اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدبناء نواة محرك بحث قادر على التحكم بالبحث و فهرسة المواقع
Building a kernel of Search Engine overrule in search and indexing
988
0 36
0
(
0
)
نشر من قبل
جامعة تشرين ورقة بحثية
تاريخ النشر
2015
مجال البحث
الحاسبات والتحكم الآلي
والبحث باللغة
العربية
تأليف
سرار حمود( باحث )
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
يتضمن هذا البحث بناء نواة محرك بحث يمكنه العمل ضمن شبكة الانترنت , قادر على التحكم بالبحث عن معلومات بمجالات محددة و فهرسة مواقع معينة . تم في هذا البحث دراسة مسألة البحث عن المعلومات عبر الانترنيت و نظم استرجاع المعلومات و أنواع محركات البحث و المعماريات الأساسية لبناء المحركات و من ثم اقتراح معمارية محرك بحث يصلح نواة لمحرك البحث المرغوب و تحديد المخطط النهائي لمعمارية محرك البحث حيث تم بناء مقاطع محرك البحث و إجراء الاختبارات و النتائج.
This research designs web search engine kernel overrule in searching of specific fields and indexing indicated sites. This research contain information about search in web , retrieval system , types of search engines and basic architectures of building search engines .It suggests search engine architecture kernel of dedicated search engine to do final planner of search engine architecture ,and build parts of search engine and execute test to get results .
المراجع المستخدمة
GREHAN,M. How Search Engines Work, Incisive Media , New York,2002,275
KENT,P. Search Engine Optimization.5th.ed., John Wiley & Sons , London ,2012 ,456
MENG,W. Metasearch Engines, Binghamton University, New York, 2008,302
قيم البحث
اقرأ أيضاً
أساسيات محسن محركات البحث - انشاء عناوين صفحات فريدة ودقيقة - تحسين بنية الموقع - تحسين المحتوى - التعامل مع برامج الزحف - تحسين محركات البحث لهواتف الجوال - التحليلات وعمليات الترويج
على الرغم من وجود العديد من الدراسات حول توليد اللغة العصبية (NLG)، إلا أن القليل من التجارب يتم وضعها في العالم الحقيقي، وخاصة في مجال الإعلان.يمكن أن تساعد توليد الإعلانات مع نماذج NLG في تصفيات الأوجه في إنشائها.ومع ذلك، قامت دراسات قليلة بتقييم ت
أثير الإعلانات التي تم إنشاؤها بشكل كاف مع وجود خدمة فعلية مضمنة لأنها تتطلب كمية كبيرة من بيانات التدريب وبيئة معينة.في هذه الورقة، نوضح حالة الاستخدام العملي لتوليد نص الإعلان بنموذج NLG.خصيصا، نعرض كيفية تحسين تأثير الإعلانات، ونشر النماذج إلى منتج، وتقييم الإعلانات التي تم إنشاؤها.
الاعتراف بالكيانات المسماة في استفسارات محرك البحث القصيرة هي مهمة صعبة بسبب معلومات السياق الأضعف مقارنة بالجمل الطويلة.فشلت أنظمة التعرف على الكيان المسماة القياسية (NER) التي يتم تدريبها على الجمل الصحيحة والطويلة بشكل جيد على أداء هذه الاستفسارات
بشكل جيد.في هذه الدراسة، نشارك جهودنا نحو إنشاء مجموعة بيانات تنظيفها ومصممة من استفسارات محرك البحث التركية الحقيقية (TR-SEQ) وإدخال ملصق ممت طويل لإرضاء احتياجات محرك البحث.يتم تدريب نظام NER من خلال تطبيق أحدث طريقة التعلم العميقة من أحدث برت إلى البيانات التي تم جمعها وإبلاغ أدائها العالي على استعلامات محرك البحث.علاوة على ذلك، قمنا بمقارنة نتائجنا مع أنظمة NER التركية التي من بين الفن.
تعتمد تقنيات AdgeDDing Word بشدة على ترددات الكلمات في Corpus، وتتأثر سلبا بفشل في تقديم تمثيلات موثوقة للكلمات ذات التردد المنخفض أو الكلمات غير المرئية أثناء التدريب. لمعالجة هذه المشكلة، نقترح خوارزمية لتعلم Admeddings عن الكلمات النادرة على أساس
محرك بحث الإنترنت وعلاقات الموقع المكاني. خوارزميتنا عائدات في خطوتين. نقوم أولا باسترجاع صفحات الويب المقابلة للكلمة النادرة من خلال محرك البحث وتحليل النتائج المرسلة لاستخراج مجموعة من أكثر الكلمات ذات الصلة. نحن متوسط ناقلات الكلمات ذات الصلة باعتبارها المتجه الأولي للكلمة النادرة. بعد ذلك، فإن موقع الكلمة النادرة في مساحة المتجه يتم ضبطه بشكل متكرر وفقا لترتيب ما له في الكلمات ذات الصلة. بالمقارنة مع النهج الأخرى، يمكن للخوارزمية لدينا معرفة تمثيلات أكثر دقة لمجموعة واسعة من المفردات. نقوم بتقييم شركاتنا النادرة المستفادة من الكلمات النادرة على مهمة كلمة متعلقة، وتظهر النتائج التجريبية أن خوارزميتنا تحقق الأداء الحديث من بين الفن.
تتمثل الوصفة الحالية لأداء نموذج أفضل داخل NLP في زيادة حجم نموذج البيانات والتدريب.في حين أن ذلك يعطينا نماذج مع نتائج رائعة بشكل متزايد، إلا أنها تجعل من الصعب تدريب ونشر نماذج أحدث ل NLP بسبب زيادة التكاليف الحاسوبية.ضغط النموذج هو مجال للبحث الذي
يهدف إلى تخفيف هذه المشكلة.يشمل هذا المجال أساليب مختلفة تهدف إلى الحفاظ على أداء نموذج أثناء تقليل حجمها.واحدة من هذه الأسلوب هو تقطير المعرفة.في هذه المقالة، نحقق في تأثير تقطير المعرفة لنماذج التعرف على الكيان المسمى باللغة السويدية.نظهر أنه في حين أن بعض نماذج علامات التسلسل تستفيد من تقطير المعرفة، وليس كل النماذج تفعل.هذا يطالبنا بطرح أسئلة حول المواقف التي تنفجر المعرفة النماذج مفيدة.نحن أيضا السبب في تأثير تقطير المعرفة على التكاليف الحاسوبية.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
