱ مقدمه۵-۲   رابط کاربری موتور جستجوی شخصی‌سازی شده PSEFiL ۵-۳   اهمیت موتور جستجوی شخصی‌سازی شده PSEFiL  ۵-۴   نتیجه گیری فصل ششم(نتیجه گیری)  ۶-۱   مقدمه ۶-۲   مروری بر فصول گذشته ۶-۳   موتور جستجوی پیشنهادی شخصی‌سازی شده PSEFiL  ۶-۴   نتیجه گیری ۶-۵   پیشنهادات و مطالعات آتی مقالات مستخرجفهرست منابع چکیده انگلیسی