جستجوي پيشرفته | کتابخانه مجازی الفبا

مجموعه های فازی مقوله هایی با حد و مرزهای نامعین و همپوشان هستند. در مجموعه های کلاسیک، هر شئی یا عضو مجموعه است یا نیست، ولی اشیا می توانند در آن واحد تا حدی عضو بیش از یک مجموعه فازی باشند. بسیاری از مفاهیم علوم اجتماعی همین ویژگی را دارند. نظریه مجموعه های فازی روش هایی را برای بررسی سیستماتیک چنین مفاهیمی ارایه می کند. در این مقاله، مزیت های تکنیک فازی بر روش های مرسوم تحلیل آماری در پژوهش های اجتماعی با تحقیق در مورد یکی از کلیدی ترین و پرمناقشه ترین متغیرهای اجتماعی، یعنی مفهوم منزلت شغلی، بررسی شده است. در این مقاله، یک رتبه بندی فازی از منزلت مشاغل در شهر رشت ارایه می شود که هم صرفا مبتنی بر نتایج به دست آمده از قضاوت ذهنی پاسخگویان و مطابق با نظر آنان بوده و هم در همان حال با توزیع فازی امکان بین صفر و یک، رتبه بندی جزیی درون هر مقوله اصلی را نیز به دست می دهد. نتیجه نهایی ماتریسی 92×5 است که در آن 92 تعداد مشاغل و 5 تعداد مقولات اصلی رتبه بندی منزلتی هستند. در این دسته بندی ماتریسی، هر شغل در عوض اشغال تنها یک جایگاه در طیف «عالی تا خیلی پایین» تا حدی به همه این جایگاه ها تعلق دارد. به این ترتیب، این اشکال اساسی در متدهای تحلیل خوشه ای، که در آن ها تغییر در متد و تعداد مشاغل منجر به دسته بندی های متفاوتی می شود، تا حد زیادی برطرف گردیده و در واقع بازنمایی بهتری از واقعیت ممکن می شود.

وب معنایی شامل قرار دادن داده‌ها روی وب و ساختن ارتباطات به گونه‌ای است که انسان و ماشین بتوانند محتوای وب داده را کاوشنمایند. هدف وب معنایی افزایش توانایی ماشین‌ها در دسترسی به منابع موجود در وب، پردازشو بکارگیریآن‌ها می‌باشد. با توجه به رشد گسترده‌ی داده‌های پیوندی و افزایش مجموعه داده‌ها در چند سال اخیر، نیاز به ابزاری برای کشف پیوند در مقیاس وسیع احساس می‌شود. ابزارهای کنونی برای کشف پیوند مجبور به مقایسه‌ی تمامی موجودیت‌ها در مجموعه داده‌ها هستند. با خوشه بندی موجودیت‌ها، می‌توان قبل از ایجاد پیوند و بر اساس نوع پیوند تعداد مقایسه‌ها بین موجودیت‌ها را کاهش داد. یکی از مهم‌ترین اتصالات معنادار در وب داده، شناسایی و اتصال موجودیت‌هایی است که به یک موجودیت یکسان اشاره می‌کنند ولی دارای شناسه‌های یکتای منبع متفاوت هستند و در مجموعه داده‌های مختلفی قرار دارند. در این تحقیق یک مدل به منظور شناسایی وایجاد خوشه‌هایی با موجودیت‌های همانند در وب داده ارائه شده است. مدل ارائه شده قابل بکارگیری روی مجموعه داده‌ها با دامنه‌های متفاوت است. این روش می‌تواند به عنوان یک مولفه در ابزارهای کشف پیوند مانند ابزار silk استفاده شده و سبب بهبود پبچیدگی زمانیوافزایش دقت کشف پیوند شود.مدل پیشنهادی دارای دو ماژول اصلی است: 1.