روشی ترکیبی به منظور توصیه پرس وجوهای پزشکی در سیستم های توصیه گر

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 29

This Paper With 15 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JHBMI-4-3_004

تاریخ نمایه سازی: 9 مرداد 1403

Abstract:

مقدمه: رشد روزافزون اطلاعات موجود در اینترنت و سربار زیاد اطلاعاتی، چالش مهمی برای کاربران در جهت دسترسی به اطلاعات موردنیازشان ایجاد کرده است. امروزه توصیه گرهای پرس وجو به یک جزء جدایی ناپذیر سیستم های بازیابی اطلاعات تبدیل شده اند. یکی از کاربردهای این توصیه گرها در زمینه علوم پزشکی است. این سیستم ها با به کارگیری فرایندهای شخصی سازی سعی در تسکین مشکل سرریز اطلاعات در وب و سرعت بخشیدن به جستجوی اطلاعات پزشکی کاربران دارند. روش: این پژوهش از نوع کاربردی و توصیفی است. در این پژوهش سعی شد با استفاده از ویژگی های محتوایی پرس وجوها و نتایج جستجو روشی ارائه شود که ضمن حفظ ارتباط معنایی با پرس وجوی اصلی، کاربران را سریع تر به نیازهای اطلاعاتی شان برساند. به منظور خوشه بندی پرس وجوها از الگوریتم K-means استفاده شد. پیاده سازی روش پیشنهادی با استفاده از زبان برنامه نویسی جاوا و نرم افزار NetBeans IDE صورت گرفت. نتایج: با توجه به سیستم پیشنهادی، استفاده توامان از ویژگی های ساختاری پرس وجوها و نتایج جستجو حاوی اطلاعاتی مفیدی برای تشخیص پرس وجوهای مشابه است. از آن جا که امکان وجود کلمات چندمعنا در پرس وجوی کاربران وجود دارد، استفاده از نتایج جستجو می تواند در امر تشخیص هدف کاربر از پرس وجو مفید باشد. نتیجه­ گیری: نتایج حاصل از ارزیابی روش پیشنهادی با دادگان واقعی مربوط به موتور جستجوی بومی پارسی جو، بیانگر موثر بودن این روش در بهبود دقت توصیه نسبت به سایر روش ها است. طبق ارزیابی های انجام شده، دقت سیستم پیشنهادی برابر با ۲۴/۷۷% است که در مقایسه با مطالعات مطرح در این زمینه، ۱۰% بهبود داشته است.

Authors

سجاد ظریف زاده

Ph. D. in Computer Engineering, Assistant Professor of Computer Engineering, Computer Engineering Dept., Technical and Engineering Campus, Yazd University, Yazd, Iran

سعید حسنوند

Iran University of Science and Technology

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • Zhu X, Guo J, Cheng X, Lan Y. More than ...
  • Huang Z, Cautis B, Cheng R, Zheng Y. KB-Enabled Query ...
  • Yang L, Mei Q, Zheng K, Hanauer DA. Query Log ...
  • Melville P, Sindhwani V. Recommender Systems. In Encyclopedia of Machine ...
  • Shokouhi M. Learning to personalize query auto-completion. Proceedings of the ...
  • Soo J. A non-learning approach to spelling correction in web ...
  • Xu J, Croft WB. Query expansion using local and global ...
  • Li L, Yang Z, Liu L, Kitsuregawa M. Query-URL bipartite ...
  • Wang J, Huang JZ, Guo J, Lan Y. Query ranking ...
  • Guo J, Zhu X, Lan Y, Cheng X. Modeling users’ ...
  • Zeng QT, Crowell J, Plovnick RM, Kim E, Ngo L, ...
  • Spink A, Wolfram D, Jansen MB, Saracevic T. Searching the ...
  • Boldi P, Bonchi F, Castillo C, Donato D, Gionis A, ...
  • Mei Q, Zhou D, and Church K. Query suggestion using ...
  • Zhang B, Zhang B, Zhang S, Ma C. Query recommendation ...
  • Mitsui M, Shah C. Multi-word generative query recommendation using topic ...
  • Khodaparasti F. Comprehensive dictionary of synonymous and opposite vocabulary of ...
  • Hodgdon M. Value of organic first-page results. [cited ۲۰۱۷ Sep ...
  • Hong Y, Vaidya J, Lu H. Search engine query clustering ...
  • Gaur D, Gaur S. Comprehensive Analysis of Data Clustering Algorithms. ...
  • Parra-Santander D, Brusilovsk P. Improving Collaborative Filtering in Social Tagging ...
  • De Moor K, De Pessemier T, Mechant P, Courtois C, ...
  • نمایش کامل مراجع