با همکاری مشترک دانشگاه پیام نور و انجمن علمی ارتقاء کتابخانه‌های عمومی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد گروه علم اطلاعات و دانش‌شناسی، دانشگاه اصفهان، اصفهان، ایران.

2 کارشتاسی ارشد علم اطلاعات و دانش شناسی دانشگاه اصفهان

چکیده

هدف: این پژوهش با هدف مقایسه عملکرد ابزار پیشنهاد­دهنده در موتورهای جستجوی گوگل، یاهو، بینگ، اسک و وب کراولر انجام شده است.
روش‌شناسی: روش پژوهش حاضر توصیفی- اکتشافی است. جامعة آماری آن کلیه موتور­های جستجوی دارای ابزار پیشنهاد­دهنده است که از این میان پنج موتور جستجوی گوگل، یاهو، بینگ، اسک و وب کراولر براساس محبوبیت و کاربرپسند بودن، به‌عنوان نمونه انتخاب شدند. در راستای هدف پژوهش، گردآوری داده­ها با استفاده از سیاهه وارسی محقق ساخته که درمجموع شامل 10 سؤال و 10 کلیدواژه، براساس سرعنوان‌های موضوعی فارسی انتخاب و مورد جستجو قرار گرفتند. بر این اساس در گام نخست گردآوری داده­ها، موارد پیشنهاد شده توسط موتور‌های جستجو برای این 20 نمونه پرس‌وجو مورد جستجو قرار گرفتند و میزان مرتبط بودن 10 نتیجة اول هرکدام از این موارد پیشنهاد شده بررسی شد و نهایتاً براساس مرتبط بودن این نتایج به مقایسه عملکرد پنج موتور‌ جستجوی نمونه از نظر مرتبط بودن موارد پیشنهاد شده توسط آنها با نمونه‌های پرس‌وجو پرداخته شد.
یافته­ ها: یافته­های پژوهش گویای آن است که موتورجستجوی گوگل از نظر عملکرد ابزارهای پیشنهاددهنده در ارائه اطلاعات مرتبط با پرسش کاربر در قالب سؤالات و کلیدواژه­های موجود در چک لیست وضعیت مطلوب‌تری نسبت به چهار موتورجستجوی یاهو، بینگ، اسک و وب کراولر دارد. همچنین با اندازه­گیری میزان دقت اطلاعات بازیابی شده در این پنج موتور جستجو و محاسبه میانگین آن، گوگل با 55.68، یاهو با 48.92، وب کراولر با 46.90، اسک با 40.17 و بینگ با 32.62 امتیاز، از لحاظ دقت اطلاعات بازیابی شده رتبه­بندی شدند.
بحث و نتیجه‌گیری: به‌طور کلی با توجه به یافته­های حاصل شده، ابزارهای پیشنهاددهنده در موتور جستجوی گوگل عملکرد بهتری دارند و با حدس زدن تفکر کاربر، اطلاعاتی مرتبط با پرسش کاربر پیشنهاد می­دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Compare the performance of the suggestion tool in Google, Yahoo and Bing search engines

نویسندگان [English]

  • mina ghasemi alvari 1
  • neda abbasi dashtaki 2

1 M. A of Department Knowledge and Information Science, University of Isfahan, Isfahan, Iran.

2 Masters of Knowledge and Information Science University of Isfahan

چکیده [English]

purpose: The purpose of this study was to compare the performance of the tool suggestion by Google, Yahoo, Bing, Ask and Web crawler search engines.
Methodology: The method of this research is descriptive-exploratory. The population composed of all is search engines with suggestion tools, including five search engines (Google, Yahoo, Bing, Ask and Web crawler), based on popularity and user-friendliness. In order to achieve the research purpose, Data collection tools were designed checklists, which totally included 10 questions and 10 keywords, were selected based on the subject headings of the Persian language. Accordingly, in the first step of data collection, the search engines proposed for these 20 sample queries were searched for and the relevance of the 10 first results of each of the proposed cases was examined. and finally, based on relevance. These results compared the performance of five sample search engines in terms of the relevance of the proposed items by query samples.
Findings: The research findings indicate that the Google search engine has a better position than Yahoo's, Bing's, Ask's and Web crawler's search engines in terms of the performance of the suggestion tools in providing information related to the user's query in the form of questions and keywords in the checklist. Also, by measuring the precision of the data retrieved in these three search engines and calculating its average, Google ranked 55.68, Yahoo with 48.92, Web crawler with 46.90, Ask with 40.17 and Bing 32.62 points, in terms of the precision of the data retrieved.
Conclusions: In general, according to the findings, suggestion tools perform better in Google's search engine and, by guessing user thinking, suggests information related to the user's query.

کلیدواژه‌ها [English]

  • Search
  • Retrieval Information
  • Search Engines
  • Suggestion Tools
  • performance
خورشاهیان، فاطمه (1395). سیستم‌های پیشنهاددهنده در موتورهای جستجو. دانشگاه فردوسی مشهد. دانشکده مهندسی گروه کامپیوتر.
مطهری نژاد، مریم سادات؛ ذوالفقارزاده، محمدمهدی؛ خدنگی، احسان و سعدآبادی، علی‌اصغر (1395). طراحی مدلی برای بهبود سیستم‌های پیشنهاددهنده بانکی براساس پیش‌بینی علایق مشتریان: کاربرد روش­های داده­کاوی. مدیریت فناوری اطلاعات، 8(2)، 393-414.
امیری منش، مکیه، هارون‌آبادی، علی و گلاب پور، امین (1393). یک سیستم پیشنهاددهنده وب مبتنی بر خوشه­بندی فازی و قوانین انجمنی وزندار. بیستمین کنفرانس ملی سالانه انجمن کامپیوتر ایران، دانشگاه فردوسی مشهد. 507-513.
فتاحی، رحمت­الله (1385). شناسایی و تحلیل واژگان عمومی در منابع وب: رویکردی نو به بسط عبارت جستجو با استفاده از زبان طبیعی در موتورهای کاوش. مطالعات تربیتی و روانشناسی دانشگاه فردوسی مشهد،7(1)، 31-52.
فتاحی، رحمت­الله؛ خسروی، عبدالرسول؛ پریرخ، مهری و دیانی، محمدحسین (1395). تحلیل بسط جستجوی کاربران در موتور کاوش گوگل بر پایه نظریۀ بارشناختی. کتابداری و اطلاع‌رسانی، 34 (2)، 9- 33.
حیاتی، زهیر؛ طاهریان، آمنه سادات (1388). بررسی مقایسه­ای الگوی جستجو کلیدواژه­ای با دریافت کمک و الگوی جستجوی بدون دریافت کمک در موتورهای کاوش گوگل از دیدگاه کاربران. مطالعات تربیتی و روانشناسی دانشگاه فردوسی مشهد، 10(2)، 91-112.
حیاتی، زهیر؛ شفیعی سروستانی، لاله (1390). مقایسه ربط منابع بازیابی شده با استفاده از روش بسط پرسش موتور جستجوی اسک و واژگان عمومی از دیدگاه کاربران در رشته علوم کتابداری و اطلاع­رسانی. مطالعات کتابداری و علم اطلاعات، 8(3)، 49-66.
طباطبایی جعفری، زهره (1390). بررسی شیوه­های بسط پرسش در رفتار جستجوی اطلاعاتی کاربران در موتورهای جستجو: مطالعه در میان دانشجویان تحصیلات تکمیلی علوم کتابداری و اطلاع­رسانی دانشگاه­های سراسری شهر تهران، پایان­نامه کارشناسی ارشد، دانشکده ادبیات و علوم انسانی، دانشگاه قم.
صنوبری، سعید؛ میثاقیان، نگین و جلالی، مهرداد (1392). سیستم پیشنهاددهنده مبتنی بر آنتولوژی و زمان. فناوری اطلاعات در طراحی مهندسی، 6(2)، 58-70.
فرصتی، رعنا؛ میبدی، محمدرضا. (1387). الگوریتمی مبتنی بر ساختار پیوندی صفحات و اطلاعات استفاده کاربران برای پیشنهاد صفحات وب، دومین کنفرانس داده‌کاوی ایران، تهران، دانشگاه صنعتی امیرکبیر.
 
Kangas, S. (2002). Collaborative filtering and recommendation systems. in: VTT information technology. Espoo: VTT.
Kato, M., Sakai, T. & Tanaka, K. (2013). When do people use query suggestion? A query suggestion log analysis. Information retrieval, 16(6), 725-746.
Kelly, D, Cushing, A. Dostert, M. Niu, Xi. & Gyllstrom, K.  (2010). Effect of popularity and quality on the usage of query suggestion during information search. In proceeding of the 28th ACM conference on Human factors in computing systems: 45-54, Atlanta, GA, April 10-15.
Kim, Y. S., Yum, B. J., Song, J. & Kim, S. M. (2005). Development of a recommender system based on navigational and behavioral patterns of customers in e-commerce sites. Expert Systems with Applications, 28(1), 381-393.
Liang, T.P., Hung-Jen, L. & Yi-Cheng K.(2006). Personalized content recommendation and user satisfaction: Theoretical synthesis and empirical findings. Journal of Management Information Systems, 23(3) , 45-70.
Martín-Guerrero, J. D., Lisboa, P. J., Soria-Olivas, E., Palomares, A. & Balaguer, E. (2007). An approach based on the Adaptive Resonance Theory for analyzing the viability of recommender systems in a citizen Web portal. Expert Systems with Applications, 33(3), 743-753.
Nui, X. & Kelly, D. (2014). Use of query suggestion during information search. information processing and management, 50(1), 218-234.
Plansangket, Suthira & Gan, John Q. (2015). A query suggestion method combing TF-IDF and jaccard Coefficient for interactive web search. Artificial intelligence research, 4(2), 119-125.
Xu, Z.,  Luo, X., Yu, J. & Xu, W. .(2010) MiningWeb search engines for query suggestion.  Concurrency Computat, 23, 1101–1113.