جستجوي پيشرفته | کتابخانه مجازی الفبا

با گسترش روزافزون حجم داده‌ها و اطلاعات در وب معنایی، تولید پرس‌وجوهای ساخت‌یافته بر فراز وب معنایی نیز با استقبال چشم‌گیر توسعه‌دهندگان روبرو شده است. بااین‌حال تولید پرس‌وجوی ساخت‌یافته برای افرادی که با هستان‌شناس تعریف‌شده بر بسترِمجموعه داده های موجودآشنایی ندارند می‌تواند فرایندی پیچیده باشد. از سویی دیگر، در سمت منابعِ دربرگیرنده‌یِ داده‌های وب معنایی، تنها داده‌ها و ساختارهای سلسله‌مراتبی تعریف‌شده‌اندو دراین‌بین عدم وجود الگویی برای چگونگی ساخت و چینش پرس‌وجوهایSPARQL کاربران انسانی تازه‌کار را با مشکل مواجه می‌کند. در سال‌های اخیر،در این راستا سیستم‌هایی باهدف یاری کاربران در استفاده از وب معنایی و ساخت این پرس‌وجوها تولیدشده‌است. سیستم‌های پرسش‌وپاسخ، سیستم‌های بسط پرس‌وجو و سیستم‌هایی با واسط گرافیکی جهت نگارش پرس‌وجوهایSPARQLازجمله این موارد هستند.در این پایان‌نامه با تمرکز روی ساختارو چینش پرس‌وجوهای SPARQL،گونه‌ای از قالب‌های کلی مرتبط با ساختار نگارشی این پرس‌وجوهابررسی می‌گردد. با استفاده ازاین قالب‌ها،با پردازش پرس‌وجوهای پیشین ارسال‌شده به‌سوی پایانه‌ها وبه‌کارگیری روش‌های یادگیری ماشین (قوانین انجمنی ترتیبی)،قوانینی استخراج می‌گردندکه بیانگر الگوی تعریف پرس‌وجوهایکاربران پیشین می‌باشند.کاربرد این قوانین کمک به کاربران آتی در تولید پرس‌وجوهای SPARQL است.نتایج حاصل از ارزیابی این قالب از قوانین بیانگر قابلیت و کارایی این قوانین جهت یاری‌رساندن به کاربران انسانیاست. روی هر پایانه‌ی بخصوصی، در بازه‌های زمانی متفاوت،بر اساس این قالب‌هامی‌توان به دانشی دست‌ یافت که کاربرد این دانش در سیستم‌های یاری‌گر کاربر جهت تولید مستقیم این پرس‌وجوها بروی آن پایانه است.برای ارزیابی این‌گونه از قوانین به فرم خودکار در ابندا روی پرس‌وجوهای بخش آزمایش (پرس‌وجوهای از پیش نگارش شده)کاندیدهای پیشنهادی مطرح می‌گردند.در ادامه این کاندیدها با پرس‌وجوی نگارش شده‌ی کاربرپیشین مقایسه شده و به‌این‌ترتیب دقت پیشنهادهای ارائه‌شده گردآوری می‌گردد. در این پژوهش پرس‌وجوهای موجود در Log پایانه‌ی DBpedia در سال 2012 انتخاب‌شده است. برای معیار ارزیابی در این پژوهش از پارامتر دقت برای صحت کاندیدهای پیشنهادی استفاده‌شده است.

آنتولوژی به معنای تعریف صوری مفاهیم می‌باشد. برای ذخیره‌سازی آنتولوژی، دو روش مهم، روش‌های مبتنی بر حافظه و روش‌های ذخیره‌سازی در مدل داده رابطه‌ای می‌باشند. یکی از مشکلات روش‌های مبتنی بر حافظه که در برنامه‌های استدلال‌گری مانند pellet استفاده می‌شوند این است که مدت زمان اجرای پرس‌و‌جو نسبتا زیاد می‌باشد. پایگاه‌های داده رابطه‌ای به دلیل مزایایی همچون بالا رفتن سرعت دست‌یابی به اطلاعات، تضمین بالای امنیت محل نگه‌داری اطلاعات، کاهش هزینه‌های نگه‌داری، استفاده همزمان چند کاربر از یک داده و تخصیص سطوح مختلف دسترسی به گروه‌های مختلف کاری و همچنین امکان استفاده برنامه‌های کاربردی گوناگون از اطلاعات موجود در پایگاه‌داده رابطه‌ای، جهت ذخیره‌سازی آنتولوژی مناسب می‌باشند. روش‌های مبتنی بر مدل داده رابطه‌ای نیز که تا کنون ارایه شده‌اند دارای مشکلاتی مانند حجم بالای تعداد جداول تولید‌شده، طولانی بودن مراحل الگوریتم، عدم انعطاف‌پذیری در مقابل اعمالی همچون اضافه و حذف نمودن و همچنین به‌روزرسانی مفاهیم موجود در آنتولوژی و طولانی بودن زمان اعمال تغییرات و در نهایت عدم امکان پیاده‌سازی بیشتر روش‌ها، می‌باشند. روش ارایه‌شده در این پایان‌نامه، روشی مبتنی بر تکنیک نگاشت می‌باشد و با ایجاد تعداد ثابت 5 جدول به ذخیره‌سازی مفاهیم موجود در آنتولوژی نظیر کلاس‌ها و روابط بین آن‌ها، ویژگی کلاس‌ها، محدودیت ویژگی‌ها و همچنین نمونه‌های ایجاد شده از کلاس‌ها، به ذخیره‌سازی مفاهیم در پایگاه‌داده رابطه‌ای می‌پردازد. روش پیشنهادی که به صورت کامل پیاده‌سازی شده است، مزایایی نظیر بهینه بودن زمان پرس‌وجو، کم بودن مراحل الگوریتم، امکان ایجاد تغییرات و قابلیت پیاده‌سازی را به طور کامل پوشش می‌دهد، همچنین فاکتورهایی مانند مدت زمان اجرای پرس‌وجو،صحت، کامل بودن، مقیاس‌پذیری، تعداد مراحل الگوریتم، تعداد جداول ایجاد شده، پیچیدگی مدل نهایی و فهم آسان آزمایش شده اند که نتایج حاصل از روش پیشنهادی، در بسیاری از معیار‌های ذکر شده دارای عملکرد بهتری می‌باشد.

در اینترنتِ آینده که اینترنتِ سرویس‌‌ها نام گرفته است، سرویس یک مفهوم پایه است. این مفهوم، به منابعی که می‌‌توانند از طریق اینترنت عرضه شوند اطلاق می‌‌شود. برای استفاده از سرویسها و پر کردن فاصله بین مصرف‌‌کنندگان سرویس با ارائه‌دهندگان آن، نیاز به سازوکارهایی برای ثبت و جستجوی سرویسها است. تکنولوژی سرویس‌‌های وب یک رهیافت کنونی برای اینترنتِ آینده است که سازوکارهای مورد نیاز برای عرضه و استفاده از سرویسها را ارائه داده و توجه بسیاری از محققان را به خود جلب کرده است. در قلب این تکنولوژی، دایرکتوری سرویس قرار دارد که ثبت سرویس و جستجوی آن را میسر کرده است.با این وجود، با افزایش سرویس‌‌های وب و تکامل نیاز‌‌های کاربران، دایرکتوری‌‌های سرویس کنونی برای پاسخ به نیازهای کاربران، محدودیتهایی دارند که از مشکلات ساختاری و خدماتی آنها ناشی شده است و همین موضوع آن‌ها را برای اینترنت آینده ناکارآمد کرده است. از نظر ساختاری، این ماشین‌‌ها گلوگاه سیستم و نقطه خطا می‌‌باشند. دلیل این امر زمان‌بر بودن خدمت کشف سرویس مورد نیاز کاربر است. از نظر پردازش اطلاعات، دایرکتوری‌‌های سرویس هیچ دانشی از دادههای ذخیره شده تولید نمیکنند و همین، توان آن‌ها را محدود کرده است. خدمت ارائه‌شده به کاربر محدود به جستجوی سرویس است که در آن، دایرکتوری‌‌های سرویس تنها لیستی از سرویس‌‌های کاندید را برمی‌‌گردانند به این امید که یکی از آن‌ها مشابه درخواست کاربر باشد. این در حالی است که نیاز کاربران به خدمات سطح بالاتر مانند ترکیب سرویس بیشتر شده و این خدمات پیچیده باید در زمان کوتاه‌‌تری انجام شوند. اما در دایرکتوری‌‌های کنونی هیچ پیش پردازشی روی اطلاعات ذخیره شده به منظور استفاده بهینه‌‌ از آن‌ها و ارائه‌ خدمات بهتر صورت نمی‌‌گیرد. لذا کندی دایرکتوری‌های سرویس در ارائه خدمات و خدمات سطح پائین کنونی ارائه شده توسط آن‌ها که باعث تاخیر دایرکتوری سرویس در پاسخ گویی به پرس‌وجوهای پیچیده می‌شود، دو مشکلی است که در این پژوهش مورد توجه قرار داده شده است. برای غلبه بر این کاستی‌‌ها، یک دایرکتوری سرویس ایجاد شده که در آن روش جدیدی برای انتشار سرویس‌‌های وب ارائه‌ شده است. در این دایرکتوری سرویس، موجودیت‌‌های شبکه استخراج شده و بین آن‌ها با رابطه‌های معنایی تعریف شده، پیوند برقرار می‌‌شود تا یک گراف معنایی به وجود آید. بر اساس این گراف معنایی، خدمات جدید و بهینه‌ای عرضه شده است. نشان داده شده که این دایرکتوری سرویس قادر به ارائه‌ خدمات تکمیلی است و قابلیت پخش شدن را دارد. همچنین زیرساخت‌‌های نظری برای ساخت و نگهداری این دایرکتوری جدید توسعه داده شده است.خدمات ارائه‌ شده توسط دایرکتوری سرویس جدید و قابلیت‌‌های آن از طریق آزمایش‌‌های مختلف بررسی شده‌‌اند و کارایی سیستم و عملیاتی بودن آن نشان داده 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.