Thesis

ارتقاء کیفیت سیستم های بازیابی اطلاعات متنی با استفاده از الگوریتم های خوشه بندی اسناد

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

سیستم های بازیابی اطلاعات، با استفاده از یک استراتژی بازیابی خودکار تلاش می کنند اسناد مرتبط بیشتری را برای کاربر نمایان ساخته به نحوی که تا حد ممکن هیچ سند غیر مرتبطی بازیابی نگردد. در شاخه بازیابی اطلاعات، ارزیابی سیستم بازیابی اطلاعات نقشی اساسی ایفا می کند. در این خصوص، ارزیابی میزان کیفیت و اثربخشی بازیابی مهمترین نوع ارزیابی سیستم می باشد که تعیین کننده آن است که یک سیستم یا الگوریتم، تا چه اندازه قادر به انطباق، بازیابی و رتبه بندی اسنادی است که به نیاز اطلاعاتی کاربر مرتبط می باشد. هرچه تعداد اسناد مرتبط بازیابی شده توسط سیستم بیشتر و تعداد اسناد نامرتبط کمتر باشد، رضایت کاربر بالاتر بوده و میزان کیفیت سیستم بیشتر خواهد بود. در این پژوهش برای افزایش میزان دقت و اثربخشی سیستم بازیابی اطلاعات از روش های خوشه بندی اسناد استفاده شده، به ترتیبی که سعی می گردد قبل از این که کاربر نیاز اطلاعاتی خود را در قالب یک پرس و جو بیان نماید، اسناد داخل مجموعه به چندین گروه تقسیم شود بطوری که اسناد داخل یک خوشه نسبت به هم دارای بیشترین مشابهت بوده و در عین حال بیشترین فاصله را نسبت به اسناد سایر خوشه ها دارا باشند. بدین ترتیب، پرس و جوی کاربر ابتدا به نزدیک ترین خوشه مرتبط شده، سپس تنها اسناد داخل آن خوشه با توجه به میزان مشابهتشان با پرس و جو، رتبه بندی و در نتایج سیستم بازیابی ظاهر می گردند. بدین ترتیب اسنادی که از لحاظ ظاهری و لغوی شباهت چندانی با پرس و جو نداشته اما از نظر محتوی، نیاز اطلاعاتی کاربر را برآورده می سازند نیز در نتایج جستجو ظاهر می گردند. برای این منظور روش خوشه بندی جدیدی با استفاده از الگوریتم یافتن تطابق ماکزیمم در گراف دوبخشی معرفی شده و نشان می دهیم خوشه بندی اسناد و اعمال آن در سیستم بازیابی اطلاعات به بهبود نتایج در مقایسه با سیستم های سنتی می انجامد. بمنظور ارزیابی روش خوشه بندی و مقایسه آن با روش های موجود، از پیکره های استاندارد 20newsgroups، webkb و reuters 21578 و یک پیکره ساختگی استفاده شده است. همچنین جهت مقایسه سیستم بازیابی اطلاعات مبتنی بر خوشه بندی با روش سنتی، از پیکره استاندارد cranfield استفاده شده است. نتایج بدست آمده نشان می دهد روش خوشه بندی پیشنهادی دارای خروجی مطلوبی بوده و استفاده از آن در سیستم بازیابی اطلاعات، منجر به افزایش میزان دقت سیستم، در مقایسه با حالت سنتی خواهد شد.

Supervisors and advisors

امین اله مهابادی، حسن نادری

Similar theses

  • خوشه بندی اسناد متنی الکترونیکی بر اساس دانش پس زمینه و وزن دهی ابعاد و مفاهیم

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شیخ بهایی - دانشکده مهندسیمحمد زنجانی

    خوشه بندی یا دسته بندی بدون نظارت با سازمان دهی پیکره های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان دهی در موتورهای جستجو برای ارائه خوشه های معنادار مرتبط با پرس و جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایا

  • خوشه بندی اسناد متنی مبتنی بر مفاهیم همسایگی و شباهت معنایی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهدملیحه دانش

    خوشه بندی، روش داده کاوی قدرتمندی است که جهت کشف موضوع از اسناد متنی مورد استفاده قرار می-گیرد. در این زمینه الگوریتم های خانواده k-means به دلیل سادگی و سرعت بالا، در خوشه بندی داده هایی با ابعاد بالا، کاربرد فراوانی دارند. در این الگوریتم ها، معیار شباهت cosine، تنها شباهت میان

  • خوشه بندی اسناد xml با استفاده از جنبه های مختلف اسناد

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنیالهه اصغری

    به واسطه قالب نیمه ساختیافته و خاصیت خود توصیف بودن، xml به ابزاری مناسب جهت بازنمایی و تبادل داده روی وب تبدیل گشته و امکان مدل کردن انواع مختلفی از داده ها را فراهم کرده است. با توجه به گسترش روزافزون استفاده از اسناد xml روی وب و اهمیت سازماندهی این اسناد، مطالعه و بررسی این م

  • بازیابی اطلاعات متنی با استفاده از منطق فازی

    Thesis2001وزارت علوم، تحقیقات و فناوری - دانشگاه شیرازمحمدباقر دستغیب

    گسترش بسیار سریع اینترنت و حجم زیاد اطلاعات متنی موجود بر شبکه جهانی، بیانگر اینست که، باید به دنبال روشهای جدیدی برای طراحی سیستمهای بازیابی اطلاعات بود و هدف یک سیستم بازیابی اطلاعات، که در اختیار قرار دادن اطلاعات مورد جستجوی کاربر می باشد به کمک ابزارهای هوشمند، خوبی برآورده

  • بهبود سرعت شناسایی گوینده در سیستم های با تعداد گوینده بالا با استفاده از خوشه بندی سلسله مراتبی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده صنایعامین پروانه

    شناسایی هویت مطمئن یک اصل اساسی برای شروع یک تراکنش تجاری می باشد. استفاده از بیومتریک ها می تواند باعث بالارفتن امنیت، سرعت و سادگی سیستم های شناسایی هویت شود. صدا به عنوان یک بیومتریک با دقت نسبتا بالا، سادگی استفاده و پیاده سازی بالا، هزینه کم و پذیرش بالای کاربر، یک گزینه منا

  • بهبود کارایی سیستم های توصیه‏گر با استفاده از خوشه‏بندی فازی ترکیبی

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوترزهرا بیرامی آقباش

    سیستم‏های توصیه‏گر، در جهت پیشنهاد مناسب‏ترین آیتم‏ها به کاربران ارائه شده‏اند و فیلتر مشارکتی از پرکاربردترین تکنیک‏ها در این حوزه می‏باشد. از مهم‏ترین موضوعات در سیستم‏های توصیه‏گر تولید پیش‏بینی‏های دقیق می‏باشد. سیستم‏های توصیه‏گر فیلتر مشارکتی مبتنی بر آیتم پیش‏بینی را از طر

Similar items