عنوان :
بهبود كارآيي سيستمهاي بازيابي اطلاعات مبتني بر خوشه بندي به كمك روشهاي يادگيري ماشين
پديدآورندگان :
ذوالقدرجهرمي منصور نويسنده , ولي زاده محمدرضا نويسنده
نام دانشگاه :
دانشگاه شيراز
كليدواژه زبان طبيعي :
خوشه بندي بازيابي اطلاعات معيار شباهت حساس به پرسش هوش مصنوعي رده مهندسي مهندسي كامپيوتر
چكيده :
خوشه بندي در زمينه بازيابي اطلاعات به صورت گسترده اي در سالهاي اخير با هدف بالا بردن سرعت و كارايي سيستمهاي بازيابي اطلاعات مورد استفاده قرار گرفته است . بهبود كارايي اين سيستمها براين فرضيه استوار است كه اسناد مرتبط با يك پرسش خود شبيه يكديگرند و انتظار مي رود كه در عمل خوشه بندي در يك خوشه قرار گيرند. معيارهاي بازيابي اطلاعات مورد استفاده قرار گرفته است . بهبود كارايي اين سيستمها براين فرضيه استوار است كه اسناد مرتبط با يك پرسش خود شبيه يكديگر هستند و انتظار مي رود كه در عمل خوشه بندي در يك خوشه قرار گيرند. معيارهاي شباهت ايستا مانند كوسينوس شباهت دو سند را بدون توجه به پرسش كاربر محاسبه مي كنند و در نتيجه شباهت دو سند تحت پرسشهاي مختلف كاربر يكسان خواهد بود معيارهاي شباهت حساس به پرسش ...سعي در آشكار كردن شباهت دو سند تحت يك پرسش خاص را دارند. در اين پايان نامه از ژنتيك الگوريتم براي جستجو يك معيار شباهت حساس به پرسش براي يك مجموعه اسناد مشخص استفاده شده است . منابع اطلاعاتي مهمي كه براي اين هدف مي توانستند مورد استفاده قرار گيرند مشخص شدند سپس از AG براي جستجوي يك تركيب بهينه از اين منابع استفاده شد. معيار بدست آم ده با استفاده از چهار مجموعه اسناد مورد ارزيابي قرار گرفته است و كارآيي آن با معيارهاي شباهت حساس به پرسش ارايه شده توسط ساير محققان مقايسه شده است . نتايج آزمايشها نشان دهنده پيشرفت قابل ملاحظه ي معيار ارايه شده به ديگر معيارها است . براساس اين نتايج انتظار مي رود كه استفاده از اين معيار پيشنهادي باعث افزايش كارايي سيستم هاي بازيابي اطلاعات مبتني بر خوشه بندي شود.
