جستجوي پيشرفته | کتابخانه مجازی الفبا

با ظهور معماری سرویس گرا، وب سرویس ها محبوبیت بسیاری یافتند. بعلت موجود بودن تعداد زیادی از وب سرویس ها، یافتن وب سرویس متناسب با نیازهای کاربر چالشی عظیم می باشد. این امر نیاز به برقراری یک فرایند مورد اعتماد و موثر کشف وب سرویس را تضمین می کند. امروزه تحقیقات بسیاری برای طراحی روش هایی به منظور افزایش میزان دقت کشف وب سرویس انجام می گیرد که بهترین سرویس را تطبیق نماید. نتایج فرایند کشف سرویس، سرویس هایی است که تا اندازه ای نیاز های کاربر را ارضا می نمایند. در نظر گرفتن رابطه معنایی میان کلمات استفاده شده در توصیف سرویس و همچنین پارامترهای ورودی و خروجی می تواند منجر به دقت در کشف وب سرویس شود. علاوه بر پارامترهای ورودی و خروجی، پارامترهای دیگری نیز در توصیف سرویس وجود دارند که استفاده از آنها منجر به بالا بردن دقت کشف وب سرویس ها می شود. این پارامترها پیش شرط و اثر نام دارند. این تحقیق الگوریتمی برای کشف وب سرویس معنایی براساس مقایسه میان پارامترهای ورودی، خروجی، پیش شرط، و اثر درخواست و سرویس، ارائه می دهد.در بیشتر روش های کشف وب سرویس، پنج درجه تطبیق در نظر گرفته می شود که عبارتند از : Exact، PlugIn، Subsume، Intersect، Fail. در الگوریتم حاضر به جای درجه Fail درجه تطبیق جدیدی به نام Substitute در نظرگرفته شده که سرویس جایگزین درخواست را ارائه می کند. همچنین در این الگوریتم برای تعیین میزان شباهت میان مفاهیم روشی بر مبنای درخت سلسله مراتب آنتولوژی در نظر گرفته شده که میزان دوری و نزدیکی مفاهیم به یکدیگر را تشخیص می دهد. الگوریتم ارائه شده از یک سیستم امتیاز دهی براساس میزان شباهت مفاهیم و ویژگی های آنها به یکدیگر استفاده می کند. این سیستم به هر یک از زوج مفاهیم که با یکدیگر مقایسه می شوند، براساس روش تعیین مشابهت ذکر شده، امتیازی نسبت داده و امتیاز نهایی سرویس را براساس میانگین امتیاز مفاهیم محاسبه می کند. امتیاز محاسبه شده برای هر سرویس همراه با درجه تطبیقی که برای سرویس محاسبه شده است به کاربر ارائه می شود.برای ارزیابی الگوریتم ارائه شده از مجموعه داده ای متشکل از 100 وب سرویس معنایی و 20 پرس و جو استفاده شده است. نتایج به سه معیار Precision/Recall، F1، و میانگین زمان پاسخ با سه الگوریتم کشف وب سرویس دیگر مقایسه شده اند. الگوریتم ارائه شده دارای دقت بالاتری از سه الگوریتم مورد مقایسه می باشد. اما از نظر میانگین زمان پاسخ با توجه به اینکه علاوه بر ورودی و خروجی، از مقایسه پیش شرط و اثر نیز برای کشف وب سرویس معنایی استفاده می کند، دارای میانگین زمان پاسخ بالاتری نسبت به دیگر الگوریتم های مورد مقایسه می باشد. در مجموع، دقت کشف وب سرویس معنایی با الگوریتم ارائه شده پیشرفت قابل ملاحظه ای را نسبت به روش های مرسوم کشف وب سرویس نشان می دهد.

با توجه به رشد روزافزون اطلاعات و دانش, حجم‌هاي بسيار بالا از اين اطلاعات و دانش‌ها موجود مي باشد که جستجو براي يافتن اطلاعاتي خاص در آن‌ها, به دليل حجم‌هاي بالاي آنها ديگر کار آساني نمي‌باشد.همواره نياز به سيستم‌هايي که بتواند اطلاعات مورد نياز افراد را فراهم کند احساس ‌شده است. چالش‌هاي فني در مسير طراحي اين گونه سيستم‌ها را مي‌توان در دسته‌هاي کلي تقسيم‌بندي کرد. مي‌توان به نحوه ذخيره سازي و بازيابيو همچنين نحوه ارتباط با کاربر, به عنوان دو مسئله مهم در طراحي اين گونه سيستم‌ها اشاره کرد که هر کدام شامل مسائل زيادي نظير شاخص‌گذاري, ذخيره-سازي, پردازش و ... است. در بسياري از موارد تعامل خوبي بين کاربران و موتور هاي جستجوي وب برقرار نمي‌شود.دليل اصلي اين موضوع عدم استفاده از زبان مناسب و قابل فهم موتور جستجو توسط کاربر و همچنين عدم توانايي کاربر در بيان نياز هاي خود است.يکياز راه‌کارهاي حل اين مشکل استفاده از تکنولوژي معنايي است که امکان استفاده از مفاهيم و ارتباطات آنها را نيز به سيستم مي‌دهد . استفاده از اين تکنولوژي نيز چالش‌هايي را به همراه دارد.از مشکلات اين کار ارتباط مفاهيم با همديگر و در نظر گفتن آنها در سامانه , عدم وجود ساختمان داده متناسب با اين تکنولوژي , نحوه نمايش نتايج بر اساس ارتباطات معناييو زباني است که کاربر بتواند نياز ها خود را با استفاده از آن زبان به خوبي بيان کند. همزمان با بکار‌گيري تکنولوژي معنايي سعي گرديده تاحدودي زبان مورد استفاده کاربر به عنوان زبان پرس و جو وهمچنين مفاهيم کلمات به زبان طبيعي کاربر نزديک باشد. اين تحقيق نيز در جهت مطالعه براي ايجاد موتور جستجويي با استفاده از تکنولوژي معنايي در حوزه صفحات فارسي ICT مي باشد. در اين پروژه با توجه به امکانات موجود سعي در طراحي اوليه يک موتور جستجوي معنايي با استفاده از ساخت يک هستان شناسي بوده است. تمرکز بر روي ايجاد يک ساختمان داده و همجنين استفاده بهينه و انجام جستجوي معنايي با استفاده از اين ساختمان داده است.

یافتن میزان شباهت اسناد از مسائل مطرح دنیای مملوء از اطلاعات امروز است و در این میان یافتن شباهت میان صفحات وب به مسئله ای جدیدتر در دنیای اطلاعات تحت وب تبدیل شده است. آنچه که در سنجش شباهت بسیار مطرح است، نزدیک بودن صفحه انتخاب شده به عنوان صفحه مشابه صفحه مورد نظر کاربر، به قضاوت انسان یعنی کاربر درخواست کننده، است. طرح حاضر با نوآوری استفاده از هستان شناسی ها و توجه به ساختار صفحات وب و اولویت بندی اجزاء صفحات، در ارزیابی انجام شده توانسته است کارآیی خوبی از خود به نمایش گذارد. در این طرح هستان شناسی نقش یابنده شباهت معنایی دو صفحه را بازی می کند و با استفاده از ساختار صفحات وب که صفحاتی نیمه ساختار یافته اند، مسئله شباهت سنجی بهینه تر گردیده است. چگونگی استفاده از ساختار صفحات وب و اولویت بندی اجزاء آنها، بر اساس عملکرد موتورهای جستجو طراحی شده است و با سنجش عملکرد اولویتهای مختلف اعطاء شده به اجزاء صفحه، ترتیب بهینه ای از این اجزاء درنظر گرفته شده است. برای پیاده سازی و اجرای طرح حاضر برنامه ای نوشته شده است و یک پایگاه داده مناسب از صفحات وب فراهم گردیده، که طرح حاضر و روشهای مشابه، توسط برنامه برروی پایگاه داده اجرا می شود. طرح حاضر در میان روشهای دیگر شباهت سنجی که به دقت انتخاب شده بودند از کارآیی بالاتری برخوردار است.

اهمیت دسته بندی موضوعی صفحات وب باعث شده با پیدایش اولین سایت های اینترنتیشرکت های بزرگی مانند یاهو و AOL به فکر ارائه سرویس های فهرست وب که وب سایت های مختلف را با کمک نیروی انسانی بر اساس موضوع دسته بندی می کند بیفتند. با افزایش روز افزون تعداد صفحات وب و عدم امکان دسته بندی صفحات وب به صورت دستی و همچنین پیدایش کاربرد های دیگری برای دسته بندی خودکار صفحات وب از قبیل فیلترینگ هوشمند و ایجاد نسل آینده موتور های جستجو گر، تحقیقاتی در این زمینه صورت گرفته که متاسفانه تا کنون نتیجه ای مطلوب و کاربردی حاصل نشده است. در اکثر تحقیقات پیشین در زمینه دسته بندی خودکار صفحات وب تنها از یک، دو و یا نهایتا سه مورد از ویژگی های قابل استخراج از صفحات وب استفاده گردیده است. از جمله این ویژگی ها می توان به استفاده از خواص تگ هایHTML از قبیل تگ های متا،عنوان صفحات، تگ های تاکید، پیوند ها و صفحات همسایه، آدرس صفحات ، موقعیت مکانی کلمات و فرکانس تکرار آنها و نیز استفاده از تکنیک های آنتالوژیاشاره کرد. در روش پیشنهادی که در این پایان نامه ارائه شده است بر روی ترکیب این موارد تمرکز شده و نشان داده شده است که استفاده همزمان از ویژگی های مختلف می تواند به افزایش دقت دسته بندی صفحات وب کمک کند.