جستجوي پيشرفته | کتابخانه مجازی الفبا

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.

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 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.

چکیده ندارد.

وب مخزن عظیم و رو به گسترش دادههاست و اغلب منابع اطلاعاتی آن توسط پایگاه داده های رابطه ای ذخیره و مدیریت می شود. امروزه ماشین فهمکردن و دسترسی معنایی به این حجم عظیم از داده ها، یک ضرورت است. در این میان فناوری وبمعنایی با هدف ایجاد قابلیت پردازش روی دادههای وب پیشنهاد شده است. ساخت آنتولوژی نقش محوری را در وبمعنایی برعهده دارد، اما استخراج آنتولوژی از پایگاه دادههای رابطه ای موجود تحت وب بهطوریکه امکان پرس و جوی معنایی فراهم شود، با مشکلاتی روبروست. این مشکلات ناشی از تفاوتهای بین مدل رابطهای و آنتولوژی و همچنین عدمدسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب است. در این پایان نامه شباهت ها و تفاوت های بین مدل رابطه ای و آنتولوژی بهطور دقیق بررسی شدهاست. همچنین از آنجایی که بهطور طبیعی دسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب برای ایجاد آنتولوژی مُیسر نیست، بنابراین روشی نیمه خودکار برای ایجاد آنتولوژی مبتنی بر پیمایش صفحات HTML مرتبط با پایگاه داده های رابطه ای در دامنه ای مفروض پیشنهاد شده است. این روش که «استخراج آنتولوژی با پیمایش صفحات HTML» نام دارد، ابتدا شبه پایگاه داده رابطه ای براساس الگوی موقعیت داده ها در صفحات HTML به عنوان مدل میانی ایجاد و سپس توسط خزنده تاپل های این شبه پایگاه داده رابطه ای از صفحات HTML بازیابی می شود و در ادامه آنتولوژی دامنه و نمونه های آن به کمک قوانین سیستم انتقال از این شبه پایگاه داده رابطه ای استخراج می شود. در روش پیسنهادی به دلیل استفاده از صفحات HTML مبتنی بر سیستم مدیریت محتوا، مشکلات ساخت آنتولوژی از روی صفحات HTML مانند تغییر دائمی صفحات، داده های نامرتبط و ساختار گوناگون صفحات HTML تا حد زیادی برطرف شده است. آنتولوژی دامنه اساتید رشته کامپیوتر دانشگاه های ایران توسط این روش استخراج شده است. دقت و صحت آنتولوژی استخراج شده به ترتیب توسط کارشناس دامنه و استدلالگر ++Fact ارزیابی شده و درنهایت پرس و جوهای معنایی به زبان SPARQL روی آن اعمال می شود. دقت و فراخوانی نتایج حاصل از پرس وجوها روی آنتولوژی استخراج شده، جامعیت قوانین سیستم انتقال، درکنار اجرایی بودن روش پیشنهادی، موفقیت روش پیشنهادی را تأیید می کند.