إعادة ترتيب نتائج البحث على الويب وفقا لنوع مهمة المستخدممن اجل بحث افضل ونتائج اكفأ
DOI:
https://doi.org/10.36602/ijeit.v14i1.580الكلمات المفتاحية:
مهمة، مستخدم، بحث، ويب، استرجاع، معلوماتالملخص
يهدف هذا البحث إلى دراسة إعادة ترتيب نتائج البحث على الويب وفقاً لنوع مهمة المستخدم، وذلك بهدف تحسين مدى الصلة، والكفاءة، والفعالية في أنظمة البحث الحديثة. تعتمد معظم محركات البحث التقليدية على خوارزميات ترتيب موحدة لا تراعي نية المستخدم أو هدفه من عملية البحث، مما يؤدي إلى ضعف توافق النتائج مع احتياجات المستخدمين المتنوعة. لمعالجة هذه الفجوة، يقترح هذا البحث إطاراً قائماً على المهام يقوم بتصنيف الاستعلامات إلى ثلاث فئات رئيسية: معلوماتية، وتصفّحية (توجيهية)، وتعاملية، ثم يُعيد ترتيب النتائج المسترجعة بما يتناسب مع طبيعة كل فئة.
تم استخدام نموذج GigaBERT المحسَّن والمُدرَّب على مجموعة بياناتORCAS-I لتصنيف الاستعلامات بدقة عالية، كما تم تطوير نظام فرز النتائج القائم على المهام (TBRSS) لتطبيق الإطار المقترح وتقييم أدائه. أُجريت تجربة ميدانية على عينة مكوَّنة من 33 مشاركاً، حيث تمت مقارنة نتائج نظام Google التقليدي مع النظام المقترح بعد إعادة الترتيب. أظهرت النتائج أن النظام القائم على المهام حسَّن من جودة النتائج وسرعة الوصول إلى المعلومة، كما اعتبره المستخدمون أكثر صلةً وسلاسةً وفاعليةً في إنجاز مهامهم البحثية.
تؤكد التحليلات الإحصائية أن الفروق بين النظامين كانت دالة إحصائياً عند مستوى p < 0.01 ، مما يدل على أن الوعي بنوع المهمة يُسهم بفاعلية في تحسين تجربة البحث للمستخدمين. وتشير الدراسة إلى إمكانية تطوير خوارزميات بحث أكثر تكيفاً وذكاءً من خلال دمج تصنيف المهام، ودعم اللغات المتعددة، وتوسيع نطاق التجارب مستقبلاً لتحقيق أداء أفضل لأنظمة البحث.
التنزيلات
المراجع
[1] E. Agichtein, E. Brill, and S. Dumais, “Improving web search ranking by incorporating user behavior information,” in Proc. 29th Annu. Int. ACM SIGIR Conf. Res. Develop. Inf. Retrieval, 2006, pp. 19–26.
[2] R. Baeza-Yates, C. Hurtado, and M. Mendoza, “Improving search engines by query clustering,” J. Am. Soc. Inf. Sci. Technol., vol. 58, no. 12, pp. 1793–1804, 2007.
[3] G. W. You and S. W. Hwang, “Personalized ranking: A contextual ranking approach,” in Proc. ACM Symp. Appl. Comput., 2007, pp. 506–510.
[4] R. Faiz, “Analyzing temporal query for improving web search,” J. Emerg. Technol. Web Intell., vol. 4, no. 3, pp. 1–7, 2012.
[5] W. U. Ahmad, K. W. Chang, and H. Wang, “Context attentive document ranking and query suggestion,” in Proc. 42nd Int. ACM SIGIR Conf. Res. Develop. Inf. Retrieval, 2019, pp. 385–394.
[6] T. Guo et al., “Query-dominant user interest network for large-scale search ranking,” in Proc. Int. Conf. Inf. Knowl. Manage., 2023, pp. 629–638.
[7] B. J. Jansen and D. Booth, “Classifying web queries by topic and user intent,” in Proc. Conf. Hum. Factors Comput. Syst., 2010, pp. 4285–4290.
[8] B. MacKay and C. Watters, “Providing support for multi-session web tasks,” in Proc. ASIST Annu. Meeting, vol. 46, 2009.
[9] R. Xu, Y. Feng, and H. Chen, “ChatGPT vs. Google: A comparative study of search performance and user experience,” 2023. [Online]. Available: https://www.prolific.co/
[10] F. Ye, M. Fang, S. Li, and E. Yilmaz, “Enhancing conversational search: Large language model-aided informative query rewriting,” 2023. [Online]. Available: http://arxiv.org/abs/2310.09716
[11] C. Ziakis, M. Vlachopoulou, T. Kyrkoudis, and M. Karagkiozidou, “Important factors for improving Google search rank,” Future Internet, vol. 11, no. 2, pp. 1–15, 2019.
[12] A. Veglis and D. Giomelakis, “Search engine optimization,” Future Internet, vol. 12, no. 1, pp. 1–15, 2020.
[13] A. Giannakoulopoulos, N. Konstantinou, D. Koutsompolis, M. Pergantis, and I. Varlamis, “Academic excellence, website quality, SEO performance: Is there a correlation?” Future Internet, vol. 11, no. 11, pp. 1–18, 2019.
[14] A. Alhenshiri, C. Watters, and M. Shepherd, “User behaviour during web search as part of information gathering,” in Proc. Annu. Hawaii Int. Conf. Syst. Sci., 2011.
[15] Y. Xi et al., “Multi-level interaction reranking with user behavior history,” in Proc. 45th Int. ACM SIGIR Conf. Res. Develop. Inf. Retrieval, 2022, pp. 1336–1346.
[16] P. Surana, P. Jamdade, T. Nandedkar, A. S. Ghadge, and N. Bobde, “Enhancing the search result for user query using iterative user feedback,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 3, no. 1, pp. 71–76, 2015.
التنزيلات
منشور
الرخصة
الحقوق الفكرية (c) 2025 The International Journal of Engineering & Information Technology (IJEIT)
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
