بهبود نتایج جستجوی صفحات فارسی در وب معنایی با استفاده از مدل مارکوف و آنالیز رفتار پیمایشی کاربر

حجم بسیار عظیم اطلاعات بر روی شبکه جهانی وب موجب شده است که موتورهای جستجو ملزم به استفاده از تکنیک های بهبود دهنده ای باشند تا بتوانند کارآیی بازیابی اطلاعات را ارتقاء داده و نتایجی را که برای کاربر بهتر هستند، ارائه کنند. گسترش پرس و جو یکی از این تکنیک ها می باشد. روش هایی که تاکنون به منظور گسترش پرس و جو ارائه شده اند، عمدتاً گسترش پرس و جو را بر اساس یک فرهنگ لغت انجام می دهند و تنها از ویژگی های زبانی استفاده می کنند. در این مقاله ابتدا با استفاده از مدل مارکوف، صفحات و موضوعات مورد درخواست احتمالی کاربر واکشی شده و با تلفیق آنالیز احساسات و الگوی رفتار پیمایشی کاربر، فیلترینگ نهایی بر نتایج مورد واکشی برای نمایش اطلاعات دقیقتر، در صفحات وب فارسی، روشی برای بهبود نتایج جستجوی صفحات فارسی در وب معنایی ارائه می شود. برای ارزیابی روش پیشنهادی، با استفاده از رپیدماینر، مدل سازی و با #c پیاده سازی انجام شده است. پارامترهای مورد ارزیابی شامل مدت زمان جستجو پیش واکشی صفحات وب، میزان حافظه مصرفی و میزان تاخیر کاربران در واکشی و نمایش نتایج یافته شده بوده، که نتیجه و خروجی پیاده سازی از بهبود و کارایی روش پیشنهادی، حکایت دارند.