52793

دانشگاه شيراز

فوق ليسانس

0

1381

با توجه به حجم زياد اطلاعات برروي اينترنت و ساير شبكه ها و افزايش سريع اين اطلاعات ، نياز به ابزارهايي براي جستجو و مديريت اين اطلاعات به شدت احساس مي شود. در دهه گذشته تلاشهاي زيادي براي افزايش كارآيي سيستمهاي بازيابي اطلاعات متني با استفاده از روشهاي هوش مصنوعي صورت گرفته است . بخشي از تحقيقات انجام شده در اين پايان نامه ، تلاشي است براي افزايش كارآيي سيستمهاي بازيابي اطلاعات متني با استفاده از شبكه هاي عصبي ، هدف از اين بخش اين است كه يك شبكه عصبي را با تعدادي درخواست Query و اسناد يا جوابهاي Document متناظر اين درخواستها آموزش دهيم بدان اميد كه اين آموزش بتواند كارآيي سيستم را براي يك درخواست جديد افزايش دهد. مرحله آموزش ، شبكه عصبي را قادر مي سازد تا يك رابطه بين هر درخواست و سند متناظرش بياموزد. در اين روش از مكانيزم LSI براي كاهش تعداد مولفه هاي معرف يك سند يا در خواست استفاده شده است . پس از يك سري آزمايشات ، نشان داده شده كه كارآيي سيستم در مقايسه با روش كلاسيك پيشرفت كرده است . به عنوان روش ديگري براي افزايش كارآيي يك سيستم بازيابي اطلاعات ، از الگوريتمهاي ژنتيكي براي پيدا كردن يك معيار شباهت وابسته به درخواست براي پيدا كردن ميزان شباهت دو سند نسبت به يك درخواست استفاده شده است .

دانشگاه شيراز

فارسي