Giải pháp tìm kiếm trang web tương tự trong máy tìm kiếm Vietseek.

Giải pháp tìm kiếm trang web tương tự trong máy tìm kiếm Vietseek. Điều khiển học thế hệ thứ nhất: Điều khiển học ra đời từ sự bắt đầu quan tâm các điểm giống nhau giữa những hệ tự lập: cơ thể sống và máy móc. Tuy nhiên, đến trước năm 1970, kỹ thuật điều khiển và máy tính chỉ mới tập trung về cách tiếp cận kỹ nghệ là người thiết kế hệ thống xác định hệ thống sẽ làm cái gì. Các hệ thống con người làm ra có tất cả kiến thức theo một cách duy nhất,...
Nội dung trích xuất từ tài liệu:
Giải pháp tìm kiếm trang web tương tự trong máy tìm kiếm Vietseek. T?-p chi Tin h9C va Dieu khien h9C, T.20, S.4 (2004), 293-304 , , ..•. ,c GIAI PHAP TIM KIEM TRANG WEB TlfONG , , ,c ru TRONG MAY TIM KIEM VIETSEEK PHAM TH:J: THANH NAM, BlJI QUANG MINH, HA QUANG THl)Y Khoa Gong ngh¢, Dei h9C Quac gia Ho. N(JiAbstract. This article describes some of our propositions to upgrade the search function of theVietseek by adding a vector representation solution for web pages. It alsoproposes the vector repre-sentation for web pages, a calculating formula for components of the vector, a text-based similarmeasure of two web pages, and algorithms to find out text-based similar pages of a given web page.Some realizations for above propositions n. the Vietseek are described too.Tom Hit. Bai bao nay trinh bay mot so de xuat giai phap nang cap chirc nang tirn kiern cua maytim kiern tieng Viet Vietseek thong qua viec b6 sung bieu dien vector cho trang web. Phuong phapbi~u dien vector cho trang web, cong thirc tinh toan thanh phan vector bieu dien, d9 do tirong ttrtheo n9i dung giira hai trang web va thuat toan tim kiern cac trang web tirorig tir voi mot trangweb da cho duoc de xuat. Plnrong phap cai d~t cac de xuat tren day trong may tim kiern Vietseekcling duoc trinh bay. 1. Ma DAD Khai pha text, d~c biet la khai pha web, hien duoc nl:t nhieu to chirc, nha khoa h9C quan .m nghien ciru, trien khai va ket qua cua nhieu c6ng trinh nghien ciru da diroc c6ng bo (xern ~:anghttp://www.kdnuggets.com/publications/web-rnining.htrnl). MQt so bai toan dien hinhrang khai pha web la bieu dien trang web, xU-11(tirn kiem, phan lap, kham pha luat.), khaipha web-site .... M6 hinh vector la mo hinh bieu dien van ban dien hinh va diroc su- dungrQngJai nhat. Co rat nhieu each xac dinh gia tri thanh phan cua vector bieu dien. Cac giaiphap xU-ly van ban thirong giin bo mat thiet voi each bieu dien dircc chon. M~c du vay, voimoi each bieu dien van ban da cho, nghirmroi ta co the SU-dung nhieu giai phap xU-ly khacnhau; chang han voi cling mot each bieu dien vector, co the SU-dung nhieu thuat toan phanlap dira tren cac tiep can Bayes, k ngirci lang gieng gan nhat (k-NN), cay phan lap .... May tim kiern, dien hinh nhir Yahoo, Google, Altavista, la cong cu tim kiern rat hiru ichkhi lam viec tren Internet. Do dinh huang muc tieu giai quyet bai toan tim kiern, bieu dientrang web trong may tirn kiern co mot so net dQc dao. M~t khac, cac may tim kiern hien taichua de cap nhieu toi nhirng giai phap khai pha web khac ngoai bai toan tim kiern. Trang bai bao nay, chung toi dinh huang vao viec nang cap chirc nang tim kiern nho bosung bieu dien vector trang web doi vo i may tim kiern tieng Viet thir nghiem Vietseek docluing toi nghien ciru, xay dung. Muc 2 cua bai bao gioi thieu mot so c6ng trlnh nghien ciru co noi dung lien quan den baibao. Muc 3 gici thieu mot so noi dung CO ban ve cau true va heat dong cua may tirn kiernVietseek. Cac de xuat giai phap trong bai bao nay (bieu dien vector trang web, dQ do gan294 PHAM TH~ THANH NAM, BUI QUANG MINH, HA QUANG THVYnhau theo noi dung giira hai trang web, cong tlnrc tinh toan thanh phan vector bieu dien,thuat toan tirn kiern cac trang web tirong tir) diroc trinh bay trong Muc 4. Muc 5 gioi thieumot so ket qua cai d~t trong may tim kiern Viet seek va ban luan. A ..... •• ....., ••••. 2. MOT SO CONG TRINH NGHIEN CUU LIEN QUAN Trong [6], cac tac tac gici da trinh bay mot so ket qua nghien ciru ve khai pha text su dungmo hinh vector. Gicii phap tir dong nghia, da ngon ngir va thu nghiem gicii phap cay phanlap cling da diroc trlnh bay a bai bao nay. Trong [7], Sen Slattery trinh bay tong hop cacphirong phap bieu dien va xu 11 sieu van ban (hypertext), d~c biet la cac thuat toan phan lap(Bayes, k-NN, FOIL, v.v.). Holger Billhardt, Daniel Borrajo va Victor Maojo [3], Son Doanva Horiguchi [8] de xuat cac gicii phap bieu dien mo i cho phep tang ngir nghia cua vector bieudien van ban khi tinh den tinh phu thuoc ngir nghia cua cac tir khoa. Thorsten Joachims [9],Hwanjo Yu, Jiawei Han va Kevin Chen-Chuan [4] trinh bay nhirng gicii phap tang cirorig chathrong xu ly van ban theo dinh huang tai ngiroi su dung. Martin Ester, Hans-Peter Kriegeiva Matthias Schubert [5] giai thieu giai phap phan lap web site cua cac cong ty loai nho trenca sa thiet lap cay bieu dien co ...