Web mining is used to extract infor

Web mining is used to extract information from users’
past behavior. Web structure mining plays an important role
in this approach. Two commonly used algorithms in web
structure mining are HITS and PageRank, which are used
to rank the relevant pages. Both algorithms treat all links
equally when distributing rank scores. Several algorithms
have been developed to improve the performance of these
methods. This paper introduces the WPR algorithm, an extension
to the PageRank algorithm. WPR takes into account
the importance of both the inlinks and the outlinks of the
pages and distributes rank scores based on the popularity
of the pages. Simulation studies using the website of Saint
Thomas University show that WPR is able to identify a
larger number of relevant pages to a given query compared
to standard PageRank.
In the current version of WPR, only the inlinks and outlinks
of the pages in the reference page list are used in the
calculation of the rank scores. In our future study of this
method, we would like to consider the possibility of calculating
the rank scores by using more than one level of reference
page list. Moreover, a detailed analysis of WPR’s performance
using different websites and multiple levels of reference
page lists would be carried out.
As part of our future work, we plan to carry out extensive
performance analysis of WPR by using other web sites
and increasing the number of ‘human’ users to categorize
the web pages

ผลลัพธ์ (ไทย) 1:

งเว็บใช้ดึงข้อมูลจากผู้ใช้พฤติกรรมในอดีต เหมืองแร่โครงสร้างเว็บมีบทบาทสำคัญในวิธีการนี้ สองขั้นตอนวิธีใช้กันทั่วไปในเว็บเหมืองแร่โครงสร้างกำลังฮิตและเพจแรงก์ ซึ่งใช้การจัดอันดับเพจที่เกี่ยวข้อง อัลกอริทึมทั้งสองรักษาเชื่อมโยงทั้งหมดเท่าเทียมกันเมื่อการกระจายระดับคะแนน อัลกอริทึมหลายได้รับการพัฒนาเพื่อปรับปรุงประสิทธิภาพการทำงานเหล่านี้วิธีการ กระดาษนี้แนะนำขั้นตอนวิธี WPR นามสกุลกับอัลกอริทึม PageRank WPR จะพิจารณาความสำคัญของทั้งสอง inlinks และ outlinks ของการหน้า และกระจายคะแนนจัดอันดับตามความนิยมหน้า ศึกษาการจำลองโดยใช้เว็บไซต์เซนต์มหาวิทยาลัยโทมัสแสดงว่า WPR จะระบุเป็นจำนวนเพจที่เกี่ยวข้องกับแบบสอบถามให้เปรียบเทียบการเพจแรงก์มาตรฐานในรุ่นปัจจุบันของ WPR เฉพาะ inlinks และ outlinksหน้าในหน้ารายการอ้างอิงที่ใช้ในการการคำนวณของคะแนนอันดับ ในการศึกษาของเราในอนาคตนี้วิธี ที่เราต้องการพิจารณาความเป็นไปได้ของการคำนวณคะแนนจัดอันดับ โดยใช้การอ้างอิงมากกว่าหนึ่งระดับรายการหน้า นอกจากนี้ การวิเคราะห์รายละเอียดของประสิทธิภาพการทำงานของ WPRใช้เว็บไซต์ต่าง ๆ และหลายระดับของการอ้างอิงหน้ารายการจะดำเนินการเป็นส่วนหนึ่งของงานในอนาคตของเรา ที่เราวางแผนจะดำเนินการอย่างละเอียดวิเคราะห์ประสิทธิภาพของ WPR โดยใช้เว็บไซต์อื่น ๆและเพิ่มจำนวนผู้ใช้ 'มนุษย์' เพื่อจัดประเภทเว็บเพจที่

ผลลัพธ์ (ไทย) 2:

การทำเหมืองแร่เว็บจะใช้ในการดึงข้อมูลจากผู้ใช้
พฤติกรรมในอดีต การทำเหมืองแร่โครงสร้างเว็บที่มีบทบาทสำคัญ
ในแนวทางนี้ สองขั้นตอนวิธีการที่ใช้กันทั่วไปในเว็บ
การทำเหมืองแร่ที่มีโครงสร้างฮิตและ PageRank ซึ่งจะใช้
ในการจัดอันดับหน้าเว็บที่เกี่ยวข้อง ขั้นตอนวิธีการรักษาทั้งการเชื่อมโยงทั้งหมด
อย่างเท่าเทียมกันเมื่อกระจายคะแนนอันดับ ขั้นตอนวิธีการหลาย
ได้รับการพัฒนาเพื่อปรับปรุงประสิทธิภาพของเหล่านี้
วิธีการ กระดาษนี้จะแนะนำขั้นตอนวิธีการ WPR ที่เป็นส่วนขยาย
ขั้นตอนวิธีการจัดอันดับ WPR คำนึงถึง
ความสำคัญของทั้ง inlinks และ outlinks ของที่
หน้าและจัดจำหน่ายอันดับคะแนนขึ้นอยู่กับความนิยม
ของหน้าเว็บ การศึกษาแบบจำลองการใช้เว็บไซต์ของนักบุญ
โทมัสมหาวิทยาลัยแสดงให้เห็นว่า WPR สามารถที่จะระบุ
จำนวนขนาดใหญ่ของหน้าเว็บที่เกี่ยวข้องกับคำค้นหาที่ได้รับเมื่อเทียบกับ
การ PageRank มาตรฐาน.
ในรุ่นปัจจุบันของ WPR เพียง inlinks และ outlinks
ของหน้าเว็บในหน้าอ้างอิง รายการถูกนำมาใช้ใน
การคำนวณคะแนนอันดับ ในการศึกษาในอนาคตของเรานี้
วิธีการที่เราต้องการที่จะต้องพิจารณาความเป็นไปได้ในการคำนวณ
คะแนนอันดับโดยใช้มากกว่าหนึ่งระดับของการอ้างอิง
รายการหน้า นอกจากนี้ยังมีการวิเคราะห์รายละเอียดของการปฏิบัติงาน WPR ของ
การใช้เว็บไซต์ที่แตกต่างกันและหลายระดับของการอ้างอิง
รายการหน้าจะได้รับการดำเนินการ.
ในฐานะที่เป็นส่วนหนึ่งของการทำงานในอนาคตของเราเราวางแผนที่จะดำเนินการอย่างกว้างขวาง
ในการวิเคราะห์ประสิทธิภาพการทำงานของ WPR โดยใช้เว็บไซต์อื่น ๆ
และการเพิ่มจำนวนของ ผู้ใช้ 'มนุษย์' เพื่อจัดหมวดหมู่
หน้าเว็บ

ผลลัพธ์ (ไทย) 3:

การใช้เว็บเพื่อสกัดข้อมูลจากผู้ใช้พฤติกรรมที่ผ่านมา เหมืองแร่โครงสร้างเว็บมีบทบาทสำคัญในแนวทางนี้ สองที่ใช้อัลกอริทึมในเว็บเหมืองแร่โครงสร้างจะฮิตและ PageRank ซึ่งใช้การจัดอันดับหน้าเว็บที่เกี่ยวข้อง ทั้งขั้นตอนวิธีรักษาเชื่อมโยงทั้งหมดเท่าเทียมกันเมื่อการกระจายคะแนนอันดับ ขั้นตอนวิธีการหลายได้ถูกพัฒนาขึ้นเพื่อปรับปรุงประสิทธิภาพของเหล่านี้วิธีการ กระดาษนี้จะแนะนำเกี่ยวกับการ wpr ขั้นตอนวิธีการจัดอันดับขั้นตอนวิธี wpr จะเข้าสู่บัญชีความสำคัญของทั้ง inlinks และ outlinks ของหน้าและกระจายคะแนนจัดอันดับตามความนิยมของหน้าเว็บ ผลการจำลองแบบการใช้เว็บไซต์ของเซนต์โทมัสมหาวิทยาลัยแสดงให้เห็นว่า wpr สามารถจำแนกขนาดใหญ่จำนวนของหน้าเว็บที่เกี่ยวข้องกับการเปรียบเทียบให้การจัดอันดับมาตรฐานในรุ่นปัจจุบันของ wpr inlinks outlinks เท่านั้นและของหน้าเว็บในหน้ารายการที่ใช้ในการอ้างอิงการคำนวณอันดับคะแนน ในการศึกษาของเราในอนาคตนี้วิธีที่เราต้องการที่จะต้องพิจารณาความเป็นไปได้ของการคํานวณอันดับคะแนนโดยการใช้มากกว่าหนึ่งระดับของการอ้างอิงรายการหน้า นอกจากนี้ การวิเคราะห์รายละเอียดของการปฏิบัติงานของ wprการใช้เว็บไซต์ที่แตกต่างกันและหลายระดับของการอ้างอิงรายการหน้าจะต้องดําเนินการเป็นส่วนหนึ่งของงานของเราในอนาคตเราวางแผนที่จะดำเนินการอย่างละเอียดการวิเคราะห์สมรรถนะของ wpr โดยใช้เว็บไซต์อื่น ๆและการเพิ่มจำนวนของ " มนุษย์ " ผู้ใช้สามารถจัดหมวดหมู่หน้าเว็บ