جستجوي پيشرفته | کتابخانه مجازی الفبا

برخلاف وب، هدف اصلی وب‏معنایی قابلیت فهم ماشین از اسناد است. توسعه‏ی وب‏معنایی مستلزم توسعه ی داده‏های پیوندی است. داده‏های‏پیوندی اجزای سازنده ی وب‏معنایی هستند که در قالب مدلآر. دی. اف ، منابع‏داده‏ای مختلف وب را به هم مرتبط می کنند. با گذشت زمان تعداد این داده‏ها رو به افزایش است و این امر بازیابی و نگهداری داده‏ها را با مشکل مواجه کرده است. بنابراین نگهداری داده‏های‏پیوندی به نحوی که بازیابی اطلاعات مورد نیاز با صرف کمترین زمان و پیچیدگی انجام شود، نیاز به نگهداری بهینه ی این داده ها را توجیه می کند.معمولاً از جداول‏ رابطه‏ای بزرگ برای نگهداری داده‏های وب‏معنایی استفاده می‏شود. هدف این پژوهش شکستن این جداول رابطه‏ای به جداول کوچک‏تر به‏منظور مدیریت آسان‏تر داده‏های‏پیوندی و دسته‏بندی آن‏هاست. در روش پیشنهادی، این دسته‏بندی براساس نگاشت ساختارهای آنتولوژی مرتبط ‏با داده‏ها به پایگاه‏داده‏ی رابطه‏ای انجام می‏شود. روش‏ پیشنهادی جهت افزایش دقّت داده‏های‏پیوندی از نوعی استنتاج روی داده‏های‏پیوندی بهره می‏گیرد و سرعت بازیابی داده‏های‏پیوندی را نیز از‏ طریق انتخاب ساختارهای ذخیره‏ی مناسب و شاخص‏گذاری افزایش می‏دهد. نتایج حاصل از مقایسه‏ی روش پیشنهادی با روش‏های مطرح ذخیره‏سازی داده‏های آر. دی. اف مانند روش مستقل از الگو، روش مبتنی‏بر الگو و روش هیبرید افزایش سرعت و دقّت داده‏های بازیابی‏شده را نشان می‏دهد و با به‏کارگیری ساختارهای مناسب امکان پاسخ‏گویی به طیف وسیع‏تری از پرس‏وجوها فراهم می‏آید. به‏منظور ارزیابی نتایج از جعبه‏ی‏ اطلاعات در مجموعه‏داده‏ی دی‏بی‏پدیااستفاده شده است.

با توجه به حجم عظیم دانش و اطلاعات بشر و رشد روزافزون مستندات در زمینه‌های مختلف، پردازش زبان‌های طبیعی و تبدیل متون به دانش قابل فهم برای ماشین، مورد توجه قرار گرفته است. با استفاده از سیستم‌های استخراج اطلاعات می‌توان بطور خودکار پایگاه دانشی ساخت‌یافته از متون ایجاد کرد. در واقع هدف یک سیستم استخراج اطلاعات، استخراج حقایق از متون غیرساخت‌یافته و نمایش آن‌ها در قالب‌های ساخت‌یافته مانند سه‌گانه‌های RDF می‌باشد. اگر حقایق در قالب معنایی RDF نگاشت شوند، می‌توان اطلاعات مورد نیاز را با ساخت و ارسال پرس‌وجوهای SPARQL روی پایگاه دانش بدست آورد. در این پایان‌نامه، روشی برای استخراج آزاد حقایق از متون زبان فارسی پیشنهاد شده است که در آن استخراج حقایق در سطح جمله و بر اساس تشخیص افعال و روابط وابستگی‌ بین اجزای جمله انجام می‌شود. راه‌کار پیشنهادی، حقایق اصلی را بر اساس فعل و حقایق فرعی را بر اساس روابط بین گروه‌های اسمی جمله استخراج و برای تبدیل به قالب RDF آماده‌سازی می‌کند. برای نگاشت حقایق در قالب معنایی RDF، URI قسمت‌های نهاد، مسند و گزاره یک حقیقت با استفاده از شبکه واژگان و ویکی‌پدیا شناسایی می‌شود. در نتیجه در راه‌کار پیشنهادی شبکه واژگان فردوس‌نت بصورت خودکار بر اساس شبکه واژگان انگلیسی ایجاد می‌شود. نتایج حاصل از ارزیابی نشان می‌دهد که روش پیشنهادی در استخراج حقایق موفق بوده و باعث بهبود دقت و فراخوانی نسبت به سیستم‌های موجود می‌شود. علاوه بر‌این سیستم پیشنهادی حقایق را در قالب معنایی RDF استخراج می‌کند.

با افزایش روزافزون استفاده از موتور های جستجو برای یافتن صفحات وب، مسئله افزایش دقت و سرعت الگوریتم های رتبه بندی، اهمیت ویژه ی یافته است. الگوریتم رتبه بندی برای تعیین ترتیب نمایش صفحات یافته شده به کاربر، به کار می رود. یک رتبه بندی خوب نتایجی که مطلوب کاربر است را زودتر نمایش می دهد. راهکارهای کنونی رتبه بندی، عمدتا بر مبنای وجود کلمات وارد شده توسط کاربر، در صفحات وب می باشد. در نتیجه، گاه صفحاتی به عنوان نتیجه جستجو بازگردانده می شود که چندان مورد نظر کاربر نیستند و فقط به صرف وجود کلمه ی وارده کاربر در آنها، نمایش داده می شوند. نیاز کاربران به مشاهده صفحاتی که مد نظرشان بوده، سبب شده تا موضوع پیدا کردن روشی جهت رتبه بندی نتایج جستجو بر مبنای نزدیکی به فکر کاربر، اهمیت زیادی پیدا کند. این مشکل می تواند در وب معنایی به عنوان نسل جدید صفحات وب کاهش یابد. موتورهای جستجوی معنایی بر پایه هستی شناسی، می توانند با استفاده از برقراری ارتباط میان کلمات مورد جستجو و دنیای واقعی نتایج دقیق تری را ارائهکنند. در این پایان نامه با به کارگیری هستی شناسی، از ارتباطات موجود میان مفاهیم گنجانده شده در وب معنایی، جهت بهبود روش های رتبه بندی در موتور های جستجوی این نوع وب استفاده می شود. بدین منظور چندین معیار جهت ارزش دهی به صفحات یافت شده، با تکیه بر کاهش بار محاسباتی، پیشنهاد شده است. به منظور ارزیابی معیارهای پیشنهادی یک موتور جستجو ی نمونه پیاده سازی شده است. نتایج بدست آمده از این موتور جستجو با موتور جستجوی گوگل مقایسه و بهبود قابل ملاحظه ای در رتبه بندی نتایج مشاهده شد. این روش نسبت به روش های پیشین پیچیدگی محاسباتی کمتری دارد.