جستجوي پيشرفته | کتابخانه مجازی الفبا

با گسترش رسانه‌های اجتماعی در فضای وب (انجمن‌های وب، شبکه‌های اجتماعی، بلاگ‌‌ها و ...) منابعی غنی و ارزان از نظرات به‌وجود آمده‌اند، مردم و تولیدکنندگان برای بررسی نظرات به این رسانه‌ها روی آورده‌اند. تحلیل نظرها از دو جنبه کاربرد فراوان دارد. برای صاحبان تجارت، گرفتن بازخورد مشتریان از محصول و سرویس می‌تواند بسیار مفید باشد تا براساس آن، تصمیم‌های مناسبی را در محصول و سرویس‌های بعدی خود دخیل کنند. همچنین برای کاربرانی که قصد تهیه محصول را دارند، استفاده از نظر سایرین برای رسیدن به خریدی مطمئن و مطابق با سلایق خود می‌تواند کمک کننده باشد. هدف اصلی این تحقیق ایجاد و پیاده‌سازی سیستم کاوش نظرات در وب و تحلیل این نظرات برای به‌دست آوردن میزان نظرات مثبت و منفی مربوط به هر یک از ویژگی‌های محصول است. هدف نهایی این سیستم، مشخص کردن میزان نظرات مثبت و منفی ویژگی‌های محصول و رتبه‌بندی (Rank) ویژگی‌های محصولات موجود بر اساس بیش‌ترین نظرات مثبت و منفی است تا کاربر از بین محصولات موجود، محصولی که دارای بیش‌ترین نظرات مثبت برای ویژگی‌های دلخواه است را بتواند انتخاب کند. در تحقیق پیش‌رو سعی بر آن داریم با استفاده از آنتولوژی و ابزارهای وب‌معنایی با استفاده از معنای جملات و مفاهیم مستتر در محتویات نتایج بهتری نسبت به روش‌های سنتی به‌دست آوریم. در این تحقیق فرض بر این است که در هر نظر، کاربران به ویژگی‌های مختلفی از موضوع اشاره می‌کنند و در آن نظر ممکن است برخی ویژگی‌ها از نظر کاربر مثبت و برخی دیگر از ویژگی‌ها منفی تلقی شود. با این دید، یک نظر از کاربر را به‌جای آن‌که مطلق مثبت یا منفی قلمداد کرد، مثبت، منفی و خنثی را به هر یک از ویژگی‌هایی که کاربر ذکر می‌کند اعمال می‌کنیم.

با توجه به رشد روزافزون اسناد الکترونیکی، نیاز به یک دسته بند کارا در حوزه داده کاوی واضح است. اخیراً به منظور افزایش دقت دسته بندی، استفاده از آنتولوژی لغوی به عنوان مرجع خارجی و نیز استخراج دانش از متون در فرآیند دسته بندی، مطرح شده است؛ از این رو، هدف از انجام این پروژه ارائه و پیاده سازی سیستم دسته بندی خودکار اسنادی است که آنتولوژی لغوی فارس نت را در عملیات دسته بندی داخل می نماید. این امر منجر به افزایش اوزان کلمات مرتبط با دانش پیش زمینه متن می شود. راهکار پیشنهادی برای استفاده از آنتولوژی لغوی، تمرکز بر روی بردار مشخصه ی معنایی را محور فعالیت های خود قرار داده است؛ تا بدین وسیله فرآیند دسته بندی را بهبود بخشد. در این پروژه ضمن بررسی و مطالعه ی روش های بکارگیری آنتولوژی لغوی در فرآیند دسته بندی، آنتولوژی لغوی فارس نت را به منظور استخراج روابط معنایی استفاده می نماییم.در سیستم ارائه شده، کلیه ی اجزاء تشکیل دهنده ی سیستم دسته بندی شامل پردازشگر لغوی، کاهنده ی ویژگی، انتخاب کننده ی ویژگی، وزن دهی به ویژگی و طبقه بندی کننده اسناد، لحاظ شده است. در این پروژه الگوریتم χ^2 در بخش انتخاب مشخصه و روش وزن دهی ویژگی نرمال شده TFIDF در بخش وزن دهی به کار گرفته می شود. پیش از اعمال روش وزن دهی به مشخصه ها، بردار مشخصه معنایی برای هر کلمه کلیدی توسط مفاهیم استخراج شده از آنتولوژی لغوی فارس نت، ایجاد می شود. نتایج ارزیابی های انجام شده نشان دهنده ی بهبود قابل توجهی در کارایی و دقت الگوریتم دسته بندی با بکارگیری آنتولوژی لغوی فارس نت است.

داده‌کاوی که به عنوان استخراج دانش از پایگاه داده‌ها نیز شناخته می‌شود، روالی برای استخراج دانش ناشناخته از مقدار زیادی داده است. کاوش اسناد بر اساس روش‌های داده کاوی به استخراج اطلاعات و دانش از اسناد می‌پردازد. خوشه‌بندی اسناد یکی از مهمترین روش‌های کاوش اسناد است که دسته‌بندی بدون سرپرست اسناد به گروه‌های مختلف می‌باشد.سیستم‌های رایج بازیابی اطلاعات و خوشه‌بندی اسناد بر کلمات کلیدی استوار می‌باشند. با توجه به اینکه کلمات کلیدی مختلف می‌توانند برای توصیف یک مفهوم استفاده شوند، این سیستم‌ها می‌توانند نتایج نادرست و ناقصی راایجاد نمایند. همچنین روابط معنایی ممکن است بین کلمات موجود باشد که شناسایی آنها نیاز به استخراج دانش دامنه مورد نظر دارد. مهمترین گام‌ها در خوشه‌بندی اسناد نحوه‌ی نمایش اسناد و معیار اندازه‌گیری شباهت بین آنها است.این تحقیق بر بهبود کارایی خوشه‌بندی اسناد تمرکز دارد. الگوریتم خوشه‌بندی اسناد در سه گام پیشنهاد شده است: نمایش اسناد، اندازه‌گیری شباهت بین اسناد، سیستم استنتاج فازی به منظور اندازه‌گیری شباهت نهایی بین اسناد. در نهایت پس از انجام این سه گام، با استفاده از الگوریتم خوشه‌بندی پایین به بالا خوشه‌بندی اسناد صورت می‌پذیرد. در گام اول، اسناد بر اساس دانش دامنه به صورت یک گراف آنتولوژی نمایش داده می‌شوند. این روش بر خلاف روش مبتنی بر کلمات کلیدی، بر مفاهیم دامنه استوار می‌باشد و یک سند را بر اساس مفاهیم موجود در آن، به صورت زیرگرافی از آنتولوژی دامنه نمایش می‌دهد. مفاهیم استخراج شده گره‌های گراف را تشکیل می‌دهند. برای هر گره با توجه به فرکانس مفهوم، وزن محاسبه می‌گردد. روابط موجودبین مفاهیم سند، یال‌های گراف و میزان این ارتباط اوزان یال‌ها را مشخص می‌نماید. در گام دوم برای هر سند بر اساس نمایش گرافی استخراج شده از مرحله‌ی اول، مفاهیم کلی و جزئی و یال‌های اصلی مشخص می‌گردند. شباهت بین هر جفت از اسناد در سه مقدار و بر اساس این سه عامل محاسبه می‌شود. در گام سوم سیستم استنتاج فازی با سه ورودی و یک خروجی طراحی شده است. ورودی‌ها مفاهیم کلی، مفاهیم جزئی و یال‌های اصلی می‌باشند و خروجی میزان شباهت بین دو سند است. مجموعه‌ای از قوانین فازی برای موتور استنتاج فازی در نظر گرفته شده است که بر اساس سه شباهت ورودی مقدار شباهت نهایی را تخمین می‌زند. در نهایت بر اساس ماتریس شباهت اسناد، الگوریتم خوشه‌بندی سلسله مراتبی پایین به بالا به منظور خوشه‌بندی اسناد اعمال می‌گردد. برای ارزیابی الگوریتم پیشنهادی، نتایج با نتایج حاصل از روش‌های naïve Bayes ، دو الگوریتم مبتنی بر هستان شناسی و یک الگوریتم آماری مقایسه شده است. نتایج به دست آمده نشان می‌دهند که روش پیشنهاد شده مقادیر F-measure و Accuracy را بهبود می‌دهد. همچنین مقادیر FP و Error به میزان قابل توجهی کاهش می‌یابد.

ایده اصلی وب معنایی، ایجاد فراداده‌هایی است که داده را شرح می‌دهند تا کامپیوترها را قادر به پردازش معنی اشیا کنند. هدف از وب معنایی این است که ماشین‌ها نیز همانند انسان‌ها سندها را درک کرده و تفسیر کنند. یکی از مولفه‌های اصلی وب معنایی، آنتولوژی است، که نسبت به سایر مولفه‌ها از قدرت بیان بیشتری برخوردار است. آنتولوژی، مجموعه‌ای از واژگان مشترک را برای محققانی تعریف می‌کند که نیاز به اشتراک‌گذاری اطلاعات در یک دامنه دارند. امروزه استفاده از آنتولوژی در وب افزایش یافته است. بسیاری از آنتولوژی‌های معروف، اندازه بزرگی دارند. اندازه بزرگ این آنتولوژی‌ها باعث کاهش سرعت و کارایی در استفاده‌مجدد، استنتاج، نگهداری و هماهنگی سیستم‌های توزیع‌شده می‌شود. راه‌حل این مساله، پیمانه‌‌ای کردن آنتولوژی می‌باشد. پیمانه‌ای کردن آنتولوژی، بخش مهمی از مهندسی آنتولوژی است که برای کاهش پیچیدگی و اندازه آنتولوژی، یا آن را به کل قطعات تشکیل‌دهنده می‌شکند (تقسیم‌بندی آنتولوژی) و یا اینکه فقط بخش کوچکی از آن را استخراج می‌کند (استخراج پیمانه). هدف از این پژوهش ارائه رهیافتی برای پیمانه‌ای کردن آنتولوژی به پیمانه‌هایی درست، کامل و متصل به هم است، به صورتی که کاربر بتواند بر اساس نیازهای برنامه کاربردی تنظیماتی را در پیمانه‌ای کردن اعمال کند.رهیافت ارائه‌شده در این پژوهش روی تقسیم‌بندی آنتولوژی تمرکز دارد. برای داشتن قطعه‌های کامل، ابتدا یک استنتاج مقدماتی روی آنتولوژی انجام شده و سپس حاصل آن به Pato، که ابزاری برای تقسیم‌بندی است، داده می‌شود. به دلیل انجام استنتاج مقدماتی، نتیجه تقسیم‌بندی، پیمانه‌هایی مرتبط و نیمه‌کامل است. بنابراین، قضایای کامل‌کننده به آن‌ها اضافه می‌شود. سپس پیمانه‌ها توسط زبان آنتولوژی پیمانه‌ای P-DL به هم متصل می‌شوند. به این ترتیب، پیمانه‌های حاصل، پیمانه‌هایی متصل و کامل با اندازه مناسب هستند. هرچند استنتاج روی آنتولوژی‌های بزرگ عملی وقت‌گیر است، اما فقط یکبار صورت می‌گیرد و در عوض مزایای زیادی به همراه دارد که توسط دیگر روش‌ها تامین نمی‌شوند. برای ضمانتِ این ادعا، روش ارائه‌شده و روش‌های قبلی به صورت تئوری و عملی ارزیابی شده و نشان داده می‌شود که این روش باعث می‌شود که آنتولوژی به‌طور متعادلی بخش‌بندی شود و پیمانه‌های حاصل مانند یک آنتولوژی خودشمول، توسط ابزارهای زیادی استفاده شوند.

وب امروزی اطلاعات را به‌صورت پراکنده و بدون درنظر‌گرفتن معنایشان در وب‌سایت‌های مختلف قرار داده است. اگر شخصی بخواهد به‌دنبال کالا و یا مفهوم خاصی در وب بگردد، باید به وب‌سایت‌های مختلف مراجعه کرده و اطلاعات آن‌ها را با هم مقایسه کند. اگر بتوان اطلاعات موجود در وب در زمینه‌ای خاص را به‌صورت یکپارچه و معنادار در کنار یکدیگر قرار داد، در وقت و هزینه‌ی کاربر صرفه‌جویی می‌شود. برای انجام این کار باید ابتدا اطلاعات موجود در وب استخراج شده و سپس به‌صورت یکپارچه در کنار یکدیگر قرار گیرند. این رساله برای استخراج اطلاعات، از وب‌سرویس‌ها و برای یکپارچه‌سازی آن‌ها از وب‌معنایی استفاده کرده است. این رساله به‌طور خاص از آنتولوژی استفاده کرده و آنتولوژی کتاب را تهیه کرده است. بدین‌صورت که ابتدا یک آنتولوژی اولیه ساخته شده است. سپس اطلاعات موجود در وب در مورد کتاب از طریق وب‌سرویس‌ها استخراج شده و در قالب یک آنتولوژی ذخیره شده است. در مرحله‌ی بعد این آنتولوژی‌ها باید با یکدیگر تطبیق یابند تا یک آنتولوژی یکپارچه ساخته شود. جهت انجام این‌کار باید مشابهت‌های معنایی، رشته‌ای و ساختاری این آنتولوژی‌ها درنظرگرفته شود. این رساله برای بررسی مشابهت معنایی و رشته‌ای از اطلاعات زمینه‌ای (فرهنگ‌لغت‌هایی) مثل ویکی‌پدیا، وُردنِت، گوگل و غیره استفاده کرده و برای بررسی مشابهت ساختاری از درختِ این آنتولوژی‌ها استفاده کرده است. در نهایت، آنتولوژی یکپارچه‌ی نهایی ساخته و نمونه‌سازی می‌شود.

هستی شناسی مدلی برای نمایش یک دامنه است و برای استدلال درمورد اشیا و روابط بین آنها در همان دامنه به کار می‌رود. هستی شناسی معمولا شامل مفاهیم، روابط بین مفاهیم، نمونه‌ها و ویژگی‌های مفاهیم است. در سالیان گذشته تعداد هستی شناسی‌های موجود به شدت افزایش یافته است. وجود این سطح از تنوع، مسئله ادغام و استفاده مجدد از اطلاعات را مطرح می‌نماید. اگرچه که با بررسی دقیق‌تر هستی شناسی‌ها می‌بینیم که بسیاری از آنها با یکدیگر دارای همپوشانی هستند، اما استفاده از چهارچوب‌های کاری متفاوت، زبان‌های متنوع، و از همه مهمتر زوایای دید مختلف برای توسعه و ایجاد آنها باعث می‌شود تا کشف این شباهت‌ها و به طور کلی روابط بین مفاهیم مطرح شده در هریک از آنها ساده نباشد. آنچه به عنوان راه حل برای این مشکل مطرح می‌شود، تطابق هستی شناسی است. اصل این کار بر کشف مطابقت‌های بین مفاهیم و روابط آنها در هستی شناسی‌های مختلف و ایجاد نگاشت بین آنها استوار است. در این مطالعه استفاده از استنتاج فازی در کنار هستی شناسی سطح بالای وردنت در تطابق، امکان سنجی شده و نتایج حاکی از این است که استنتاج فازی می‌تواند به عنوان گزینه‌ای برای روش‌های تطابق در نظر گرفته شود.

با افزایش روزافزون کاربران اینترنت، این بستر به منبعی غنی از اطلاعات تبدیل شده و با همگانی شدن آن، بیان نظرات و عقاید کاربران در مورد کالا‌ها، سازمان‌ها و اشخاص با سادگی بیشتری انجام می‌شود. با توجه به تحقیقاتی که در سال 2009 انجام گرفت، موثرترین عامل در تصمیم‌گیری مشتریان در خرید الکترونیک، نظرات ارائه شده توسط کاربران در مورد کالا‌ها می‌باشد. ولی با افزایش نظرات کاربران در مورد کالا‌ها تصمیم‌گیری و نتیجه‌گیری از نظرات مشکل شده است. در این پایان نامه مدل جدیدی از نظرکاوی ارائه شده است. در این مدل بر خلاف کارهای گذشته، برای کلمات بیان کننده احساسات، شدت گرایش تعیین می‌شود و در شناسایی گرایش شخص نسبت به یک کالا لحاظ می‌شود. همچنین در این مدل روشی برای تخصیص وزن به ویژگی‌ها ارائه شده است. کارایی مدل پیشنهادی بر روی مجموعه داده تهیه شده از وب سرویس آمازون ارزیابی و با سایر مدل‌ها مقایسه شده است. خلاصه‌سازی با استفاده از مدل پیشنهادی دارای جزئیات دقیق‌تر و کامل‌تر نسبت به مدل‌های گذشته می‌باشد و همچنین شناسایی رتبه کالا از نظرات با استفاده از این مدل نسبت به سایر مدل‌های با دقت بالاتری انجام می‌شود.

نیاز به معنا بخشیدن به محتویات وب، به‌گونه‌ای که برای ماشین‌های مختلف قابل فهم باشد، ایده اصلی ظهور وب معنایی است. اما با طراحی آنتولوژی‌ها، توسط افراد و سازمان‌های مختلف در حوزه‌های گوناگون، سطحی از ناهمگونی اطلاعات به سیستم تحمیل شده است که با تطبیق صحیح آنتولوژی‌ها می‌توان این مشکل وب‏معنایی را نیز حل کرد. با وجود تحقیقات بسیاری که در سال‌های اخیر در زمینه‌ی تطبیق خودکار آنتولوژی‌ها انجام شده، چالش بزرگ تعامل میان آنتولوژی‌ها در شرایط گوناگون همچنان به قوت خود باقی است. این پایان‌نامه در پی یافتن روش‌هایی برای افزایش کارایی سیستم‌های موجود در شرایط مختلف است. این تحقیق متشکل از دو بخش است. در پژوهش اول با استفاده از روش ترکیبی یادگیری ماشین، آدابوست، سیستم‌های موفق تطبیق با یکدیگر ترکیب می‌شوند؛ بدین ترتیب تطبیق‌گرهای مختلف نقاط ضعف یکدیگر را پوشش می‌دهند. نتایج ناشی از پژوهش افزایش دقت و کارایی این روش را نسبت به بهترین تطبیق‌گرهای مجزا نشان می‌دهد. در پژوهش دوم از دامنه‌ی گسترده‌ی اطلاعاتی ویکی‌پدیا، به‏عنوان منبع زبانی، استفاده شده است. به این صورت که سیستم با افزایش دامنه‌ی اطلاعاتی هر تطبیق‌گر در حوزه‏های گوناگون، سعی در بهبود نتایج آن دارد. در این پژوهش نیز کارایی هر سیستم نسبت به قبل افزایش یافته است.

آنتولوژی به عنوان یک روش برای از بین بردن ناهمگنی اطلاعات ارائه شده‌است. در یک حوزه ممکن است چندین آنتولوژی که از دیدگاههای متفاوت ایجاد شده‌اند، وجود داشته باشد که سبب ناهمگنی در یک حوزه خاص می‌شوند. جهت از بین بردن نا‏همگنی‏ها از فرآیند هم تراز سازییا تطابق آنتولوژی‌ها استفاده می‌شود. از آنجا که هنگام هم‌ترازسازی آنتولوژی‌ها سعی بر رفع همه انواع ناهمگنی‌های موجود بین دو آنتولوژی ورودی است پس باید روشی اتخاذ گردد تا به کمک آن بتوان نتایج هم ترازسازی انواع روشهای رفع ناهمگنی بین دو آنتولوژی ورودی را کنار هم گردآوری نمود. به مرحله گردآوری نتایج انواع روشهای ناهمگنی، مرحله جمع‌آوری شباهت‌ها گویند.در این تحقیق در ابتدا یک سیستم هم‌ترازسازی آنتولوژی‌ها با استفاده از سه روش رفع ناهمگنی بین آنتولوژی‌ها پیاده‌سازی شده است. این سیستم برای انواع زبان‌های بیان آنتولوژی‌ها یعنیOWLو RDF قابل استفاده است. در سیستم ارائه شده از سه تطابق‌یاب استفاده شده است. دو تطابق‌یاب از ویژگیهای رشته‌ای اجزای آنتولوژی‌ها استفاده می‌نمایند. یکی از این تطابق‌یاب‌ها ISUB است که از فرم رشته‌ای موجودیت‌های دو آنتولوژی استفاده می‌کند و دیگریVDOC است که قبل از آغاز فرآیند محاسبه شباهت بین رشته‌ها، ابتدا یکسری عملیات پیش پردازش از قبیل حذف حروف اضافه و ربط را انجام می‌دهد و سپس براساس روش‌های بازیابی اطلاعات، میزان شباهت دو رشته را محاسبه می‌نماید.سومین تطابق‌یاب پیاده سازی شده، GMO است که از ساختار سلسله مراتبی دو آنتولوژی ورودی جهت محاسبه میزان شباهت موجودیت‌های دو آنتولوژی بهره می‌گیرد. پس از محاسبه شباهت توسط انواع تطابق‌یاب‌های مختلف، در مرحله جمع‌آوری شباهت‌های انواع تطابق‌یاب‌ها، روشی ارائه شده است که برخلاف سایر روش‌های موجود، فرآیند جمع‌آوری شباهت‌ها را براساس هر دو آنتولوژی و برای هر جفت موجودیت دو آنتولوژی بطور جداگانه انجام می‌دهد که یک روش تطبیقی و مطلع از ساختار است.ارزیابی کار انجام شده برای بررسی روش جمع‌آوری شباهت‌های ارائه شده بوسیله‌ی آنتولوژی‌های مسابقه جهانیتطابق آنتولوژی‌ها یعنیOAEI 2009 صورت گرفته است که حاوییک سری آنتولوژی‌های استاندارد جهت مقایسه انواع سیستم‌های هم ترازسازی آنتولوژی‌ها می‌باشد. مقایسه نتایج سیستم ارائه شده با سیستم‌های جِرُمی سوئیت و نگاشت توسط جمع مورچه‌ها، بهبود دقت تشخیص هم ترازی‌های بین دو آنتولوژی توسط سیستم را نشان می‌دهد.

پیش‌نیاز وب‌معنایی که با هدف ایجاد ارتباط و تعامل مستقیم ماشین‌ها بدون دخالت بشر طرح شد، وجود مقدار زیادی آنتولوژی و داده‌های حاشیه‌نویسی است. با وجود پیشرفت‌های قابل‌توجه در ابزارها و راه‌حل‌های نیمه‌خودکار، به‌میزان کافی از نیروی انسانی و هوش افراد برای ساخت آنتولوژی، حاشیه‌نویسی داده‌ها در انواع بعدها و قالب‌ها و تنظیم کردن اجزای مفهومی در آنتولوژی‌های متعدد، نیاز است. سری بازی‌های هدف‌دار برای استفاده‌ی مجانی از وقت، هوش و توانایی افراد برای نخستین بار به‌وسیله‌ی لوئیس ون آهِن (در سال 2002) ارائه شد. ایده‌ی استفاده از بازی‌های هدف‌دار در درست کردن وب‌معنایی، به‌وسیله‌ی کاترینا سیورپائس (در سال 2006) مطرح شد. سیورپائس، چند بازی‌ را برای حاشیه‌نویسی معنایی در دامنه‌های مختلف، ارائه داده است. این رساله، به‌دنبال آن است که به‌طور گسترده‌تری از بازی‌های هدف‌دار در ساخت وب‌معنایی استفاده کند؛ بنابر‌این، به‌بررسی آنتولوژی و آنتولوژی فازی، حاشیه‌نویسی داده‌ها بر‌اساس آنتولوژی‌های‌ موجود و تنظیم اجزای مفهومی در آنتولوژی‌ها می‌پردازد. با بررسی مراحل تولید آنتولوژی و آنتولوی متغیر زبانی فازی، مراحلی که انجام‌شان نیازمند نیروی انسانی بودند، شناسایی و بازی‌هایی برای انجام برخی از این مراحل، پیشنهاد می‌شود. در نهایت، یکی از بازی‌های پیشنهادی با نام واژه‌معنا (LingoGame) که برای پیدا کردن مقادیر متغیرهای زبانی است، پیاده‌سازی و نتایج حاصل از آن، بررسی می‌شود.