928پ

User Web Search Result Clustering with Intelligent Algorithms

كارشناسي ارشد

نرم افزار

دانشگاه پيام نور تهران شمال

1393

1393/6/26

عالي

127ص.

كرباسي ، سهيلا

معظم ، محمدهادي

107-108

افزوده شدن روزانه بيش از يك ميليون صفحه به اطلاعات موجود در اينترنت به تنهايي نشان دهنده اين است كه در عصر كنوني ما با كمبود اطلاعات مواجه نيستيم بلكه با فقر دانش روبرو هستيم زيرا كشف دانش و آگاهي سودمند كه مستتر در انبوه داده‌هاست روز بروز مشكل‌تر و پرهزينه‌تر مي شود. و به طبع آن جستجو براي كاربران نيز فقط با صرف هزينه بيشتر امكانپذير است.در اين پايان نامه ما قصد داريم با بررسي روشهاي موجود در خوشه بندي داده هايي كه در حقيقت همان نتايج حاصل از جستجوي كاربران در وب هستند ،نقاط ضعف آنها را بيابيم .با انجام آزمايشات با داده هاي متنوع و در محيط هاي مختلف به اين درك رسيديم كه در خوشه بندي داده هاي كاربر، كيفيت نتايج بدست آمده از الگوريتم مرسوم خوشه بندي K-means بسيار متغير بوده و اين مي تواند از جمله مهمترين دلايل پرهزينه شدن جستجو در اينترنت باشد .به منظور حل اين مشكل از الگوريتم هاي فرا ابتكاري و هوشمند در اين زمينه كمك گرفتيم كه با توجه به معايب الگوريتم K-means مناسبترين الگوريتم براي جايگزين نمودن ،الگوريتم بهينه سازي ازدحام ذرات بود.اما از آنجا كه اينكار در عمل در نرم افزارهاي داده كاوي تا كنون صورت نگرفته بود جهت انجام آزمايش و بررسي نتيجه ميبايست ابتدا پياده سازي كد الگوريتم پيشنهادي را با استفاده از مفاهيم نرم افزارهاي متن باز تهيه و آنرا به نرم افزار مورد آزمايش وارد كنيم. با انجام دادن اين اقدامات و ارزيابي نتايج حاصل دريافتيم كه الگوريتم پيشنهادي خوشه هاي مناسبتر و پايدارتري توليد ميكند كه در نتيجه مي توان در زمان جستجو نتايج ارزنده تري را به كاربر ارائه دهيم و هزينه جستجو را كاهش دهيم. و دستاورد ما علاوه بر كيفيت نتايج جستجو توليد شده ، در قدم بعد با توجه به سابقه و علايق كاربر به زمينه هاي مختلف ، رسيدن به يك سيستم توصيه گر فيدبك دار جهت تعيين احتمال حركت بعدي كاربر و ارائه پيشنهاد به آن خواهد بود.

1395/10/8

39479