جستجوي پيشرفته | کتابخانه مجازی الفبا

با توجه به رشد روزافزون اسناد الکترونیکی، نیاز به یک دسته بند کارا در حوزه داده کاوی واضح است. اخیراً به منظور افزایش دقت دسته بندی، استفاده از آنتولوژی لغوی به عنوان مرجع خارجی و نیز استخراج دانش از متون در فرآیند دسته بندی، مطرح شده است؛ از این رو، هدف از انجام این پروژه ارائه و پیاده سازی سیستم دسته بندی خودکار اسنادی است که آنتولوژی لغوی فارس نت را در عملیات دسته بندی داخل می نماید. این امر منجر به افزایش اوزان کلمات مرتبط با دانش پیش زمینه متن می شود. راهکار پیشنهادی برای استفاده از آنتولوژی لغوی، تمرکز بر روی بردار مشخصه ی معنایی را محور فعالیت های خود قرار داده است؛ تا بدین وسیله فرآیند دسته بندی را بهبود بخشد. در این پروژه ضمن بررسی و مطالعه ی روش های بکارگیری آنتولوژی لغوی در فرآیند دسته بندی، آنتولوژی لغوی فارس نت را به منظور استخراج روابط معنایی استفاده می نماییم.در سیستم ارائه شده، کلیه ی اجزاء تشکیل دهنده ی سیستم دسته بندی شامل پردازشگر لغوی، کاهنده ی ویژگی، انتخاب کننده ی ویژگی، وزن دهی به ویژگی و طبقه بندی کننده اسناد، لحاظ شده است. در این پروژه الگوریتم χ^2 در بخش انتخاب مشخصه و روش وزن دهی ویژگی نرمال شده TFIDF در بخش وزن دهی به کار گرفته می شود. پیش از اعمال روش وزن دهی به مشخصه ها، بردار مشخصه معنایی برای هر کلمه کلیدی توسط مفاهیم استخراج شده از آنتولوژی لغوی فارس نت، ایجاد می شود. نتایج ارزیابی های انجام شده نشان دهنده ی بهبود قابل توجهی در کارایی و دقت الگوریتم دسته بندی با بکارگیری آنتولوژی لغوی فارس نت است.

وب مخزن عظیم و رو به گسترش دادههاست و اغلب منابع اطلاعاتی آن توسط پایگاه داده های رابطه ای ذخیره و مدیریت می شود. امروزه ماشین فهمکردن و دسترسی معنایی به این حجم عظیم از داده ها، یک ضرورت است. در این میان فناوری وبمعنایی با هدف ایجاد قابلیت پردازش روی دادههای وب پیشنهاد شده است. ساخت آنتولوژی نقش محوری را در وبمعنایی برعهده دارد، اما استخراج آنتولوژی از پایگاه دادههای رابطه ای موجود تحت وب بهطوریکه امکان پرس و جوی معنایی فراهم شود، با مشکلاتی روبروست. این مشکلات ناشی از تفاوتهای بین مدل رابطهای و آنتولوژی و همچنین عدمدسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب است. در این پایان نامه شباهت ها و تفاوت های بین مدل رابطه ای و آنتولوژی بهطور دقیق بررسی شدهاست. همچنین از آنجایی که بهطور طبیعی دسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب برای ایجاد آنتولوژی مُیسر نیست، بنابراین روشی نیمه خودکار برای ایجاد آنتولوژی مبتنی بر پیمایش صفحات HTML مرتبط با پایگاه داده های رابطه ای در دامنه ای مفروض پیشنهاد شده است. این روش که «استخراج آنتولوژی با پیمایش صفحات HTML» نام دارد، ابتدا شبه پایگاه داده رابطه ای براساس الگوی موقعیت داده ها در صفحات HTML به عنوان مدل میانی ایجاد و سپس توسط خزنده تاپل های این شبه پایگاه داده رابطه ای از صفحات HTML بازیابی می شود و در ادامه آنتولوژی دامنه و نمونه های آن به کمک قوانین سیستم انتقال از این شبه پایگاه داده رابطه ای استخراج می شود. در روش پیسنهادی به دلیل استفاده از صفحات HTML مبتنی بر سیستم مدیریت محتوا، مشکلات ساخت آنتولوژی از روی صفحات HTML مانند تغییر دائمی صفحات، داده های نامرتبط و ساختار گوناگون صفحات HTML تا حد زیادی برطرف شده است. آنتولوژی دامنه اساتید رشته کامپیوتر دانشگاه های ایران توسط این روش استخراج شده است. دقت و صحت آنتولوژی استخراج شده به ترتیب توسط کارشناس دامنه و استدلالگر ++Fact ارزیابی شده و درنهایت پرس و جوهای معنایی به زبان SPARQL روی آن اعمال می شود. دقت و فراخوانی نتایج حاصل از پرس وجوها روی آنتولوژی استخراج شده، جامعیت قوانین سیستم انتقال، درکنار اجرایی بودن روش پیشنهادی، موفقیت روش پیشنهادی را تأیید می کند.

در دنیای امروز سرعت چشم‌گیر رشد علم و دانش، همچنین تغییر شکل داده به مفاهیم در دانش و افزایش روز افزون مفاهیم و ارتباط بین آنها قابل چشم‌پوشی نیست. در نتیجه نیاز به ساختاری برای نمایش دانش ضروری است. آنتولوژی یک ساختار بنیادی برای مفهوم دانش است که به خوبی مفاهیم و ارتباط بین آنها را نشان می‌دهد. از آنجاکه مفاهیم و ارتباط بین آنها روز به روز گسترده‌تر و بیشتر می‌شوند و در گذر زمان تغییر می‌پذیرند و همچنین فراگیرتر شدن استفاده از آنتولوژی در حوزه‌های مختلف تکامل آنتولوژی تبدیل به یک مسئله مهم شده است. با توجه به اهمیت موضوع هدف این پایان‌نامه ارائه روشی برای تکامل خودکار آنتولوژی است. همچنین نظر به مزایای استفاده از پیشکارهای هوشمند، در این پایان‌نامه روشی برای تکامل خودکار آنتولوژی در محیط چندپیشکاره هوشمند ارائه است. آنتولوژی به گونه‌ای تکامل می‌یابد که قابل استفاده باشد. پیشکارهای هوشمند با استفاده از دریافت‌هایی که از محیط دارند تغییرات را احساس می‌کنند، سپس تغییرات را روی آنتولوژی اعمال می‌کنند و آنتولوژیتکامل می‌یابد. پس از ارزیابی آنتولوژی حاصل، ملاحظه می‌شود که روش پیشنهادی از دقت قابل قبولی برخوردار است.

وب امروزی اطلاعات را به‌صورت پراکنده و بدون درنظر‌گرفتن معنایشان در وب‌سایت‌های مختلف قرار داده است. اگر شخصی بخواهد به‌دنبال کالا و یا مفهوم خاصی در وب بگردد، باید به وب‌سایت‌های مختلف مراجعه کرده و اطلاعات آن‌ها را با هم مقایسه کند. اگر بتوان اطلاعات موجود در وب در زمینه‌ای خاص را به‌صورت یکپارچه و معنادار در کنار یکدیگر قرار داد، در وقت و هزینه‌ی کاربر صرفه‌جویی می‌شود. برای انجام این کار باید ابتدا اطلاعات موجود در وب استخراج شده و سپس به‌صورت یکپارچه در کنار یکدیگر قرار گیرند. این رساله برای استخراج اطلاعات، از وب‌سرویس‌ها و برای یکپارچه‌سازی آن‌ها از وب‌معنایی استفاده کرده است. این رساله به‌طور خاص از آنتولوژی استفاده کرده و آنتولوژی کتاب را تهیه کرده است. بدین‌صورت که ابتدا یک آنتولوژی اولیه ساخته شده است. سپس اطلاعات موجود در وب در مورد کتاب از طریق وب‌سرویس‌ها استخراج شده و در قالب یک آنتولوژی ذخیره شده است. در مرحله‌ی بعد این آنتولوژی‌ها باید با یکدیگر تطبیق یابند تا یک آنتولوژی یکپارچه ساخته شود. جهت انجام این‌کار باید مشابهت‌های معنایی، رشته‌ای و ساختاری این آنتولوژی‌ها درنظرگرفته شود. این رساله برای بررسی مشابهت معنایی و رشته‌ای از اطلاعات زمینه‌ای (فرهنگ‌لغت‌هایی) مثل ویکی‌پدیا، وُردنِت، گوگل و غیره استفاده کرده و برای بررسی مشابهت ساختاری از درختِ این آنتولوژی‌ها استفاده کرده است. در نهایت، آنتولوژی یکپارچه‌ی نهایی ساخته و نمونه‌سازی می‌شود.

باتوجه به ذات پویای سیستم‌های چندپیشکاره وب‌معنایی و وجود پیشکارهای مختلف در آن، شناسایی پیشکارهای قابل اعتماد یکی از چالش‌های ایجاد ارتباط بین پیشکارها در وب‌معنایی است. ارزیابی اعتماد در این سیستم‌ها براساس رفتار گذشته‌ی پیشکارها انجام می‌شود. دو منبع اصلی برای کسب اطلاعات از رفتار گذشته‌ی پیشکارها وجود دارد: ارتباط‌ مستقیم بین پیشکارها و اطلاعات به‌دست آمده از سایر پیشکارهای اجتماع. باوجود پیشکارها با سلیقه‌ها و نظرات مختلف، مدل اعتماد پیشنهادی باید بتواند مطابق با نیازهای پیشکارها تنظیم شود. به‌علاوه برای محاسبه‌ی اعتبار پیشکارها باید اطلاعات مربوط به رفتار آن‌ها در گذشته از جامعه‌ی پیشکارها جمع‌آوری شود. همچنین اعتماد ابعاد مختلفی دارد و ممکن است میزان اعتماد به پیشکار مفروضی در ابعاد مختلف متفاوت باشد. این رساله برای حل هر یک از این چالش‌ها راه‌حلی پیشنهاد می‌دهد. مدل پیشنهادی این رساله از روش توزیع شده‌‌‌ای مبتنی‌بر شبکه‌های اجتماعی برای جمع‌آوری اطلاعات از محیط استفاده می‌کند و با بهره‌گیری از شبکه‌های عصبی مصنوعی میزان اعتبار را براساس مشاهدات جمع‌آوری شده ارزیابی می‌کند. شبکه‌های عصبی در طول زمان مطابق دیدگاه پیشکار آموزش می‌بینند، بدین‌ترتیب میزان اهمیت توصیه‌های جمع‌آوری شده باتوجه به دیدگاه پیشکار ارزیابی‌کننده‌ی اعتماد تنظیم شود. همچنین مدل پیشنهادی دراین رساله برای نمایش میزان اعتماد از آنتولوژی‌ها بهره می‌گیرد، بدین وسیله میزان اعتماد در ابعاد مختلف محاسبه می‌شود. این رساله برای بررسی کارایی مدل پیشنهادی، بستری با استفاده از میان‌افزار Jade پیاده‌سازی می‌کند و کارایی مدل به‌‌طور عملی در آن آزمایش می‌شود.

با پیشرفت فناوری های اطلاعاتی و مخابراتی، مقادیر فراوانی اطلاعات ناهمگن و توزیع شده فراهم شده است. وب معنایی سعی دارد تا این اسناد و اطلاعات را به فرم داده قابل فهم (دانش) برای ماشین نمایش دهد. یکی از راه های نمایش دانش در وب معنایی، آنتولوژی است که واژه ها و ارتباط بین آن ها را در یک دامنه خاص نشان می دهد. امروزه آنتولوژی ها به روش های مختلف و توسط توسعه دهندگان متفاوتی مدل می شوند، بنابراین همواره تفاوت هایی بین مفاهیم مدل شده در آنتولوژی ها وجود خواهد داشت که تعامل میان آن ها را مشکل می سازد. تطبیق آنتولوژی ها، به عنوان زیرساختی مناسب برای انجام تعاملات در وب معنایی مطرح شده است و به فرآیند یافتن روابط و یا شباهت ها بین موجودیت های آنتولوژی های مختلف اشاره دارد. تاکنون تطبیق دهنده های بسیاری مطرح شده اند که در برخی موارد خوب عمل می کنند و در برخی موارد خوب عمل نمی کنند. این مساله، اهمیت خاصی به انتخاب تطبیق دهنده و ترکیب تطبیق دهنده ها می بخشد. از طرفی، تطبیق خودکار آنتولوژی ها به دلیل عدم تعامل با کاربر، نمی تواند نتایجی با کیفیت بالا به ویژه بر روی مجموعه داده های بزرگ حاصل نماید و این چالشی دیگر است که با عنوان عدم قطعیت در تطبیق آنتولوژی ها بیان شده است. در این پایان نامه، یک متاسیستم تطبیق دهنده با نام MixAlign پیشنهاد شده است که از یک سو به ترکیب نتایج تطبیق دهنده های آنتولوژی ها می پردازد و از سوی دیگر به طور همزمان، مساله عدم قطعیت را رفع می کند تا خروجی تطبیق (هم ترازی)، بهبود یابد. معماری پیشنهادی این سیستم، متشکل از سه بخش با نام های تبدیل کننده فازی، تجمیع کننده فازی و استخراج کننده پویا می باشد. در اینجا با استفاده از تئوری مجموعه های فازی که یکی از روش های ارائه عدم قطعیت است، طبیعت غیرقطعی نگاشت ها مدل سازی می شود. در ادامه، این هم ترازی ها با تعریف درجه توافق مبتنی بر مرکز ثقل اعداد فازی ذوزنقه ای، ترکیب می شوند و سپس، نگاشت های مناسب جهت هم ترازی نهایی استخراج می شوند. بدین ترتیب با هم ترازی های ناقص، متناقض و مخرب، به نحوی قابل قبول رفتار می شود تا در نهایت بتوان از میان چندین هم ترازی ارائه شده برای دو آنتولوژی، به یک هم ترازی توافقی با دقت بیشتر رسید. نتایج تجربی نشان داد که ترکیب هم ترازی های خروجی سیستم های تطبیق دهنده به کمک این روش، کیفیت و دقت واقعی هم ترازی نهایی را نسبت به سیستم های اولیه (قبل از ترکیب) و نسبت به سایر روش های تجمیع مشابهت بهبود می بخشد.

با رشد فزاینده و لجام گسیخته اطلاعات دیجیتالی و نیاز به دستیابی به اطلاعات مورد نظر از میان خیل انبوه متون و اسناد موجود در زمان معقول، نیاز به سیستم‌های بازیابی اطلاعاتی که بتوانند نیاز اطلاعاتی کاربران را کامل‌تر و دقیق‌تر تشخیص داده و متون و اسناد مرتبط با آن را بازیابی کند، بیش از پیش احساس می‌شود. به دلیل ویژگی‌های خاص زبان طبیعی نظیر چند معنایی عبارت، ارتباطات معنایی نهفته و ... ، تنها مقایسه عبارات موجود در پرس‌جوی کاربران با اسناد موجود به منظور جستجوی نیاز اطلاعاتی کاربران در نمایه سیستم، کافی نبودهو نتایج حاصل نمی‌تواند به طور مطلوب پاسخ‌گوی نیاز کاربران باشد. هدف از انجام این تحقیق شناسایی مفاهیم مستتر در دامنه معنایی متون و اسناد، به منظور استفاده در نمایه‌سازی و بهبود عملکرد سیستم‌های بازیابی اطلاعات می‌باشد. برای انجام این کار دامنه معنایی متن را با استفاده از دامنه معنایی مفاهیم که در پایگاه دانش سیستم تعریف شده، شناسایی می‌نماییم. سپس مفاهیم مستتر در دامنه معنایی متن را استخراج و بر اساس ارتباط معنایی که با متن(مفاهیم موجود در متن) دارند، رده‌بندی می‌کنیم. مفاهیم موجود در صدر رده‌بندی فوق به عنوان مهم‌ترین مفاهیم مستتر در دامنه معنایی متن به نمایه متن افزوده می‌شوند تا در زمان مقایسه پرس‌جوها با نمایه مدنظر قرار بگیرند. پیاده‌سازی ایده فوق به ابداع دو روش اکتشافی، یکی در زمینه مهندسی دانش و هستی‌شناسی و دیگری در زمینه پردازش زبان طبیعی انجامید. در زمینه هستی‌شناسی یک روش جدید برای نمایش مفاهیم توسط یک بردار معنایی در فضای n-بعدی دامنه ارائه شد. برای نگاشت متن به پایگاه دانش سیستم، مفهوم هسته‌های معنایی متن بر اساس زنجیره‌های معنایی ارائه شده و مورد استفاده قرار گرفت.برای ارزیابی ایده‌های موردنظر، سیستم فوق به صورت یک ماجول پیش‌پردازش‌گر به یک سیستم بازیابی اطلاعات فضای برداری وزن‌دار(VSM) افزوده شده و تغییرات عملکرد این سیستم در حالت عادی (بدون وجود ماجول پیش‌پردازش‌گر) و هنگامی که ورودی آن از سیستم مورد نظر ما تامین می‌شود، مقایسه شد. در پیاده‌سازی ماجول پیش‌پردازش‌گر معنایی از WordNet به عنوان پایگاه دانش سیستم استفاده شد. نتایج ارزیابی عملکرد سیستم بر روی 4 مجموعه از اسناد آزمایش سیستم‌های بازیابی اطلاعات، حاکی از عملکرد نوید بخش در صورت تعیین مقادیر مناسب برای پارامترهای ورودی و استفاده از پایگاه دانش مناسب می‌باشد.

منطقه مورد مطالعه در شمال استان آذربايجان غربی، در شمال شهر ماکو و در جنوب روستای آداغان، در شمال روستای علی آباد واقع شده است. فاصله شهرستان ماکو با تبریز 250 کیلومتر و با شهرستان ارومیه 275 کیلومتر می باشد. نهشته های پرمین در ایران به خصوص در البرز – آذربايجان برونزدهاي گسترده‎اي دارند. در اين زون، سه واحد سنگ‎چينه‎اي به نام‎هاي سازند دورود (در زير)، روته (در وسط) و نسن (در بالا) معرف توالي‎هاي پرمين ‎هستند. اين سازندها هر يك به تنهايي يك چرخه رسوبي كامل ‎هستند كه ميان دو سطح فرسايشي جاي دارند. در بين سه سازند ياد شده، به ويژه در البرز باختري و آذربايجان، چرخة دوم پرمين (سازند روته به سن مرغابین) بيشترين رخنمون را دارد و چنين استنباط مي‎شود كه در زمان رسوبگذاري سازند روته، درياي پرمين بيشترين گسترش را داشته است. سازند روته در سراسر نواحى دره روته حدود 230 متر ضخامت دارد، ولى در دره کرج اين ضخامت به حدود 300 متر مى‌رسد. در برخى نواحى بويژه در مناطقى که قسمتهاى بالائى سازند روته فرسايش يافته و يا بوسيله نهشته‌هاى سازند شمشک بصورت همشيب و با نبود چينه‌اى پوشيده مى‌شود، اندازه‌گيرى ضخامت واقعى آن امکان‌پذير نمى‌باشد. در نواحى شمالى آذربايجان بويژه، در نواحى ماکو و مراغه اين ضخامت از 700 متر نيز تجاوز مى‌کند.نهشته های پرمین در منطقه ماکو شامل سنگ آهک های خاکستری تیره با ضخامت حدود 926 متر می باشد که بر اساس مطالعات لیتوستراتیگرافی می توان به سه واحد: سنگ آهک های بلروفون دار ، سنگ آهک های چرت دار و سنگ آهک های توده ای کریستالیزه و دولومیتی تقسیم کرد. مرز زیرین نهشته های پرمین به صورت هم شیب با سازند ایلانقره و مرز بالایی آن به صورت ناپیوستگی زاویه دار با سازند قم می باشدبر اساس مطالعات میکروفاسیس و محیط رسوبی، 9 میکروفاسیس مربوط به زیر محیط های پهنه جذر و مدی، لاگون، سدی، دریای محصور و باز (رمپ درونی )، رمپ میانی و رمپ بیرونی شناسایی شده که وابسته به یک محیط رمپ هموکلینال می باشند.مطالعات بیوستراتیگرافی منجر به شناسایی 4 بیوزون شده است که سن Murghabian-Djulfian را برای نهشته های پرمین در برش مورد مطالعه نشان می دهند.مطالعات حساسیت مغناطیسی و تطابق نتایج حاصل از این مطالعات با مطالعات حاصل از میکروفاسیس و محیط رسوبی و بیوستراتیگرافی نشان می دهد که نرخ کربنات زایی عامل بسیار موثر در حساسیت مغناطیسی است. همچنین تعیین مرز Midian-Djulfian (انتهای Guadalupian) که با انقراض دسته جمعی برخی از خانواده های فوزولیناتا همراه است با استفاده از حساسیت مغناطیسی امکان پذیر است.