Acceso usuarios
Lin- Chih Chen
Introducción. El estudio de la sugerencia de palabras clave en el campo del marketing en buscadores es un tema importante para la publicidad de búsqueda de pago o los anuncios patrocinados. El desafío de esta cuestión no es sólo sugerir las palabras clave relevantes, sino encontrar mós de tales palabras clave.
Método. En este trabajo se propone un sistema, cuyo objetivo principal no sólo es sugerir una lista de palabras clave relevantes, sino también determinar el grado de similitud entre la consulta del usuario y cada palabra clave sugerida.
Anólisis. Se realizaron tres experimentos para ilustrar la comparación de rendimiento entre los distintos sistemas y los parómetros considerados relevantes en nuestro sistema.
Resultados. Según los resultados del primer experimento, nuestro sistema resultó ser mejor que otros sistemas en línea. Según los resultados del segundo experimento, se concluye que el rendimiento del modelo de anólisis de probabilidad de semóntica latente es mejor que el modelo de probabilidad aleatoria. Según los resultados del tercer experimento, se comprobó que los criterios de terminación de nuestro sistema podrían dar una solución efectiva dentro de un período controlado de tiempo.
Conclusiones. En este trabajo, se hacen varias contribuciones. En primer lugar, se propone un sistema inteligente que se basa en varios métodos de anólisis semóntico. En segundo lugar, se define un nuevo indicador de rendimiento para comparar los resultados de los diferentes sistemas. En tercer lugar, se diseña una técnica combinada para encontrar una solución efectiva dentro de un período controlado de tiempo.?
Introduction. The study of keyword suggestion in the field of search engine marketing is an important issue for paid search advertising or sponsored advertisements. The challenge of this issue is not only to suggest the relevant keywords, but also to find more such keywords.
Method. In this paper, we propose a system, the main goal of which is not only to suggest a list of relevant keywords, but also to determine the degree of similarity between the user's query and each suggested keyword.
Analysis. Three experiments were performed to illustrate the performance comparison between different systems and the relevant parameters considered in our system.
Results. According to the results of the first experiment, our system was found to be better than other online systems. According to the results of the second experiment, we concluded that the performance of the latent semantic analysis probability model is better than the random probability model. According to the results of the third experiment, we verified that the termination criteria of our system could yield a cost effective solution within a controlled period of time.
Conclusions. In this paper, we make several contributions. First, we propose an intelligent system that is based on several semantic analysis methods. Second, we define a new performance metric to compare the results of different systems. Third, we design a combined technique to find a cost effective solution within controlled period of time.
