Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary
Zawartość zarchiwizowana w dniu 2024-06-18
Web Graph: Learning Models for Prediction and Evolution Monitoring

Article Category

Article available in the following languages:

Rozplątywanie Sieci

Wraz z eksplozją informacji w sieci pojawia się coraz większa potrzeba stworzenia metod, które szybciej i dokładniej pomogą użytkownikom w pozyskiwaniu informacji, których poszukują i potrzebują. W ramach finansowanej przez UE inicjatywy poczyniono innowacyjny postęp w zakresie technik pozyskiwania danych w wyszukiwaniu sieciowym, nawiązywaniu kontaktów oraz eksploracji danych na rzecz, między innymi, automatycznego marketingu sieciowego.

Projekt "Graf sieciowy: modele uczenia w prognozowaniu i monitorowaniu ewolucji" (Lempem) został podjęty w celu opracowania lepszych metod przewidywania rankingu strony sieciowej, oceny połączeń oraz interakcji między społecznościami informacyjnymi (siatki społeczne, cytowania itp.), jak również automatyzacji sieciowych kampanii reklamowych typu "płać za klikanie" (pay-per-click).Podczas sieciowego wyszukiwania informacji użytkownik otrzymuje obszerną listę pasujących stron ustawionych według dopasowania. Oczywiście najlepsze dopasowanie według silnika wyszukiwarki nie zawsze musi być takim według użytkownika. Dlatego też lepsze sposoby przewidywania rankingów to klucz do efektywnego wykorzystania sieci. W ramach projektu Lempem opracowano nowy sposób wykorzystania przeszłych rankingów do przewidywania pozycji rankingowej strony internetowej na podstawie kombinacji regresji wielomianowej, algorytmu maksymalizacji wartości oczekiwanej (EM) oraz nowej miary podobieństwa stworzonej na potrzeby projektu. Przewidywania wynikowe okazały się bardzo precyzyjne i solidne podczas testów na rzeczywistych, wielkoskalowych zbiorach danych. Spojrzenie na wzajemne powiązania i spójność pośród tzw. podgrafów społecznościowych jest istotne, by zwiększyć użyteczność, między innymi, platform społecznościowych oraz baz cytowań. W projekcie Lempem zastosowano algorytmy k-rdzenia do oceny charakteru współpracy społeczności, ważnej koncepcji, która nie została uwzględniona przez konwencjonalne miary oceny społeczności. Algorytmy k-rdzenia dały interesujące rezultaty po zastosowaniu na bazie DBLP (Digital Bibliography & Library Project). Firmy i instytuty badawcze każdego roku poświęcają bardzo dużo czasu i pieniędzy na ukierunkowany marketing i kampanie reklamowe oparte na preferencjach sieciowych. Partnerzy projektu Lempem pomyślnie opracowali prototyp półautomatycznego i w pełni automatycznego tworzenia kampanii PPC i zarządzania nimi, zapewniając znaczące ograniczenie kosztów i potencjalnie zwiększając konkurencyjność małych i średnich przedsiębiorstw (MŚP), które nie mogą pozwolić sobie na zatrudnienie specjalistów od reklamy. Podsumowując, w ramach projektu Lempem opracowano innowacyjne rozwiązania dotyczące efektywnego wykorzystania sieciowych zasobów informacyjnych. Mając na uwadze przytłaczającą ilość informacji oraz pozornie niezliczoną liczbę powiązań między różnymi stronami internetowymi, projekt Lempem przyczynia się znacząco do poprawy użyteczności informacji zarówno dla indywidualnych użytkowników, jak i przedsiębiorstw.