Αλγόριθμοι κατηγοριοποίησης και ταξινόμησης εγγράφων

Abstract

Η είσοδος του Παγκόσμιου Ιστού στην ζωή μας αποτέλεσε μια επαναστατική και κοσμογονική αλλαγή στον τρόπο με τον οποίο ο άνθρωπος αντιμετωπίζει την ενημέρωση, την διασκέδαση, την εκπαίδευση καθώς και πολλές άλλες πτυχές της καθημερινότητας του. Τεράστιος όγκος δεδομένων αναρτάται καθημερινά στο διαδίκτυο από άρθρα εφημερίδων και πτυχιακές εργασίες φοιτητών μέχρι ισολογισμούς δημοσίων επιχειρήσεων και μισθοδοτικές καταστάσεις υπαλλήλων. Ένας απίστευτος όγκος εγγράφων είναι στη διάθεση του οποιουδήποτε έχει πρόσβαση σε έναν υπολογιστή συνδεδεμένο στο Διαδίκτυο. Η εύκολη και άμεση πρόσβαση στα έγγραφα που προσφέρονται στους χρήστες του διαδικτύου προϋποθέτει το κατάλληλο σύστημα αποθήκευσης και ανάκτησης πληροφοριών. Με βάση αυτό το σύστημα αποθήκευσης και ανάκτησης εγγράφων θα πρέπει ο οποιοσδήποτε χρήστης που επισκέπτεται μια ιστοσελίδα να μπορεί να εξάγει την πληροφορία που επιθυμεί για συγκεκριμένα θέματα. Μέθοδοι και πρότυπα για τέτοιου είδους συστήματα αποθήκευσης και ανάκτησης εγγράφων αναπτύχθηκαν πολλά. Όλα αυτά τα συστήματα χρησιμοποιούν διάφορους αλγόριθμους οι οποίοι διαχωρίζουν τα έγγραφα που αναρτώνται σε μια ιστοσελίδα (Web Site) σε θεματικές κατηγορίες ώστε να είναι ευκολότερα διαχειρίσιμα για τους συντηρητές των ιστοσελίδων και ταχύτερα προσβάσιμα από τους χρήστες του διαδικτύου. Σκοπός της διπλωματικής εργασίας είναι η καταγραφή και η ανάλυση των σημαντικότερων αλγορίθμων ανάκτησης, κατηγοριοποίησης και ταξινόμησης εγγράφων που χρησιμοποιούνται ευρέως στο διαδίκτυο. Κεντρικός στόχος της εργασίας είναι οποιοσδήποτε δημιουργός ή διαχειριστής ιστοσελίδων στις οποίες δημοσιεύονται έγγραφα, να γνωρίζει ποιοι αλγόριθμοι υπάρχουν και ποιες είναι οι επιδόσεις τους ώστε να μπορεί να επιλέξει τον καταλληλότερο αλγόριθμο για την εφαρμογή του. Παράλληλα στο δεύτερο μέρος της διπλωματικής αναπτύσσεται ένα παράδειγμα ανάπτυξης ιστοσελίδας αποθήκευσης και ανάκτησης διαγωνισμάτων. Συγκεκριμένα σε συνεργασία με τα φροντιστήρια Μέσης εκπαίδευσης «Κορυφή» που εδρεύουν στο Λιτόχωρο Πιερίας αναπτύχθηκε ένα σύστημα καταχώρησης και ανάκτησης διαγωνισμάτων.