الگوریتم ترکیبی‌ِ وفقی جهت رتبه‌بندی صفحات وب با استفاده از ویژگیهای ریزدانه و درشت‌دانه

حجم عظیم و پویا بودن اطلاعات وب، یکی از مهمترین چالش های بازیابی اطلاعات در پاسخ به پرسش کاربر می باشد. برای بهبود نتایج جستجو تاکنون الگوریتمهای متنوعی مانندbm25 و pagerank ارایه شدهاند. در این مقاله یک الگوریتم رتبه بندی وفقیِ ترکیبی برای دستیابی به دقت و کارایی بالاتر ارایه شده است. این الگوریتم با استفاده از ترکیب الگوریتمهای رتبهبندی موجود به عنوان ویژگی درشتدانه مانند bm25 و tf-idf و همچنین ترکیب ویژگیهای ریزدانه‌ی موجود مانند مانند تکرار واژهها و درجه ورودی صفحات به کمک فرآیند یادگیری به کارآیی بهتری دست یافته است. در فرآیند یادگیری از عملگر تجمیع owa و نظر افراد خبره در مورد درجه ارتباط پرسش و سند استفاده می شود. برای ارزیابی الگوریتم پیشنهادی از مجموعه دادههای محک letor شامل دادههای web trec 2004 استفاده گردید. آزمایشات، افزایش چشمگیری را در میزان دقت بازیابی نشان میدهند.