جستجوي پيشرفته | کتابخانه مجازی الفبا

یکی از اهداف وب معنایی آن است که داده و دانش به صورت قابل فهم‌تر در اختیار ماشین قرار بگیرد تا موجب تسهیل در به اشتراک گذاری اطلاعات و مجتمع سازی داده‌هاشود. قدم آغازین در رسیدن به این نگاه، نمایش مفاهیم و اصطلاحات دامنه‌های مختلف در قالب انتولوژی‌ها می‌باشد با این وجود، حتی در یک دامنه وجود انتولوژی‌های متفاوت قابل اجتناب نبوده و در نتیجه هم‌تراز سازی انتولوژی‌ها یعنی یافتن انطباق‌ها میان دو انتولوژی ضروری می‌باشد. در سال‌های اخیر سیستم‌های هم‌تراز سازی زیادی ارائه شده‌اند. اغلب روش‌های هم‌تراز سازی موجود تنها قادر به یافتن انطباق‌های یک به یک می‌باشند. حال اگر برای یک مفهوم در انتولوژی اول نظیر مستقیمی در انتولوژی دوم یافت نشود، این روش‌ها قادر به یافتن انطباق پیچیده نخواهند بود. در حالت خاص این مسئله، اگر برای بیان یک مفهوم در یک طرف از الگوی لغوی-املایی و در انتولوژی دوم برای مدل کردن همان مفهوم از الگوی منطقی استفاده شده باشد، برای هم‌تراز سازی نیاز به یافتن نوع خاصی از انطباق‌های پیچیده می‌باشد.در این پژوهش یک روش برای یافتن انطباق‌های پیچیده ارائه شده است. این انطباق‌هادر یک طرف شامل یک نام به صورت مضاف-مضاف‌الیه بوده و در طرف دیگر شامل توصیفی پیچیده و مرکب برای بیان مفهوم معادل می‌باشد. دلیل توجه به عبارات مضاف-مضاف‌الیه کاربرد بالای آن‌ها در نام‌گذاری مفاهیم انتولوژی می‌باشد. در روش پیشنهادی ، ابتدا رابطه معنایی میان مضاف-مضاف‌الیه استخراج شده و با استفاده از آن یک سری انطباق‌های اولیه به عنوان فرضیه تولید می‌گردد. هسته اساسی در تولید این فرضیه‌ها کتابخانه‌ای از الگوها و یک روش جستجوی لغوی می‌باشد. با اعمال یک روش استدلالی خاص تمامی فرضیه‌های تولیدی برای افزایش کیفیت پالایش می‌شوند. از یک هیورستیک و نتایج به دست آمده از استدلال، برای تصحیح الگوریتم جستجوی لغوی و کلاسه‌بندی روابط معنایی استفاده شده است. در پایان، روش پیشنهادی در قالب نرم افزار هم‌تراز سازی OCEANING پیاده سازی شده و کارایی روش پیشنهادی در هم‌تراز سازی دو انتولوژی مطرح، بزرگ و سطح بالای سومو و اومبلنشان داده شده است.

امروزه یادگیری و آموزش در دنیای مجازی از اهمیت بالایی برخوردار است. بهمین دلیل نیاز به سیستم‌های یادگیری الکترونیک که یادگیری را در هر مکان و زمانی ممکن می‌سازند بیش از پیش احساس می‌شود. از سوی دیگر با توسعه وب، حجم اطلاعات موجود در آن بصورت چشمگیری رو به افزایش است. این امر سبب می‌شود تا سیستم‌های یادگیری الکترونیک با حجم وسیعی از اطلاعات برای آموزش مواجه شوند. اما اصول مشتری مداری این اجازه را به این سیستم‌ها نمی‌دهند تا فراگیران را با حجم زیادی از اطلاعات درگیر کنند. چراکه اولا این امر موجب سردرگمی فراگیران در انتخاب موضوع برای مطالعه می‌شود، ثانیا بسیاری از این اطلاعات با توجه به مواردی نظیر خصوصیات فراگیر، علایق، اهداف و توانمندی‌های وی قابل استفاده توسط او نیستند.در پاسخ به این مسئله سیستم‌های تطبیق پذیر آموزشی ظهور کردند که هدف کلی آنها ایجاد یک تجربه منحصر به فرد آموزشی برای هر فراگیر است. این سیستم‌ها با مدل کردن خصیصه‌های مختلف فراگیر و دراختیار داشتن فرادانشی نسبت به محتوای آموزشی به شخصی سازی مطالب آموزشی برای تک تک فراگیران می‌پردازند. این مطالعه ابتدا به مرور کارهای انجام شده در زمینه سیستم‌های تطبیق پذیر آموزشی می‌پردازد. ماحصل مرور منابع موجود در این حوزه، شکاف‌های تحقیقاتی فعلی است که به تفصیل بررسی می‌شوند. بر این اساس این تحقیق به ارائه مدلی جهت شخصی سازی محتوای آموزشی می‌پردازد. معماری این مدل مبتنی بر ایده سیستم‌های چند عامله است و برای نگهداری محتویات آموزشی از هستی شناسی و استاندارد محتوایی SCORM در سطوح انتزاعی جداگانه بهره می‌گیرد. به منظور اعتبار سنجی این مدل از رویکرد پیاده سازی و شبیه سازی یک سناریوی ساده استفاده شده است. این سیستم بر روی سیستم مدیریت یادگیری Sakai نصب و راه اندازی شده است و به منظور اثبات کارآمدی آن از یک سناریوی ساده برای تطبیق پذیری استفاده شده است. نتایج این شبیه سازی نشان می‌دهند که این مدل بخوبی می‌تواند محتویات آموزشی را به فراگیران مختلف ارائه دهد.