عنوان مقاله :
ارائه‌ي الگوريتمي به‌منظور خوشه‌بندي صفحات وب براساس محتوا و لينك
پديد آورندگان :
فتحيان، محمد دانشگاه علم و صنعت ايران - دانشكده مهندسي صنايع , كريمي مجد، امير محسن دانشگاه علم و صنعت ايران - دانشكده مهندسي صنايع
كليدواژه :
خوشه‌بندي , تجارت الكترونيكي , محتوا , لينك , موتور جست‌وجو , شبكه‌هاي پيچيده
چكيده فارسي :
وجود يك موتور جست‌وجوي كارا مي‌تواند سبب افزايش رضايت كاربران از خدمات تحت وب باشد. چالش اصلي موتورهاي جست‌وجو، انتخاب مناسب‌ترين صفحات در مواجهه با پرسش‌هاي چندوجهي كاربران است. «خوشه‌بندي صفحات براساس محتوا و لينك» رويكردي است كه براي حل چنين مسائلي در ادبيات پيشنهاد شده است. در اين نوشتار، بر يكي از الگوريتم‌هاي موجود، به‌نام CohsMix، تمركز شده و اين الگوريتم براي ارتقاي كيفيت پاسخ‌ها و افزايش سرعت حل بهبود داده شده است. تعيين نقطه‌ي شروع مناسب، استفاده از خواص شبكه‌هاي پيچيده به‌منظور ساده‌سازي محاسبات، و محاسبه‌ي مقدار واقعي انحراف استاندارد از جمله تغييرات پيشنهادي براي بهبود الگوريتم است. نتايج تجربي نشان مي‌دهد كه الگوريتم بهبوديافته، كيفيت جواب‌ها را ارتقا داده و باعث افزايش سرعت حل مي‌شود. همچنين، به‌عنوان مطالعه‌ي موردي، داده‌هاي مربوط به وبلاگ‌هاي فارسي استخراج و الگوريتم بهبوديافته روي اين داده‌ها اجرا خواهد شد.
چكيده لاتين :
In the midst of webpages, two issues raise for users to access the desired resources. These issues are speed and accuracy that are two important factors for users satisfaction of web services, for which an appropriate information retrieval tool to provide suitable responses is required. Therefore, developing an efficient search engine could be useful in order to attract customers and increase their satisfaction. However, Web search engines often face with a crucial problem, that is, their results, include highly diverse pages in correspondence with vague queries. This kind of diversity makes choosing the most relevant pages more difficult for search engines. On the other hand, the obtained results may be undesirable from the users perspective. In such a situation, discovering natural grouping of pages and finding their representatives help the engines to cover all admissible meanings related to users query. Clustering is the well-known approach for this reduction purpose, i.e., finding a few representatives among highly diverse Web pages. In this paper, we focus on a pioneering algorithm and aim to improve it in terms of the quality of responses and the execution speed. To do so, we propose to provide initial clusters by means of a well-known algorithm, called K-means. This could be a proper initial point. We also reformulate a time-consuming formula of the main algorithm by taking advantages of the properties of linking network. Furthermore, we formulate a set of significant variables of the main algorithm to increase the quality of the clustering. These variables have been considered constant in the main algorithm. The experimental results on ground-truth datasets indicate that the performance of our algorithm is about 30%superior to the performance of the main algorithm both in terms of quality of clustering and execution speed. Moreover, as an interesting case study, we execute our algorithm on the dataset of Persian blogs. We provided this dataset by collecting the information about links and texts included in some blogs. Implementing our algorithm on this interesting dataset provides marvelous results in the case of extracted clusters.
عنوان نشريه :
مهندسي صنايع و مديريت شريف
عنوان نشريه :
مهندسي صنايع و مديريت شريف
