میترا رنک | سامانه جامع تبلیغات و بهبود اعتبار آنلاین

دانلود پاورپوینت جستجو در وب عميق

برگشت به لیستفروش کالای مشابه
دانلود پاورپوینت جستجو در وب عميق
دانلود پاورپوینت جستجو در وب عميق
دانلود پاورپوینت جستجو در وب عميق با فرمت ppt ودر20 اسلاید قابل ویرایش

قسمتی از متن  پاورپوینت جستجو در وب عميق

فهرست

•مقدمه
•آناتومي پيشنهادي براي موتور جستجوي وب عميق
•مرزهاي پروژه
•نحوه‌ي ارزيابي
•چشم‌انداز آينده
•زمان‌بندي
 
مقدمه
 
•اهميت موتور‌هاي جستجو
•افزايش نرخ شكست در جستجو‌ها
–چرا؟
•كشف موجوديت جديد در وب
–وب عميق
•وب عميق = وب مخفي = وب غيرقابل‌شاخص‌گذاري
 
مقدمه (ادامه)
•اندازه‌ي وب عميق : 400 تا 550 برابر وب سطحي !
•مقايسه‌ي اندازه و كيفيت وب عميق با وب سطحي
•سهم موتورهاي جستجوي بزرگ در حل اين مشكل:
–گوگل: 03/0 %
•هزينه‌هاي سرسام‌آور تحميلي بر سايت‌هاي عميق
•
•راه‌حل چيست؟
 
 
1-بازيابي صفحات وب عميق
•يك صفحه‌ي P پويا گفته مي‌شود اگر ... ادامه متن
خرید این کالا ( 10,000 تومان )
با اطمینان خرید کنید. در صورت عدم هماهنگی کالا با توضیحات ارائه شده، وجه پرداختی به حساب شما برگشت داده می شود.
دانلود پاورپوینت جستجو در وب عميق با فرمت ppt ودر20 اسلاید قابل ویرایش

قسمتی از متن  پاورپوینت جستجو در وب عميق

فهرست

•مقدمه
•آناتومي پيشنهادي براي موتور جستجوي وب عميق
•مرزهاي پروژه
•نحوه‌ي ارزيابي
•چشم‌انداز آينده
•زمان‌بندي
 
مقدمه
 
•اهميت موتور‌هاي جستجو
•افزايش نرخ شكست در جستجو‌ها
–چرا؟
•كشف موجوديت جديد در وب
–وب عميق
•وب عميق = وب مخفي = وب غيرقابل‌شاخص‌گذاري
 
مقدمه (ادامه)
•اندازه‌ي وب عميق : 400 تا 550 برابر وب سطحي !
•مقايسه‌ي اندازه و كيفيت وب عميق با وب سطحي
•سهم موتورهاي جستجوي بزرگ در حل اين مشكل:
–گوگل: 03/0 %
•هزينه‌هاي سرسام‌آور تحميلي بر سايت‌هاي عميق
•
•راه‌حل چيست؟
 
 
1-بازيابي صفحات وب عميق
•يك صفحه‌ي P پويا گفته مي‌شود اگر بعضي يا تمام محتواي آن در زمان اجرا (زمان بعد از دريافت درخواست صفحه در خدمتگذار) توسط برنامه‌اي بر روي خدمتگذار يا مشتري توليد شود.
–تشخيص فرم‌ها
–تشخيص اسكريپت‌ها
 
2-تشخيص فيلد‌هاي فرم
•كار بسيار دشواري است!
•اكثر تكنيك‌ها براساس روش‌هاي مكاشفه‌اي است.
•خوشبختانه، در اكثر فرم‌ها از عناصر يكساني استفاده شده است.
 
3-تكميل خودكار فيلدها
•انتصاب مقدار مناسب به فيلد‌هاي استخراج شده براي كشف محتويات داخل داده‌پايگاه
•تكنيك اول:
–استفاده از پرس‌و‌جوهاي از پيش تعيين شده
•تكنيك دوم:
–استفاده از مقادير موجود در فيلدها بصورت جايگشتي
•تكنيك سوم:
–آموزش خزشگر با استفاده از پالايش صفحه‌ي جستجو
 
 
•تكنيك چهارم:
–استفاده از تكنيك‌هاي يادگيري ماشين
•تكنيك پنجم:
–تبديل مسأله‌ي پيدا كردن بهترين پرس‌و‌جو براي يك داده پايگاه به مسأله‌ي پوشش مجموعه در گراف‌ها
–تبديل به مسأله‌ي مجموعه‌ي غالب وزن‌دار كمينه
•تكنيك ششم:
–كار با اسكريپت‌هاي سمت مشتري
 
4-آناليز نتايج دريافتي از داده‌پايگاه‌ها
ر
•دلايل:
–بدست آوردن كلمات كليدي جديد
–تخمين تعداد مستندات داده‌پايگاه در يك زمينه‌ي خاص
 
5-دسته‌بندي يا خوشه‌بندي داده‌پايگاه‌ها
•دسته‌بندي يا خوشه‌بندي؟
•روش‌هاي مختلف دسته‌بندي:
–دسته‌بندي مبتني بر پرس‌و‌جو
–دسته‌بندي مبتني بر خزش
–دسته‌بندي با استفاده از توصيفات كلاس سرويس
 
چشم‌انداز آينده
•ارائه‌ي يك مدل براي داده‌پايگاه‌ها
–حل مسأله‌ي پيدا كردن پرس‌وجوهاي بهينه
–
•استفاده از تكنيك‌هاي دسته‌بندي فازي
–بدليل:
•عدم قطعيت در دسته‌بندي
•همپوشاني داده‌پايگاه‌ها
–مانند: C-Means
این مطلب را با دوستان تان به اشتراک بگذارید :
در صورت تمایل به ارسال نظر، لطفا ثبت نام کرده و یا وارد حساب کاربری تان شوید.
برگشت
برگشت
برگشت
برگشت
به کمک
نیاز دارید ؟
89