مقایسه عملکرد ابزار پیشنهاد دهنده در موتور جستجوی گوگل، یاهو و بینگ

Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 873

This Paper With 22 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_JKIM-4-4_007

تاریخ نمایه سازی: 15 تیر 1398

Abstract:

هدف: این پژوهش با هدف مقایسه عملکرد ابزار پیشنهاد­دهنده در موتورهای جستجوی گوگل، یاهو، بینگ، اسک و وب کراولر انجام شده است. روش شناسی: روش پژوهش حاضر توصیفی- اکتشافی است. جامعه آماری آن کلیه موتور­های جستجوی دارای ابزار پیشنهاد­دهنده است که از این میان پنج موتور جستجوی گوگل، یاهو، بینگ، اسک و وب کراولر براساس محبوبیت و کاربرپسند بودن، به عنوان نمونه انتخاب شدند. در راستای هدف پژوهش، گردآوری داده­ها با استفاده از سیاهه وارسی محقق ساخته که درمجموع شامل 10 سوال و 10 کلیدواژه، براساس سرعنوان های موضوعی فارسی انتخاب و مورد جستجو قرار گرفتند. بر این اساس در گام نخست گردآوری داده­ها، موارد پیشنهاد شده توسط موتور های جستجو برای این 20 نمونه پرس وجو مورد جستجو قرار گرفتند و میزان مرتبط بودن 10 نتیجه اول هرکدام از این موارد پیشنهاد شده بررسی شد و نهایتا براساس مرتبط بودن این نتایج به مقایسه عملکرد پنج موتور جستجوی نمونه از نظر مرتبط بودن موارد پیشنهاد شده توسط آنها با نمونه های پرس وجو پرداخته شد. یافته­ ها: یافته­های پژوهش گویای آن است که موتورجستجوی گوگل از نظر عملکرد ابزارهای پیشنهاددهنده در ارائه اطلاعات مرتبط با پرسش کاربر در قالب سوالات و کلیدواژه­های موجود در چک لیست وضعیت مطلوب تری نسبت به چهار موتورجستجوی یاهو، بینگ، اسک و وب کراولر دارد. همچنین با اندازه­گیری میزان دقت اطلاعات بازیابی شده در این پنج موتور جستجو و محاسبه میانگین آن، گوگل با 55.68، یاهو با 48.92، وب کراولر با 46.90، اسک با 40.17 و بینگ با 32.62 امتیاز، از لحاظ دقت اطلاعات بازیابی شده رتبه­بندی شدند. بحث و نتیجه گیری: به طور کلی با توجه به یافته­های حاصل شده، ابزارهای پیشنهاددهنده در موتور جستجوی گوگل عملکرد بهتری دارند و با حدس زدن تفکر کاربر، اطلاعاتی مرتبط با پرسش کاربر پیشنهاد می­دهد.

Authors

مینا قاسمی الوری

کارشناسی ارشد گروه علم اطلاعات و دانش شناسی، دانشگاه اصفهان، اصفهان، ایران.

ندا عباسی دشتکی

کارشتاسی ارشد علم اطلاعات و دانش شناسی دانشگاه اصفهان

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 :
  • خورشاهیان، فاطمه (1395). سیستم های پیشنهاددهنده در موتورهای جستجو. دانشگاه ...
  • مطهری نژاد، مریم سادات؛ ذوالفقارزاده، محمدمهدی؛ خدنگی، احسان و سعدآبادی، ...
  • امیری منش، مکیه، هارون آبادی، علی و گلاب پور، امین ...
  • فتاحی، رحمت­الله (1385). شناسایی و تحلیل واژگان عمومی در منابع ...
  • فتاحی، رحمت­الله؛ خسروی، عبدالرسول؛ پریرخ، مهری و دیانی، محمدحسین (1395). ...
  • حیاتی، زهیر؛ طاهریان، آمنه سادات (1388). بررسی مقایسه­ای الگوی جستجو ...
  • حیاتی، زهیر؛ شفیعی سروستانی، لاله (1390). مقایسه ربط منابع بازیابی ...
  • طباطبایی جعفری، زهره (1390). بررسی شیوه­های بسط پرسش در رفتار ...
  • صنوبری، سعید؛ میثاقیان، نگین و جلالی، مهرداد (1392). سیستم پیشنهاددهنده ...
  • الگوریتمی مبتنی بر ساختار پیوندی صفحات و اطلاعات استفاده کاربران برای پیشنهاد صفحات وب [مقاله کنفرانسی]
  • Kangas, S. (2002). Collaborative filtering and recommendation systems. in: VTT ...
  • Kato, M., Sakai, T. & Tanaka, K. (2013). When do ...
  • Kelly, D, Cushing, A. Dostert, M. Niu, Xi. & Gyllstrom, ...
  • Kim, Y. S., Yum, B. J., Song, J. & Kim, ...
  • Liang, T.P., Hung-Jen, L. & Yi-Cheng K.(2006). Personalized content recommendation ...
  • Martín-Guerrero, J. D., Lisboa, P. J., Soria-Olivas, E., Palomares, A. ...
  • Nui, X. & Kelly, D. (2014). Use of query suggestion ...
  • Plansangket, Suthira & Gan, John Q. (2015). A query suggestion ...
  • Xu, Z.,  Luo, X., Yu, J. & Xu, W. .(2010) ...
  • نمایش کامل مراجع