خوشه بندی اسناد وب با استفاده از الگوریتم شبیه سازی تبرید ترکیبی بر اساس مدل رفتار کاربر
Publish place: سومین کنفرانس بین المللی پژوهش در مهندسی، علوم و تکنولوژی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 382
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
RSTCONF03_163
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
در عصر حاضر مهمترین منبع اطلاعاتی صفحات وبی است که بر روی اینترنت یافت میشوند که این صفحات به طرز فزایندهای رو به افزایش هستند. از طرف دیگر کاربران برای رسیدن به صفحات هدف خود، مجبور هستند زمان زیادی را صرف جستجو در اینترنت کنند. پژوهشگران تلاشهای زیادی در خصوص دسته بندی و خوشه بندی صفحات وب انجام داده اند. روشهای موجود از خصوصیات ذاتی اسناد به منظور خوشه بندی استفاده میکنند. به نظر ما تعامل کاربران با سیستمهای اطلاعاتی حاوی مطالب مفیدی است. به عنوان مثال اگر کاربران با سلایق مشابه به دو سند دسترسی پیدا کنند، نشان دهنده ی مشابه بودن خود دو سند است. این مطالب میتواند کمک کنند تا اسناد براساس خصوصیات دیگری علاوه بر خصوصیات ذاتی آنها (خصوصیات رفتاری کاربران) خوشه بندی شوند. در این پروژه تلاش در همین زمینه گردیده است و سعی شده با استفاده از استخراج اطلاعات رفتار کاربران، اطلاعات دقیقتر و بهتری با هزینههای محاسباتی کمتر از صفحات وب استخراج و در زمینه خوشهبندی اسناد استفاده شود؛ بنابراین در این تحقیق با استفاده از خوشه بندی و الگوریتم شبیه سازی تبرید ترکیبی تلاش شده تا هزینه های محاسباتی را کاهش و دقت روش خوشه بندی اسناد را افزایش یابد. دلیل اصلی این کار بهینه سازی روش خوشه بندی برای انتخاب مراکز بهینه برای خوشه ها است. نتایج این کار حقیقاتی نشان میدهد بهینگی مناسب در زمینه دقت تشخیص در خوشه بندی صفحات وب و همینطور کاهش هزینه محاسباتی در خوشه بندی صفحات وب را نشان میدهد.
Keywords:
Authors
سعید مصطفی پور گندلی
دانشگاه آزاد اسلامی واحد آبادان
محمدحسین یکتایی
دانشگاه آزاد اسلامی واحد آبادان
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 :