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.

همراه با پیشرفت تکنولوژی، سرمایه‌گذاری بر روی دانش در دسترس سازمان‌ها اهمیت بیشتری یافته است. سازمان‌ها با استفاده از تکنیک‌های گوناگون حجم انبوه دانش در دسترس خود را مورد پردازش قرار می‌دهند. اگر تکنولوژی می‌خواهد بهره‌گیری موثر از دانش را در سازمان تسریع کند، باید بتواند علاوه بر دسترسی به دانش مستندسازی شده دسترسی به دانش افراد را نیز پشتیبانی کند. مسئله یافتن متخصص با هدف استخراج این دانش و تعیین میزان تخصص افراد بر اساس ویژگی‌های مختلف تعریف شده‌است. تکنیک‌های مختلفی برای استخراج و کاوش اطلاعات افراد وجود دارند. در این پایان‌نامه روشی برای یافتن افراد متخصص در یک شبکه اجتماعی ارائه شده است به‌گونه‌ای که در زمانی کوتاه علاوه بر محتویات متنی اسناد مرتبط با کاربران(پروفایل، مقالات منتشره،صفحات وب) گراف اتصالات بین آنان را نیز مورد استفاده قرار دهد. پیدا کردن افراد متخصص موضوعی است که امروزه توجه بسیاری از صاحبان مشاغل را به خود جلب کرده است چون تعریف معیارهایی برای تعیین یک تخصص خاص و انتخاب افراد متخصص بر اساس آن معیارها کاری دشوار می‌باشد. اغلب پژوهش‌هایی که در این زمینه انجام شده تنها اطلاعات ارائه شده توسط خود افراد را برای ارزیابی تخصص آن ها مورد استفاده قرار می‌دهد، اما در این پایان‌نامه هدف این است که با ارائ? راه حلی برای مسئل?یافتن متخصص علاوه بر اطلاعات ارائه شده توسط خود فرد روابط وی با دیگر افراد متخصص نیز مدنظر قرار داده شود. به علاوه، در این پایان نامه روشی جدید برای محاسبه شباهت معنایی بین کلمات ارائه شده‌ و از این روش برای رتبه‌بندی متخصصان بر اساس میزان تناسب با پرس‌وجوی وارد شده استفاده شده‌است.

امروزه بیش از ?? درصد از دانش ما به صورت متن، مستندات و دیگر صورت‌های رسانه ای نظیر ویدیو و صدا نگهداری می‌شود. اگر از دید علوم کامپیوتری به این مستندات نگـاه کنیم هـمه آن‌ها به طبیعتی غیر ساخت یافته وابسته‌اند. یک فرد برای دریافت دانش از اطلاعات یک متن، باید ابتدا آن‌را درک کند و سپس آن‌را پردازش کند تا بفهمد چه معانی و مفاهیمی در آن موجود است، چه ارتباطی میان مفاهیم وجود دارد و از میان این مفاهیم کدامیک جدید و کدامیک قدیمی است. حال اگر فردی سوالی هرچند ساده داشته باشد بار دیگر باید همان روند طولانی قبلی را طی کند. سیستم‌های پرسش و پاسخ (QAS) به کمک یک مجموعه داده که در اختیار آن است (اینترنت یا داده های متنی و یا هر داده مورد نیاز) پرسش را تحلیل می‌کند و برای آن سوال مناسب‌ترین جواب را پیدا می‌کند. از اولیه‌ترین کارها پردازش سوال برای پیدا کردن پاسخ و پیدا کردن بهترین پاسخ در بین مجموعه ای پاسخ‌ها مورد نظر می‌باشد که مقالات بسیاری با الگوریتم‌های اکتشافی متفاوتی ازجمله ژنتیک و ماشین بردار پشتیبان و یا حتی روش آماری (پیشنهاد داده شده است) در این زمینه کار کرده‌اند که همه با درصد های خوبی به نتیجه مطلوب رسیده‌اند. ما سعی بر آن داریم در صورت امکان برای بهبود بیشتر پاسخ درست از الگوریتم فاخته (COA) برای دسته بندی‌های موجود در سیستم پرسش و پاسخ استفاده کنیم. الگوریتم فاخته برای دسته بندی پاسخ ها و برای استخراج بهترین پاسخ و در آنتولوژی یک کلمه که دارای چندین معنای مختلف می‌باشد، معناهای مختلف را از WordNet استخراج و انتخاب معنای درست در حوزه خاص از الگوریتم‌های بهینه سازی فاخته بهره ببریم.

محيط‌هاي محاسبات فراگير با داشتن انواع شبکه‌هاي ارتباطي و سيستم‌هاي کارگزار، محمل مناسبي براي ارائه‌ي انواع سرويس‌ها به کاربران هستند. يکي از مسائل مهم در چنين محيط‌هايي مساله‌ي کشف سرويس است. در اکثر روش‌هاي کشف سرويس که تا کنون ارائه شده‌اند، دو مساله‌ي اساسي عدم وابستگي به گره‌اي خاص و توجه به اطلاعات زمينه به‌صورت همزمان در نظر گرفته نشده است. از آن‌جا که در يک محيط محاسبات فراگير، اطلاعات زمينه نقش مهمي در ارائه‌ي سرويس راحت‌تر به کاربر دارد؛ در اين پايان‌نامه سعي شده است کليات يک روش کشف سرويس آگاه از زمينه با استفاده از منبع‌زمينه به عنوان تابلوي تبليغات سرويس‌ها ارائه شود. به اين‌صورت که اطلاعات سرويس‌هايي که اخيراً به محيط اضافه شده‌اند در منبع‌زمينه ذخيره مي‌شوند و منبع‌زمينه علاوه بر ارسال بسته‌هاي پاسخ، اطلاعات اين سرويس‌ها را نيز تبليغ مي‌کند. البته در اين ايده منبع‌زمينه، يک پوشه‌ي سرويس نخواهد بود؛ به اين دليل که روش پيشنهادي بدون وجود منبع‌زمينه با استفاده از اطلاعاتي که گره‌ها از محيط دريافت کرده‌اند نيز قادر به کشف سرويس مي‌باشد. در ضمن اين روش با گروه‌بندي سرويس‌ها، به عمليات کشف سرويس سرعت مي‌بخشد. براي ارزيابي اين روش يک برنامه شبيه‌ساز طراحي شده است که با تعريف اطلاعات محيط و انجام تنظيمات اوليه عمليات کشف سرويس را بر اساس روش پيشنهادي انجام مي‌دهد. معيارهاي سنجش در اين شبيه‌ساز «تعداد بسته‌هاي توليد شده»، «زمان مورد نياز»، و «کارايي» کشف سرويس است. در مقايسه‌ي نتايج بدست آمده از روش پيشنهادي با ساير روش‌هاي مشابه مانند روش GSD و روش Pohare و همکارش، بهبود کيفيت معيارهاي سنجش کشف سرويس مشاهده مي‌شود. کارايي برتر روش پيشنهادي ما صرف هزينه و زمان کمتر به همراه کارايي بالاتر براي رسيدن به نتايج مطلوب مي‌باشد.

با افزایش استفاده از سرویس‌های وب در بسترهای توزیع شده نظیر اینترنت، بر اهمیت بهبود فرآیند کشف آن‌ها افزوده شده است و سرویس‌های وب معنایی و روش‌های همتایابی هیبریدی، سعی در بهبود هرچه بیشتر آن دارند. استفاده از تکنیک‌های حوزه‌هایی نظیر بازیابی اطلاعات، جزو روش‌های معمول مورد استفاده در همتایاب‌های هیبریدی محسوب می‌گردد که محاسبه شباهت میان توصیف سرویس‌های وب، مهم‌ترین بخش این روش‌ها است. کارایی همتایاب‌هایی که از معیارهای شباهت متنی برای این منظوراستفاده کرده‌اند، تا حدود زیادی بر انتخاب این معیارها بستگی دارد زیرا که هر معیار شباهت، در دسته‌ای از پرس‌وجوها، عملکرد بهتری از خود نشان می‌دهد. با توجه به اهمیت این موضوع، ایده اصلی ما، استفاده همزمان از چندین معیار شباهت در فرآیند کشف سرویس‌های وب می‌باشد که برای این منظور به ارائه روشی برای استفاده از معیارهای شباهت چندگانه جهت محاسبه میزان شباهت بین پارامترهای ورودی/خروجی سرویس‌های وب، پرداختیم. بدین ترتیب می‌توان بهبودهای حاصل از عملکرد هر یک از معیارهای شباهت مختلف را تجمیع نمود و به نتایج کلی بهتری به ازای تمام مجموعه پرس‌وجوها رسید. در این روش از میانگین‌گیری مرتب شده وزن‌دار یاگر برای تجمیع مقادیر شباهت حاصل از به‌کارگیری معیارهای شباهت مختلف، استفاده کرده‌ایم. همچنین با توجه به برخی از ویژگی-های سرویس‌های وب، به معرفی دو معیار شباهت نامتقارن پرداخته‌ایم که موجب حصول نتایج متفاوتی نسبت به معیارهای متقارن مشابه خود شده‌اند. همچنین روشی جدید برای تجمیع نهایی شباهت حاصل از پارامترهای ورودی و خروجی سرویس‌های وب ارائه نموده‌ایم. نتایج حاصل ازبه‌کارگیری روش پیشنهادی نشان دهنده عملکرد مطلوب آن در حالت کلی، در مقایسه با نتایج حاصل از به‌کارگیری مجزای معیارهای شباهت می‌باشد. همچنین این روش در مقایسه با دو همتایاب مطرح در این زمینه، عملکرد بهتری از خود نشان داده است.

به دلیل افزایش جریان‌های داده‏ای و اطلاعاتی، بحث داده‏آمیزی به عنوان یکی از مهم‏ترین زمینه‌های تحقیقاتی و عملیاتی محسوب می‌شود. در حوزه‏هايي که اطلاعات زيادي وجود دارد و تصميم‏گيري‏هاي ضعيف باعث پيامدهاي جدي مي‏شود، مسئله داده‏آميزي بسيار حياتي است. داده‏آميزي اطلاعات چندين منبع را يکپارچه مي‏کند و اين عمل به منظور فراهم آوردن داده‏هاي مشخص و قابل درک درباره موجوديت‏ها و روابط بين آن‏ها صورت مي‏گيرد و نهايتا منجر به استخراج دانش جديد نيز خواهد شد. با ظهور وب معنایی و همه‌گیر شدن آن، ضرورت درک اطلاعات توسط ماشین بر هیچ کس پوشیده نیست، اين تحقيق برآن است تا تکنولوژی‏های وب معنایی را وارد حوزه داده‏آمیزی نماید. با توجه به اینکه یکی از رايج‏ترين مدل‏هاي داده‏آمیزی، مدل چندسطحی JDL می‏باشد، با افزودن معنا و گنجاندن آنتولوژی و سایر تکنولوژي‏هاي وب معنايي به این مدل، يک ساختار داده‏آمیزی معنايي ارائه می‏شود. ساختار ارائه‏شده، گام مهمی در رفع چالش معنایی، که يکي از چالش‏هاي اصلي موجود در سيستم‏هاي داده‏آمیزی است به حساب می‏آید و نیز ناهمگونی‏های نحوی، ساختاری و معنایی را برطرف خواهد نمود.مدل ارائه‌شده با مباحث مختلف از جمله طراحی آنتولوژی‌ها، داده‏های سنسوری، وارد نمودن زمان در سه-تایی‌های RDF، استخراج قوانین و نمایش آن‌ها به صورت معنایی، انجام استنتاج معنایی، بازیابی داده‌های ذخیره شده در RDFStore روبه رو می‌باشد که در پیاده‌سازی در نظر گرفته می‌شوند.ساختار پیشنهادی از نظر کمی و کیفی مورد بررسی قرار گرفته شده است و ویژگی‌های اصلی آن در مقایسه با سایر سیستم‌های داده‏آمیزی برشمرده می‌شود و همچنین با پیاده‌سازی مدل، نشان داده می‏شود که این مدل قابلیت عملیاتی شدن را دارد و کارایی آن توسط فرد خبره موردتأیید قرار می‏گیرد.

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.

امروزه کنترل رایانه‌ای حمل ونقل شهری در سرتاسر دنیا به شکل امری معمول درآمده و دامنه آن از کنترل‌کننده‌های مجزّا برای تقاطعها تا سامانه‌های پوشش‌دهنده کل شبکه شهری گسترش یافته است و همگی آنها بر کنترل‌ترافیک و تشخیص‌ وسیله نقلیه برای تنظیم ‌مدت ‌زمان‌چراغ ‌سبز ‌و ‌فواصل‌زمانی بین دوره‌های ‌چراغ‌ها ‌در ‌تقاطعهای مجاور برای‌ واکنش به ‌تغییرات ‌جریان ‌ترافیک، تکیه دارند. این تحقیق رویکرد رایانه‌ای‌ جدیدی‌ را برای ‌کنترل هوشمند چراغهای راهنمایی تقاطعهای مجزا ارائه می‌کند. دو تفاوت عمده این تحقیق در مقایسه با روشهای هوشمند دیگری که به کنترل چراغ راهنمایی پرداخته‌اند نخست‌ نوع داده‌های اولیه و دیگری ‌رویکرد کنترلی آن است. استفاده از تصاویر به جای داده‌های شناسگرهای حلقه‌های القایی و مدلسازی دانش‌حوزه در‌قالب هستان‌نگار و به اشتراک‌گذاری و استفاده از آن به منظور کنترل چراغ راهنمایی مواردی هستند‌که با رویکردهای مشابه کنترل هوشمند چراغ راهنمایی تفاوت دارند. تشخیص ترافیک با استفاده از پردازش تصویر فواید متمایزی نسبت به فنّاوری مبتنی بر حلقه‌های القایی دارد. همچنین ایجاد هستان‌نگار کنترل چراغ راهنمایی و بکارگیری آن نه تنها دانش این حوزه را استخراج کرده، بلکه امکان به اشتراک گذاشتن آن و نیز باز استفاده آن را برای دیگران فراهم می‌کند، علاوه بر این، روش مذکور استقلال عمل در حوزه کنترل نرم افزاری ترافیک را نیز افزایش می‌دهد بدین معنا که سیستم‌های کنترلی مختلف با در اختیار داشتن هستان‌نگار می‌توانند متغیرها، پارامترها و قواعد خود را با افزودن یا کاستن قواعد هستان نگار توسعه دهند و بدین ترتیب توسعه سیستمهای کنترل هوشمند با پیچیدگی کمتری همراه خواهد بود. روش پیشنهادی با رویکرد کنترلی زمان ثابت در محیط متلب شبیه‌سازی، مقایسه و ارزیابی شده است. نتایج این ارزیابی نشان می‌دهد که سیستم جدید در تمامی شرایط ارزیابی نتایج بهتری نسبت به سیستم زمان ثابت دارد.

یکی از اهداف وب معنایی آن است که داده و دانش به صورت قابل فهم‌تر در اختیار ماشین قرار بگیرد تا موجب تسهیل در به اشتراک گذاری اطلاعات و مجتمع سازی داده‌هاشود. قدم آغازین در رسیدن به این نگاه، نمایش مفاهیم و اصطلاحات دامنه‌های مختلف در قالب انتولوژی‌ها می‌باشد با این وجود، حتی در یک دامنه وجود انتولوژی‌های متفاوت قابل اجتناب نبوده و در نتیجه هم‌تراز سازی انتولوژی‌ها یعنی یافتن انطباق‌ها میان دو انتولوژی ضروری می‌باشد. در سال‌های اخیر سیستم‌های هم‌تراز سازی زیادی ارائه شده‌اند. اغلب روش‌های هم‌تراز سازی موجود تنها قادر به یافتن انطباق‌های یک به یک می‌باشند. حال اگر برای یک مفهوم در انتولوژی اول نظیر مستقیمی در انتولوژی دوم یافت نشود، این روش‌ها قادر به یافتن انطباق پیچیده نخواهند بود. در حالت خاص این مسئله، اگر برای بیان یک مفهوم در یک طرف از الگوی لغوی-املایی و در انتولوژی دوم برای مدل کردن همان مفهوم از الگوی منطقی استفاده شده باشد، برای هم‌تراز سازی نیاز به یافتن نوع خاصی از انطباق‌های پیچیده می‌باشد.در این پژوهش یک روش برای یافتن انطباق‌های پیچیده ارائه شده است. این انطباق‌هادر یک طرف شامل یک نام به صورت مضاف-مضاف‌الیه بوده و در طرف دیگر شامل توصیفی پیچیده و مرکب برای بیان مفهوم معادل می‌باشد. دلیل توجه به عبارات مضاف-مضاف‌الیه کاربرد بالای آن‌ها در نام‌گذاری مفاهیم انتولوژی می‌باشد. در روش پیشنهادی ، ابتدا رابطه معنایی میان مضاف-مضاف‌الیه استخراج شده و با استفاده از آن یک سری انطباق‌های اولیه به عنوان فرضیه تولید می‌گردد. هسته اساسی در تولید این فرضیه‌ها کتابخانه‌ای از الگوها و یک روش جستجوی لغوی می‌باشد. با اعمال یک روش استدلالی خاص تمامی فرضیه‌های تولیدی برای افزایش کیفیت پالایش می‌شوند. از یک هیورستیک و نتایج به دست آمده از استدلال، برای تصحیح الگوریتم جستجوی لغوی و کلاسه‌بندی روابط معنایی استفاده شده است. در پایان، روش پیشنهادی در قالب نرم افزار هم‌تراز سازی OCEANING پیاده سازی شده و کارایی روش پیشنهادی در هم‌تراز سازی دو انتولوژی مطرح، بزرگ و سطح بالای سومو و اومبلنشان داده شده است.

در دنیای امروز به منظور کاهش هزینه یادگیری از طرفی و هزینه وقت از طرف دیگر که نمی توان از آن چشم پوشی کرد، بهره گیری از سیستمهای جدید یادگیری همچون یادگیری الکترونیکی جایگاه خود را نمایان ساخته است. محققان تلاش می کنند برای پایین آوردن هزینه آموزش مستقل از زمان با تکیه بر فناوری های جدید بتواند علاوه بر آموزش موثر هزینه تولید را با بهره گیری از دانش اشتراکی در محیط وب کاهش داده و با تنوع بخشی محتوای آموزش الکترونیکی به کمک سیستم های انطباقی مبتنی بر شبکه وب معنایی به اطلاعات و داده های مرتبط برای یادگیرنده دست یابند.در این تحقیق آنچه مورد نظر ماست شامل، بهره گیری از وب معنایی به منظور غنی سازی محتوای آموزش الکترونیکی برای افزایش اثر بخشی و ارتقاء کیفیت آموزش در سیستم های آموزش الکترونیکی و ارائه بهترین شیوه بکارگیری فناوری های وب معنایی در تنوع بخشی و غنی سازی محتوای آموزش الکترونیکی با تکیه بر آمار و کاربردها است. بدین منظور در این تحقیق تلاش شده با ارائه و طراحی یک معماری توزیع شده در حوزه های مختلف وب معنایی مانند مدل سازی محتوایی مبتنی بر کلید واژه با بهره گیری از داده کاوی،تولید محتوابه روش های مشارکتی و اجتماعی، تولید محتوا به روش تفسیر متن بر اساس هستان شناسی و ارائه محتوای آموزش الکترونیکی مبتنی بر هستان شناسی به تقویت و تنوع بخشی محتوای آموزشی اثر بخش دست یافت.ارزیابی عملکرد سیستم آموزش الکترونیکی با محتوای غنی شده مبتنی بر وب معنایی حاکی از افزایش اثر بخشی آموزش بر روی یادگیرندگان داشته است، که این مهم با محتوای معمول در سیستم های مدیریت یادگیری بر روی تعدادی از یادگیرندگان نمونه امتحان، و نتیجه میزان یادگیری بررسی شده است، به طوری که با بهره گیری از این سیستم می توان حداقل به افزایش توانمندی یادگیرندگان به میزان 20% و علاقه مندی استفاده از سیستم به میزان 40% برای آنان دست یافت.