การเพิ่มประสิทธิภาพ Search Engine ด้วย Personalized Semantic Web Search Engines

Contents ที่มาของปัญหา วัตถุประสงค์ ประโยชน์ที่คาดว่าจะได้รับ 1 วัตถุประสงค์ 2 ประโยชน์ที่คาดว่าจะได้รับ 3 แนวทางการแก้ไข 4 ขั้นตอนในการดำเนินงานวิจัย 3 วิเคราะห์และข้อเสนอแนะ 6

ความสำคัญ และที่มาของปัญหา Search Engine ในปัจจุบัน ไม่มีความฉลาดมากพอที่จะเข้าใจความหมายที่แท้จริงของการ Query และค้นหาข้อมูลให้ตรงกับความสนใจของผู้ใช้แต่ละบุคคล และความสนใจที่เป็นปัจจุบันของบุคคลผู้ใช้ ความสำคัญ และที่มาของปัญหา 1 Company Logo

วัตถุประสงค์หลักในการวิจัย 2 เพื่อเพิ่มประสิทธิภาพ เป้าหมายหลักของ Search Engine คือ การค้นคืนข้อมูลเฉพาะเอกสาร หรือข้อมูลที่ เกี่ยวข้อง (Relevance) กับคำค้นคืนที่ผู้ใช้ระบุ (Query) ให้ตรงกับความต้องการของผู้ใช้แต่ละคน (Personalized Information Retrieval) Company Logo

Company Logo

ประโยชน์ที่คาดว่าจะได้รับโดยตรงจากงานวิจัย 3 การค้นคืนข้อมูลเอกสาร หรือข้อมูลที่ เกี่ยวข้อง (Relevance) กับคำค้นคืนที่ผู้ใช้ระบุ (Query) ตรงกับความต้องการ ของผู้ใช้แต่ละคน (Personalized Information Retrieval) มากขึ้น Company Logo

Search Engine Architecture Company Logo

งานวิจัยที่เกี่ยวข้อง(1) Yi Jin, Zhuying Lin, Hongwei Lin The Research of Search Engine Based on Semantic Web School of Mathematics and Computer Science, Guizhou Normal University, Guiyang, Guizhou, 550001, China Company Logo

แนวคิดและทฤษฎีที่เกี่ยวข้องที่ใช้ในงานวิจัย (1) Semantic Web Search Engine Semantic Web Knowledge retrieval การค้นคืนองค์ความรู้ Company Logo

ผลจากงานวิจัย(1) ผู้วิจัยได้นำเสนอโครงสร้าง Semantic Search Engine เพื่อใช้ประโยชน์จาก Semantic Web ซึ่งเป็น Web แห่งอนาคต แต่ยังคง ใช้ในงานพื้นฐานของการค้นคืนสารสนเทศ ได้อย่างมีประสิทธิภาพ ทำให้การค้นคืนข้อมูลเอกสาร หรือข้อมูลที่ เกี่ยวข้อง (Relevance) กับคำค้นคืนที่ผู้ใช้ระบุ (Query) มีประสิทธิภาพเพิ่มขึ้นด้วย Semantic Web อย่างมีนัยสำคัญ (ค่าสถิติที่สูงพอที่จะมีผลกระทบกับสิ่งใดสิ่งหนึ่ง) Company Logo

Semantic Web Search Engines Diagram งานวิจัยที่เกี่ยวข้อง(2) Fabrizio Lamberti, Andrea Sanna and Claudio Demartini A Relation-Based Page Rank Algorithm for Semantic Web Search Engines Member, IEEE Company Logo Company Logo

แนวคิดและทฤษฎีที่เกี่ยวข้องที่ใช้ในงานวิจัย(2) Semantic Web knowledge retrieval Company Logo Company Logo

ผลจากงานวิจัย(2) ผู้วิจัยได้นำเสนอ Relation-Based Page Rank Algorithm สำหรับ Semantic Web Search Engines ซึ่ง ranking algorithms สำหรับ Semantic Web ส่วนใหญ่จะใช้ เกณฑ์วัดความเกี่ยวข้อง ที่นำมาจากข้อมูลทั้งหมดซึ่งมีจำนวนมาก ซึ่งบ่อยครั้งไม่สามารถจะมีความเป็นไปได้เพราะเนื่องจาก มีข้อมูลมากมายมหาศาลเกินไป ผู้วิจัยจึงได้ใช้เพียง user query, page annotation and underlying ontology เท่านั้นในการทำงาน ทำให้เกิดประสิทธิภาพในการ ranking เพิ่มมากยิ่งขึ้น Company Logo Company Logo

งานวิจัยที่เกี่ยวข้อง(3) Xiang-dong Chen and Lin Huang The Research of Personalized Search Engine Based on Users'access Interest College of Information and Engineering Northwest A&F University Yangling, China Company Logo Company Logo

แนวคิดและทฤษฎีที่เกี่ยวข้องที่ใช้ในงานวิจัย(3) Personalized Search Engine user's log, Web mining Company Logo Company Logo

ผลจากงานวิจัย(3) ผู้วิจัยได้นำเสนอ Personalized Search Engine Based on Users'access Interest โดยการวิเคราะห์ server log files (mining the users' logs) หลังจากนั้นนำข้อมูลที่ได้มาจัดกลุ่มที่มีความสนใจคล้ายคลึงกันมาไว้กลุ่มเดียวกัน แล้วจึงนำมาเพิ่มประสิทธิภาพให้กับ PageRank algorithm ทำให้เกิดค่าความถูกต้องเพิ่มสูงขึ้น personalized search engine สามารถแนะนำหน้า web page ที่มีการเข้าใช้งานสูง ให้กับ user ผู้ที่มีความสนใจคล้ายๆ กันกับ user ก่อนหน้า มีผลให้เกิดประสิทธิภาพในการค้นคืนเป็นที่น่าพอใจกับผู้ใช้อย่างมีนัยสำคัญ โดยไม่ต้องมีการให้ผู้ใช้ตอบคำถามจาก search engine ว่า ถูกหรือไม่ ต้องการหรือไม่ เป็นต้น ซึ่งผู้ใช้ส่วนใหญ่มักมีนิสัยที่ไม่ชอบ click เพื่อตอบคำถามเหล่านั้นอยู่แล้ว Company Logo Company Logo

แนวทางการแก้ไข 4 จากการทบทวนวรรณกรรมที่เกี่ยวข้อง ในการแก้ปัญหาดังที่กล่าวไว้ข้างต้นกับ search engine ผู้วิจัย จึงได้เสนอวิธีการการเพิ่มประสิทธิภาพ Search Engine ด้วย Personalized Semantic Web Search Engines เพื่อเพิ่มประสิทธิภาพในการคำนวณ page ranking ที่ดีที่สุดอยู่ตลอดเวลาสำหรับผู้ใช้แต่ละกลุ่มที่มีความสนใจคล้ายคลึงกัน ทำให้ ความเกี่ยวข้องเป็นตัวชี้วัดที่ขึ้นอยู่กับความคิดเห็นของแต่ละบุคคล ได้รับการสกัดออกมา แล้วค้นคืนสารสนเทศให้กับ User ได้ตรงกับความต้องการเพิ่มมากขึ้น (ค่าความถูกต้องเพิ่มสูงขึ้น) ซึ่งแนวทางการแก้ไขดังกล่าวทำให้ search engine นั้นเกิดประสิทธิภาพสูงสุดในการค้นคืนข้อมูลที่เกี่ยวข้อง กับคำค้นคืนที่ผู้ใช้ระบุ Company Logo

ขั้นตอนในการดำเนินงานวิจัย 5 (1) การสร้างฐานดัชนี (Indexing): (เกี่ยวข้องกับระบบ) - การประมวลผลข้อความ (Text processing) - การสร้างดัชนี (Index construction) (2) การค้นคืนจากฐานดัชนี (Retrieval): (เกี่ยวข้องกับผู้ใช้) - อินเตอร์เฟสสำหรับผู้ใช้ (User interface) - การประมวลผลคิวรี่ (Query processing) - การค้นคืนจากฐานดัชนี (Searching from index) - การจัดอันดับผลลัพธ์จากการค้นคืน (Search result ranking) Company Logo

บทวิเคราะห์และข้อเสนอแนะ 6 Semantic Web นั้นเป็นอนาคต ( Web 3.0 ) ดังนั้น Search Engine ในอนาคตย่อมต้องมีการเพิ่มประสิทธิภาพให้รองรับกับ Web แห่งอนาคตอย่างหลีกเลี่ยงไม่ได้ ยิ่งไปกว่านั้นหากแต่ยังต้องมีการเพิ่มประสิทธิภาพให้เหนือกว่าขึ้นไปอีกนั้นคือ การเรียนรู้ที่จะสกัดความต้องการของผู้ใช้แต่ละบุคคลเพื่อจัดกลุ่ม ไว้สำหรับการค้นคืนสารสนเทศที่มีความเกี่ยวข้องให้ตรงตามความต้องการของผู้ใช้เพิ่มมากขึ้น สิ่งนี้เป็นความจำเป็นสำหรับการแข่งขันในตลาด Search Engine หากแต่ในวิธีการที่ผู้วิจัยได้นำเสนอนั้น ยังไม่สามารถค้นคืนสารสนเทศที่มีความเกี่ยวข้องละเอียดลึกไปจนถึงขั้นบุคคลใดบุคคลหนึ่งเพียงคนเดียว ดังนั้น การค้นคืนสารสนเทศ แบบอิสระจากกัน ตามความต้องการของบุคคลเพียงคนเดียว จึงเป็นสิ่งที่ท้าทายสำหรับนักวิจัยต่อไป Company Logo

Thank You!