جستجوي پيشرفته | کتابخانه مجازی الفبا

روز به روز در کاربردهای بیشتری از قبیل مدل‌سازی ترافیک، شبکه‌های حسگر و دنبال کردن در کاربردهای نظامی، پردازش داده‌های برخط و غیره، شاهد تولید هر روزه حجم عظیمی از داده‌های جریان‌دارهستیم. کشف دانش بهینه از این جریان‌های داده، یک حوزه تحقیقاتی فعال در داده‌کاوی با کاربردهای متفاوت بوجود آورده است. برخلاف داده‌های ایستای موجود در پایگاه داده‌های سنتی، داده‌های جریان‌دار اغلب به صورت پیوسته با سرعت بالا و با حجم زیاد و همچنین با توزیع داده متغیر دریافت می‌شود. از طرفی مقادیر آنتولوژی‌ها و حاشیه‌نویسی‌هایمعنایی موجود بر روی داده‌ها نیز به طور پیوسته در حال افزایش می‌باشد. این نوع داده‌های پیچیده و ناهمگن چالش‌های جدیدی را در حوزه‌ تحقیقاتی داده‌کاوی بوجود آورده است. اصلی‌ترین چالش در این مسأله، نیاز فناوری‌های کاوش قوانین انجمنی به تراکنش‌ها می‌باشد، در حالی که در داده‌های معنایی تعریف دقیقی از تراکنش وجود ندارد. کارهای مشابهی که در این زمینه انجام گردیده‌اند، اغلب با کمک کاربر تراکنش‌ها را برای داده‌های معنایی تعریفکرده و سپس به کمک الگوریتم‌های داده‌کاوی سنتی اقدام به کاوش قوانین انجمنی از این تراکنش‌ها می‌نمایند و لازمه این کار تسلط کاربر به ساختار داده‌های معنایی و دامنه کاربرد مورد نظر می‌باشد. لذا روشی مورد نیاز است که انسجام معنایی را در تمام مراحل کار برقرار سازد و تعریفی کلی و یکپارچه برای تراکنش‌ها و سایر مفاهیم مرتبط ارائه دهد. بنابراین در اینتحقیق به ارائه روشی جهت رفع چالش‌های ذکر شده و امکان‌پذیر ساختن پردازش حجم وسیع داده‌های معنایی جریان‌دار موجود و کشف و ذخیره‌سازی قوانین انجمنی جدید در سطح معنایی بالاتر با استفاده از غنای معنایی مفاهیم موجود در آنتولوژی و بهره‌وری از دیگر فناوری‌های معنایی پرداخته شده است.

پروتئین‌ها‎ مولکول‌های زیستی پراهمیتی هستند که فعالیت‌های مختلفی را در بدن موجودات زنده انجام می‌دهند. آن‌ها معمولا برای انجام فعالیت‌های خود به یکدیگر متصل می‌شوند یا به اصطلاح با یکدیگر برهمکنش‏‎ دارند. یک شبکه‌ی برهمکنش پروتئین‎، در یک گونه‌ی خاص از جانداران پروتئین‌های آن گونه و برهمکنش بین آن‌ها را نشان می‌دهد.یک کمپلکس پروتئینی‎، اجتماعی از پروتئین‌ها است که باهم برهمکنش داشته و عمل زیستی خاصی را انجام می‌دهند. مسأله‌ی کشف این کمپلکس‌ها در شبکه‌های برهمکنش پروتئین، در دهه‌ی اخیر بسیار مورد توجه محققین بوده است. از سال ‎2002‎ تا کنون روش‌های بسیاری با رویکردهای گوناگون برای حل این مسأله ارائه شده است. معمولا در این روش‌ها شبکه‌های برهمکنش پروتئین با استفاده از گرا‏ف‎‎‎ مدل شده و زیرگراف‌های چگال‎ به عنوان کمپلکس‌های پروتئین در نظر گرفته می‌شوند. برهمین اساس تقریبا‏ً تمامی این روشها ‎‎‏مبتنی بر مفاهیم نظریه‌ی گراف می‌باشند.روش‌هایی که تنها با استفاده از مفاهیم نظریه‌ی گراف سعی در حل مسأله دارند به دلیل نادیده گرفتن جنبه‌های زیستی آن‏، معمولاً دقت بالایی ندارند. به همین دلیل در سال‌های اخیر محققیقن تلاش کرده‌اند تا با دخالت دادن برخی اطلاعات زیستی، الگوریتم‌های بهتری را ارائه دهند. با توجه به نوع مفاهیم زیستی به کار رفته، این روش‌ها به چهار گروه زیر دسته بندی می‌شوند:1.

سرویس پست الکترونیک یکی از محبوب‌ترین سرویس‌های اینترنت است که بخش مهمی از این ایمیل‌ها، مورد درخواست و تقاضای کاربر نیست. عدم درخواست این ایمیل‌ها و یا عدم شناسایی فرستنده هرزنامه تعریف می‌شود که البته همین تعریف نیز مورد توافق همه افراد قرار نگرفته است. از مهمترین چالش‌های شناخت هرزنامه، وابستگی آن به سلایق کاربر است. به-عبارت دیگر یک ایمیل ممکن است برای فردی هرزنامه و برای فرد دیگری ایمیل موجه تلقی شود. این موضوع، مفهوم جدیدی را با عنوان شخصی‌سازی ایمیل ایجاد می‌کند. عدم ارائه تعریف دقیق هرزنامه و همچنین تنوع سلایق و نظرات کاربران در مورد این‌گونه ایمیل‌ها، مانع ایجاد مکانیزم مناسبی برای جلوگیری از دریافت و یا ارسال هرزنامه شده است. در این پایان‌نامه برای مشخص کردن نوع کلاس‌های ایمیل‌ و طبقه‌بندی آن، از یک هستان‌شناسیدامنه استفاده می‌شود. به‌علاوه در حین انجام کار با استفاده از مجموعه داده‌ها ، آنتولوژی پایه تکمیل و درنهایت از آنتولوژی جدید برای کلاس‌بندی ایمیل استفاده می‌شود. باید توجه داشت که تغییر سلایق افراد در گذر زمان و فیلتر هرزنامه دارای رابطه مستقیم هستند، این رابطه به‌نحوی است که با تغییر سلایق افراد، آنتولوژی مربوطه باید خود را به‌روز نموده و مکانیزم پویایی برای جلوگیری از ارسال هرزنامه ایجاد کند به‌طوری‌که این موضوع در این تحقیق لحاظ می‌شود. به‌علاوه نتایج به‌وضوح برتری 1/99 درصدی روش پیشنهادی را نسبت به روش‌های پیشین نشان می‌دهد، به‌ویژه که هم‌زمان نسبت به تغییرات سلیقه‌ی کاربر نیز به‌صورت پویا عمل می‌کند.

فرم‌های وب اصلی‌ترین روش برای دسترسی به حجم قابل توجهی از اطلاعات در وب عمیق هستند. کاربران فرم‌های وب را برای جستجوی این اطلاعات و یا ثبت‌نام در وب‌سایت‌هایی همانند سایت‌های اجتماعی استفاده می‌کنند. پر کردن فرم یک فرآیند تکراری است و بعضی از داده‌های استفاده شده در این فرآیند، ایستا هستند. فرآیند پر کردن را می‌توان با استفاده از تکنولوژی معنایی برای ذخیره‌ی داده‌هایی که کاربر قبلا در فرم‌ها پر کرده و یا برای پیشنهاد مقادیری در پر کردن فرم‌های جدید توسط وب داده بهینه نمود. در این رساله، یک چارچوب برای پر کردن خودکار فرم با استفاده از داده‌های منتشر شده به صورت داده‌های پیوندی برروی وب، ارائه شده‌است. هدف اصلی در این رساله، استفاده از تکنولوژی‌های معنایی برای پر کردن خودکار فرم‌های وب جدید بر اساس وب داده و فرم‌هایی که کاربر قبلا پر کرده‌است، می‌باشد. چارچوب پیشنهادی از یک روش مبتنی بر آنتولوژی به عنوان روش نگاشت استفاده می‌کند. بدین جهت، مفاهیم استفاده شده در دامنه‌های مختلف فرم استخراج شده‌است. ابتکار کلیدی در این چارچوب، استفاده از داده‌های پیوندی به عنوان یک منبع مفید برای فراهم کردن داده در پر کردن فرم‌ها می‌باشد. اگرچه فرآیند پیشنهادی نیاز به میزان کمی از تعامل کاربر دارد، بازخوردهای کاربر در مورد هر فیلد بلافاصله استفاده می‌شود تا مقادیر درستی را برای پر کردن فیلدهای دیگر این فرم و نیز فرم‌های جدید فراهم گردد. نتایج تجربی برروی مخزن فرم TEL8 نشان می‌دهد که در صورت وجود داده‌های پیوندی، استفاده از آن در حوزه‌های مختلف فرم می‌تواند فاز پیشنهاد داده در فرآیند پر کردن را بهبود بخشد. استفاده از وب داده در نه حوزه‌ی مختلف، یک تلاش چالش برانگیز و خلاقانه است که در این چارچوب مورد توجه قرار گرفته‌است. یافته‌ها نشان می‌دهند که داده‌های پیوندی باز کنونی یک منبع مفید در ساختن برنامه‌های کاربردی حوزه‌های مختلف می‌باشد. نتایج ارزیابی نشان می‌دهند که روش پیشنهادی امکانپذیر و موثر است و نتایج راضی کننده می‌باشند.