جستجوي پيشرفته | کتابخانه مجازی الفبا

خوشه‌بندی یا دسته‌بندی بدون نظارت با سازمان‌دهی پیکره‌های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان‌دهی در موتورهای جستجو برای ارائه‌ خوشه‌های معنادار مرتبط با پرس‌و‌جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایان می‌شود. علاوه بر مشکلاتی نظیر تعداد ابعاد بسیار زیاد و تحلیل خوشه‌ای، متاسفانه دیدگاه متعارف خوشه‌بندی‌های افرازی و سلسله‌مراتبی، به متن، همانند کیسه‌ای از کلمات است که در نتیجه در مقایسه‌ها فقط شباهت‌های ظاهری اسناد مورد توجه قرار می‌گیرد. در این نوع دیدگاه، کلمات یا تِرم‌ها کاملا ناهمبسته‌اند و به روابط کلمات (مثل هم‌معنایی و شمول) توجهی نمی‌شود. همچنین تلاشی برای رفع ابهام از کلمات چند‌معنایی صورت نمی‌گیرد. عدم توجه به این گونه مسائل غالبا منجر به خوشه‌بندی با ‌کیفیت پایین و یا غیرمعنایی می‌شود.در این تحقیق، زبان فارسی با توجه به اهمیت آن به عنوان یکی از زبان‌های زنده دنیا و رشد روزافزون متون الکترونیکی به زبان نوشتاری فارسی، مورد توجه قرار گرفته است. ایده اصلی یافتن توصیف‌های مناسب برای دانش پس‌زمینه و غنی‌سازی متن فارسی با استفاده از آن جهت افزایش کیفیت خوشه‌بندی است. برای نیل به این مقصود از منبع دانش خارجی با نام واژ-هستان‌شناسی فارس‌نت استفاده شده است. با کمک فارس‌نت عملیات رفع ابهام از دسته‌های معنایی کلمه صورت پذیرفته، روابط هم‌معنایی و شمول مربوط به معنای کلمه رفع ابهام شده، وارد بردار کلمات متن می‌شود. همچنین برای خوشه‌بندی متنی بر رهیافت نمایش مبتنی بر اجزاء یا فاکتورگیری نامنفی ماتریسِ ترم-متن تاکید شده است. نتایج ارزیابی‌های صورت گرفته بر روی پیکره استاندارد متنی همشهری، نشان از بهبود کیفیت خوشه‌بندی متون فارسی غنی‌شده (بخصوص با رابطه شمول) در مقایسه با خوشه‌بندی خام دارد. همچنین تاثیر این روابط در بهبود کیفیت خوشه‌بندی و نیز توضیح خوشه‌ای بر پایه فاکتورگیری نامنفی ماتریس بیشتر از خوشه‌بندی Bisecting Kmeans بوده است.

مفهوم «شناخت» و «استدلال» هسته‏ی علوم‏شناختی و هوش‏مصنوعی است. برخی از علوم مانند فلسفه، منطق، روان‏شناسی، عصب‏شناسی و غیره همواره به‏دنبال این هستند که دریابند این فرآیندها دقیقاً چگونه در ذهن انسان انجام می‏شوند. آنچه که قطعی است یا دست‏کم توسط مشاهدات تجربی تایید می‏شود این است که مفهوم شناخت در طبیعت همواره با مفاهیم «یادگیری» و «تکامل» درآمیخته است. طبق مشاهدات طبیعی، بیشتر جانداران درابتدای زندگی شناخت کمی از خود و دنیای اطراف خود دارند. اما در طول زمان به نوعی تکامل شناختی دست می‌یابند. این مفهوم بسیار حیاتی است زیرا هیچ مدل شناختی کاملی از جهان در ابتدای زندگی جانداران دراختیار آنان نیست و هیچ راه مستقیمی هم برای دستیابی سریع به آن وجود ندارد. بلکه شناخت باید در طول زمان حاصل شود. این پایان‏نامه براساس مفهوم تکامل شناختی که در طبیعت وجود دارد، یک مدل/چارچوب کلی برای یادگیری و تکامل شناختیِ پیشکارها/سیستم‏های هوشمند مصنوعی پیشنهاد و ارائه می‌دهد. زیربنای تئوریک مدل چند فرضیه‏ی شناختی است که در این رساله پیشنهاد می‏شود. هسته مرکزی این چارچوب نیز یک دستگاه مختصاتی مفهومی چندبُعدی است که پیشنهاد شده و ذهن مجازی پیشکار را شکل می‏دهد. فرآیند یادگیری مفهومی به‏صورت بدون ناظر و توسط الگوریتم‏های خوشه‏بندی مفهومی و الگوریتم‏های پیشنهادی این رساله جهت ساخت و تکامل آنتولوژی انجام می‏شود. در نهایت ارزیابی‏های عملی مدل/چارچوب نتایج مطلوبی را نشان داد.

با افزایش روزافزون کاربران اینترنت، این بستر به منبعی غنی از اطلاعات تبدیل شده و با همگانی شدن آن، بیان نظرات و عقاید کاربران در مورد کالا‌ها، سازمان‌ها و اشخاص با سادگی بیشتری انجام می‌شود. با توجه به تحقیقاتی که در سال 2009 انجام گرفت، موثرترین عامل در تصمیم‌گیری مشتریان در خرید الکترونیک، نظرات ارائه شده توسط کاربران در مورد کالا‌ها می‌باشد. ولی با افزایش نظرات کاربران در مورد کالا‌ها تصمیم‌گیری و نتیجه‌گیری از نظرات مشکل شده است. در این پایان نامه مدل جدیدی از نظرکاوی ارائه شده است. در این مدل بر خلاف کارهای گذشته، برای کلمات بیان کننده احساسات، شدت گرایش تعیین می‌شود و در شناسایی گرایش شخص نسبت به یک کالا لحاظ می‌شود. همچنین در این مدل روشی برای تخصیص وزن به ویژگی‌ها ارائه شده است. کارایی مدل پیشنهادی بر روی مجموعه داده تهیه شده از وب سرویس آمازون ارزیابی و با سایر مدل‌ها مقایسه شده است. خلاصه‌سازی با استفاده از مدل پیشنهادی دارای جزئیات دقیق‌تر و کامل‌تر نسبت به مدل‌های گذشته می‌باشد و همچنین شناسایی رتبه کالا از نظرات با استفاده از این مدل نسبت به سایر مدل‌های با دقت بالاتری انجام می‌شود.

استفاده از فن‌آوری وب معنایی در مهندسی نرم‌افزار یکی از راه‌های غلبه کردن بر مشکلات کنونی مهندسی نرم‌افزار است؛ به‌طوری‌که امروزه توجه بسیاری از محققان به این مقوله معطوف شده است و روش‌های مختلفی در این راستا ارایه کرده‌اند. برخی از این روش‌ها هستی‌شناسی محور بوده و بر تولید کد نرم‌افزار از مدل‌های معنایی متمرکزند و شماری دیگر، مبتنی بر هستی‌شناسی بوده و از فن‌آوری وب معنایی به‌عنوان ابزار کمکی در فرآیند‌های کلاسیک نرم‌افزار استفاده کرده‌اند.در این پایان‌نامه برای تولید سریع نرم‌افزار، یک روش معنایی جدید با نام SRAD، پیشنهاد شده‌است. در این روش، مدل ایستای دامنه در هستی‌شناسی دامنه و مدل پویای آن در هستی‌شناسی برنامه توصیف می‌شود. هستی‌شناسی دامنه در حقیقت جایگزینی قدرتمند برای مدل داده است زیرا در این هستی‌شناسی ضمن اینکه مانند پایگاه‌های داده، داده‌های نرم‌افزار ذخیره می‌شود، زمینه برای استفاده از استدلال‌گرها و موتورهای قواعد نیز مهیا می‌شود. تمام عملکردهای نرم‌افزار در هستی‌شناسی برنامه توصیف و پیاده‌سازی می‌شود. می‌توان بر اساس چارت عملیاتی سیستم، عملکردهای نرم‌افزار را در این هستی‌شناسی به‌صورت سلسله‌مراتبی توصیف و پیاده‌سازی کرد. برای پیاده‌سازی عملکردها در هستی‌شناسی برنامه، از قواعد وب معنایی بهره گرفته شده است. در حقیقت بدنه یک عملکرد با استفاده از لیست مرتبی از قواعد قابل پیاده‌سازی است. برای اجرای عملکردهای توصیف شده در هستی‌شناسی برنامه می‌توان از موتور‌های قواعد کلاسیک مانند Jess بهره گرفت ولی برای افزایش کارایی، در راستای این پایان‌نامه، موتور اجرای RE طراحی و پیاده‌سازی شده است. این موتور ضمن پشتیبانی از انواع اتم‌های مختلف، قادر است عملکردهای توصیف شده در هستی‌شناسی برنامه را با کارایی مطلوب به اجرا در آورد.برخلاف اکثر روش‌های موجود که سعی در ایجاد کد نرم‌افزار دارند، با استفاده از روش SRAD در حقیقت مدلی از نرم‌افزار ایجاد شده است که قابل اجرا است. به‌عبارت دیگر منطق کاری نرم‌افزار به‌جای اینکه در پس کد‌های آن نهان شود، در یک مدل رسمی توصیف می‌شود. چنین مدلی ضمن انتزاعی‌تر کردن فرآیند تولید، می‌تواند فرآیند نگهداری نرم‌افزار را نیز بسیار آسان کند. SRAD روشی معنایی برای تولید سریع نرم‌افزارهایی است که نگهداری بسیار آسانی دارند.

فناوری اطلاعات در دهه‌ گذشته تاثیر شگرفی بر بهبود شیوه‌های کسب‌وکار داشته اما افزایش نفوذ آن در سازمان‌ها چالش‌های بسیاری نیز به همراه آورده است. چالش‌هایی مانند تغییر و پویایی فرایندهای کسب‌وکار، عدم تطابق خدمات فناوری اطلاعات با نیازهای واقعی کسب‌وکار، منعطف نبودن سازمان در برابر تغییر مداوم خواسته‌های مشتریان و وابستگی به سیستم‌های خاص، می‌توانند کارایی را تا آنجا پایین آورند که مدیران سازمانی دیگر تمایلی به ادامه تولید و توسعه‌ی سیستم‌های اطلاعاتی خود نداشته باشند. در حال حاضر بهترین رویکردی که توانسته به این چالش‌ها پاسخ دهد، ترکیب دو پدیده‌ی مدیریت فرایندهای کسب‌وکار (BPM) و معماری خدمت‌گرا (SOA) است. این رویکرد رهیافتی فراگیر برای چالش انعطاف‌پذیری سازمان در مقابل تغییرات و استفاده از خدمات سایر سازمان‌ها می‌باشد. نقطه الحاق BPM و SOA، خدمت است. در رویکرد مذکور فرایند کسب‌وکار به عنوان مجموعه‌ای از خدمات (تحت وب) پیاده‌سازی شده که از مزایایی همچون اتصال سست، استقلال ساختار و زبان استفاده می‌کنند. اما علی‌رغم این مزایا، شرط لازم یک کسب‌وکار مطمئن در یک جهان مبتنی بر خدمت، اجرای خدمات طبق هدف مورد انتظار می‌باشد. توافق‌نامه‌های سطح خدمت (SLA) ابزاری مهم در تضمین این امر محسوب می‌شوند. این توافق‌نامه‌ها، سطح کیفی خدمات را تعریف نموده و امکان نظارت بر تطابق آن با نیازهای کسب‌وکار را فراهم ‌می‌آورند. نکته قابل بحث در این زمینه، روش تعریف خود این توافق‌نامه‌ها به نحوی است که بتوان از آن برای ضمانت تحقق اهداف فرایندهای کسب‌وکار استفاده نمود و پیچیدگی مدیریت شبکه خدمات کسب‌وکار را در سازمان کاهش داد. راهکار معرفی شده در این پایان‌نامه، ارائه مدلی از SLA بوده که بر اساس معیارهای عملکردی و کیفی خدماتی که از اجرای فرایندهای کسب‌وکار پشتیبانی می‌نمایند، تعریف شده است. با تعریف این معیارها، محاسبه‌ی مقادیر آنها و مقایسه‌ی این مقادیر با مقادیر هدفی که در توافق‌نامه تعریف شده، می‌توان سطح عملکرد خدمات را اندازه‌گیری و میزان دستیابی به هدف را تعیین نمود. بدین منظور سیستم نظارت خودکاری برای SLA معرفی شده که لازمه‌ی آن، قابل فهم بودن توافق‌نامه‌های SLA برای ماشین می‌باشد و در این راستا برای بازنمایی مدل پیشنهادی از هستان‌شناسی استفاده شده است. از طریق سیستم نظارتی معرفی شده، می‌توان اجرای خدمات را مطابق با سطح تعیین شده مدیریت کرد و مشکلات مربوط به کارایی آنها را قبل از تاثیر بر کسب‌وکار، شناسایی و حل نمود.

در دنیای امروز یکی از حیاتی‌ترین زیر ساخت‌های اطلاعات جهانی، سیستمهای مبتنی بر وب می‌باشد، از این رو قابلیت اطمینان در آنها عاملی پر اهمیت می‌باشد. به همین منظور در راستای تایید قابلیت اطمینان نرم‌افزارهای مبتنی بر وب، امروزه محققان در پی روشهایی کارا جهت مدلسازی و تست این نرم‌افزارها بر آمده‌اند. هدف از انجام این پروژه، آزمون مبتنی بر مدل یک برنامه تحت وب در سطح سیستم، بصورت خودکار می‌باشد. در ابتدا با استفاده از استراتژی جعبه سیاه مدل ناوبری سیستم استخراج می‌شود. مدل استخراج شده، نقطه شروع برای انجام آنالیز ایستا می‌باشد. سپس به منظور پر کردن خودکار فرمها و در نتیجه مدلسازی و آنالیز قسمتهای پویای برنامه از چندین آنتولوژی استفاده می‌شود، در ادامه هر یک از عناصر فرمها به ترتیب به یکی از منابع آنتولوژی نگاشت می‌شوند، و با استفاده از محدودیتهای آنتولوژی و بصورت خودکار، داده‌های آزمون ایجاد می‌گردند. مدل پیشنهاد شدهبعنوان ابزار MBTester در پروژه بزرگ WTLAB پیاده‌سازی شد. طرح WTLAB با حمایت مرکز تحقیقات و مخابرات ایران بعنوان یک طرح پژوهشی بنیادی تعریف شده است. مدل پیشنهادی بر روی چندین برنامه تحت وب اجرا شد. با بررسی نتایج بدست آمده، بهبود قابل توجهی در فریند آزمون برنامه‌های مبتنی بر وب قابل مشاهده است.

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.

روشهای متعددی به منظور استخراج عوارض موجود از تصاویر رقومی ارائه شده اند. این روشها را می توان در دو دسته طبقه بندی نمود. دسته ی اول روشهایی هستند که بر اساس خصوصیات طیفی هر پیکسل به استخراج عوارض می پردازند. روشهای دیگر بر مبنای ارائه ی قانون بر روی مجموعه ای از پیکسلها به استخراج عوارض بر مبنای شیء می پردازند. در این حوزه، اشیاء بر اساس خصوصیاتی که برای آنها تعریف شده است از تصاویر استخراج می شوند. در نتیجه، ابتدا باید به تعریف عارضه و خصوصیات آن پرداخت. به همین دلیل به معرفی علم هستی شناسی (آنتولوژی) می پردازیم که برای اولین بار در حوزه ی علم فلسفه ارائه شد.هستی شناسی را می توان شاخه ای از فلسفه و علمی در مورد چه بودن، از چه نوعی بودن ساختار اشیاء، ویژگیها، پیشامدها و وابستگیها در هر حوزه ای از هستی دانست. هستی شناسی به دنبال ارائه ی طبقه بندی قطعی و جامع از موجودیتها در تمامی دایره ی وجود (جهان) است به طوری که هیچ موجودیتی در خارج از آن قرار نگیرد. مرزهای دایره ی وجود (عالم امکان) توسط موجودیتها و عدم موجودیتها مشخص می شود. همچنین در هستی‌شناسی روابط میان موجودیتها نیز طبقه بندی می شوند. کاربرد کاملاً شناخته شده ی هستی شناسی در حوزه ی علم سیستمهای اطلاعاتی را می توان تشکیل پایگاه داده و یا استفاده از آن عنوان کرد، که بر مبنای همین تعریف کاربرد وسیعی در سیستمهای اطلاعات جغرافیایی پیدا کرده است.هستی شناسی لازم برای استخراج عارضه ی موجود در تصویر را می توان به این صورت بیان نمود که برای عارضه، چه معیارها و عواملی به صورت هم‌زمان برای کاربر تداعی می شوند که بتوان آنها را در قالب عوامل یا قانونهایی در روشهای استخراج عارضه وارد نمود. به این منظور لازم است تا مجموعه ای از سوالها و جوابها مطرح شوند و پایگاهی از داده های لازم به منظور استخراج عارضه (اطلاعات) از تصویر تشکیل شود. تنها با استناد به اطلاعات گردآوری شده در قالب پایگاه داده های نام‌برده شده است که می توان روشی برای استخراج انواع عوارض بر اساس ماهیت آن در تصویر پرداخت. از طرفی تشکیل پایگاه داده برای عوارض موجود در هر یک از نقشه های 1:2000، 1:5000 و 1:10000 نیازمند آگاهی از تعریف عوارض در مقیاسهای مختلف نقشه و نیز عوارض مشابه با آن بر روی تصاویر ماهواره ای است. به عنوان مثال، اگر هدف استخراج ساختمانها است، به منظور حذف عوارض گیاهی استخراج شده به همراه ساختمانها می توان از شاخصهای پوشش گیاهی استفاده نمود. از دیگر ویژگیهای ساختمان می توان شکل هندسی تقریباً منظم، رفتار مشخص در نسبت طول به عرض، پیوسته بودن لبه ها، بافت طیفی مشخص و بازه ی مساحتی حداقل را نام برد. از طرف دیگر، تمامی ساختمانها دارای درجه ی خاکستری مشخصی نیستند و نسبت به شرایط تابش نور خورشید و قرار گرفتن در نقاط مختلف از تصویر، مقادیر درجات خاکستری متفاوتی را به خود می گیرند. در این پایان نامه، با به کارگیری هستی شناسی در تهیه ی مدل مفهومی برای عوارض خطی و سطحی بر اساس خصوصیات آنها در تصاویر ماهواره ای چندطیفی به ارائه ی راهکارهایی در تولید نقشه پرداخته خواهد شد. در نهایت، با به دست آمدن اطلاعات مورد نیاز جهت استخراج عوارض در مقیاسهای مختلف با استفاده از هستی شناسی، می توان دقت روشهای استخراج عارضه را افزایش داد. خروجی این پایان نامه به صورت پایگاه داده ای از خصوصیات عوارض موجود در نقشه های 1:2000، 1:5000 و 1:10000 است که قابلیت ارتقاء و بهبود در مقیاسها و عوارض مختلف را طی مرور زمان داشته باشد.

امروزه با توجه یه کاربرد وسیع هستان شناسی ها به ساخت و توسعه آنها توجه زیادی می شود. اما به این دلیل که افراد مختلفی با درک و کلمات متفاوتی هستان شناسی ها را توسعه می دهند ممکن است دو هستان شناسی که یک دامنه را توصیف می کنند دارای ساختار و واژگان متفاوت باشند. ایجاد درک مشترک بین هستان شناسی ها موجب ایجاد سامانه های تطابقهستان شناسی ها شده است. آن چه که در توسعه سامانه های تطابق تاکنون مغفول مانده است نگاه به مبحث شناخت شناسی به عنوان اساس هستان شناسی و استفاده از مفاهیم این حوزه در تطابق هستان شناسی هاست.در این پژوهش با پرداختن به حوزه شناخت شناسی، به روشی بر مبنای هوش جمعی رهنمون می شویم و فرا سامانه ای برای تطابق هستان شناسی ها ارائه می دهیم. هم افزایی سامانه های تطابق در این روش موجب انطباق هر چه بهتر هستان شناسی ها با دقت و فراخوانی بیشتری نسبت به سایر سامانه های تطابق می شود.

آنتولوژی به عنوان یک روش برای از بین بردن ناهمگنی اطلاعات ارائه شده‌است. در یک حوزه ممکن است چندین آنتولوژی که از دیدگاههای متفاوت ایجاد شده‌اند، وجود داشته باشد که سبب ناهمگنی در یک حوزه خاص می‌شوند. جهت از بین بردن نا‏همگنی‏ها از فرآیند هم تراز سازییا تطابق آنتولوژی‌ها استفاده می‌شود. از آنجا که هنگام هم‌ترازسازی آنتولوژی‌ها سعی بر رفع همه انواع ناهمگنی‌های موجود بین دو آنتولوژی ورودی است پس باید روشی اتخاذ گردد تا به کمک آن بتوان نتایج هم ترازسازی انواع روشهای رفع ناهمگنی بین دو آنتولوژی ورودی را کنار هم گردآوری نمود. به مرحله گردآوری نتایج انواع روشهای ناهمگنی، مرحله جمع‌آوری شباهت‌ها گویند.در این تحقیق در ابتدا یک سیستم هم‌ترازسازی آنتولوژی‌ها با استفاده از سه روش رفع ناهمگنی بین آنتولوژی‌ها پیاده‌سازی شده است. این سیستم برای انواع زبان‌های بیان آنتولوژی‌ها یعنیOWLو RDF قابل استفاده است. در سیستم ارائه شده از سه تطابق‌یاب استفاده شده است. دو تطابق‌یاب از ویژگیهای رشته‌ای اجزای آنتولوژی‌ها استفاده می‌نمایند. یکی از این تطابق‌یاب‌ها ISUB است که از فرم رشته‌ای موجودیت‌های دو آنتولوژی استفاده می‌کند و دیگریVDOC است که قبل از آغاز فرآیند محاسبه شباهت بین رشته‌ها، ابتدا یکسری عملیات پیش پردازش از قبیل حذف حروف اضافه و ربط را انجام می‌دهد و سپس براساس روش‌های بازیابی اطلاعات، میزان شباهت دو رشته را محاسبه می‌نماید.سومین تطابق‌یاب پیاده سازی شده، GMO است که از ساختار سلسله مراتبی دو آنتولوژی ورودی جهت محاسبه میزان شباهت موجودیت‌های دو آنتولوژی بهره می‌گیرد. پس از محاسبه شباهت توسط انواع تطابق‌یاب‌های مختلف، در مرحله جمع‌آوری شباهت‌های انواع تطابق‌یاب‌ها، روشی ارائه شده است که برخلاف سایر روش‌های موجود، فرآیند جمع‌آوری شباهت‌ها را براساس هر دو آنتولوژی و برای هر جفت موجودیت دو آنتولوژی بطور جداگانه انجام می‌دهد که یک روش تطبیقی و مطلع از ساختار است.ارزیابی کار انجام شده برای بررسی روش جمع‌آوری شباهت‌های ارائه شده بوسیله‌ی آنتولوژی‌های مسابقه جهانیتطابق آنتولوژی‌ها یعنیOAEI 2009 صورت گرفته است که حاوییک سری آنتولوژی‌های استاندارد جهت مقایسه انواع سیستم‌های هم ترازسازی آنتولوژی‌ها می‌باشد. مقایسه نتایج سیستم ارائه شده با سیستم‌های جِرُمی سوئیت و نگاشت توسط جمع مورچه‌ها، بهبود دقت تشخیص هم ترازی‌های بین دو آنتولوژی توسط سیستم را نشان می‌دهد.