A novel approach for ranking web documents based on query-optimized personalized pagerank

Das Ranking spielt eine wichtige Rolle im Suchprozess von Webdokumenten auf einem riesigen Korpus. Dies verkürzt nicht nur die Suchzeit, sondern liefert den Nutzern auch nützliche Dokumente. In diesem Beitrag erweitern wir unseren früheren abfrageoptimierten PageRank-Ansatz, indem wir den TF-IDF und den personalisierten PageRank-Algorithmus kombinieren, um einen robusten Ranking-Mechanismus zu generieren. In unserem früheren Ansatz modellierten wir ein Ranking-Schema, indem wir die Verknüpfungsstrukturen der Dokumente zusammen mit ihrem Inhalt berücksichtigen.Eine neuartige Methode zur Auswahl von Merkmalen mit dem Namen "Term-Term-Term Correlation-Based Feature Selektion" (TCFS) wird ebenfalls vorgeschlagen, die alle störenden Begriffe aus dem Dokument entfernt, bevor der Ranking-Prozess einsetzt.Wir glauben, dass durch die Einbeziehung von TCFS und personalisiertem PageRank der Dokumente zusammen mit ihrer Relevanz die Abrufergebnisse verbessert.Ziel ist es, die Verknüpfungsstruktur basierend auf der Ähnlichkeit zwischen dem Inhalt des Dokuments und der Benutzerabfrage zu modifizieren. Experimentelle Ergebnisse zeigen, dass die vorgeschlagene Auswahltechnik der konventionellen Merkmalauswahl die herkömmlichen Auswahltechniken übertreffen kann, die personalisierte Ansätze des PageF-IDF-Ansatzes mit dem kombinierten Ansatzes ist, den kombinierten Ansätzen des PageF-IDF-Ansatzes ist, den vielversprechenden Ansatzes dem kombinierten Ansatzes, den Ansatzes den Ansätzen für den Anwender Anwender Anwender Anwender Anwender Anwender Anwender Anwender zu bieten.