جستجوي پيشرفته | کتابخانه مجازی الفبا

از منظر اخلاقی، مهم‌ترین هدف پالایش محتوا یا فیلترینگ پیشگیری از نقض اخلاق در فضای مجازی است؛ ولی تحقق چنین هدفی مستلزم آن است که همۀ مرتبطان با فیلترینگ با تکالیف خود آشنا باشند و برای عمل به آن‌ها تلاش کنند. تا این وظایف و دشواری‌های آن‌ها شناسایی نشود، نمی‌توان انتظار داشت فیلترینگ هم در خدمت اخلاق باشد و هم اخلاقی اِعمال شود. این مقاله افزون‌بر معرفی مهم‌ترین وظایف شهروندان و نهادهای حاکمیتی دربارۀ فیلترینگ، دشواری‌های آن را تحلیل می‌کند و برای کاهش آن‌ها راهکارهایی می‌دهد. وظایفی چون اطلاع‌رسانی، نظارت، دور نزدن فیلترینگ، همدلی و همراهی کاربران و نهادها و رازداری و امانت‌داری، و دشواری‌هایی چون خطای انسانی و فنی، تعارض وظایف اخلاقی و ضعف انگیزه را معرفی می‌کنیم. برای تبیین هرچه‌بهتر، وظایف را به مشترک و اختصاصی تقسیم کرده‌ایم. مبحث دیگر مقاله، تعریف وظیفۀ اخلاقی، اهمیت آن و مبانی و منشأ الزام وظیفۀ خلاقی است.

در سال‌های اخیر، تکنیک‌های فیلتر محتوایی دانش‌محور مبتنی‌بر پایگاه دانش و آنتولوژی به‌ روش‌هایی کارا و قابل‌قبول برای فیلتر اطلاعات تبدیل شده‌اند. در این تحقیق از ساختار آنتولوژی و پایگاه‌دانش‌های ویکی‌پدیا، وردنت و BNC برای عمل فیلتر اسناد، بهبود نمایش اولویت‌های کاربری و محتوای اسناد و محاسبه شباهت معنایی استفاده می‌شود. همچنین سامان‌دهی علایق کاربری و محتوای اسناد در پروفایل‌ها امکان استخراج دانش درباره‌ی علایق احتمالی کاربران و محتوای اسناد را با استفاده از آنتولوژی و پایگاه‌دانش فراهم می‌آورد. این تحقیق روشی نوین و منحصر‌به‌فرد در ساختار ترکیب خبرگان برای فیلتر اسناد ارائه می‌کند و مجموعه‌ای از بهترین و کاراترین روش‌های فیلتر را پیاده‌سازی و با هم یکپارچه می‌کند. ارزیابی سیستم در دو مرحله ارزیابی روش‌های محاسبه شباهت معنایی و روش‌های فیلتر محتوایی با استفاده از مجموعه داده‌های میلر- چارلز و 20Newsgroup انجام می‌شود. نتایج ارزیابی، همبستگی زیاد روش‌های محاسبه‌ی شباهت معنایی میان مفاهیم را با قضاوت بشر نشان می‌دهد. روش‌ مبتنی‌بر ویکی‌پدیا با میزان همبستگی 0.779 نه‌تنها از دیگر روش‌های پیاده‌سازی شده بهتر عمل می‌کند بلکه از روش‌های مشابه و شناخته‌شده‌ای مانند CODC با میزان همبستگی 0.693 و روش ESA با میزان همبستگی 0.58 بهتر عمل می‌کند. به‌علاوه در ارزیابی روش‌های فیلتر دانش‌محور ملاحظه می‌شود که روش مبتنی‌بر آنتولوژی با نرخ صحت و کارآیی98.9 و 98 درصد و روش مبتنی‌بر ویکی‌پدیا با نرخ صحت و کارآیی98.2 و 96 درصد نتایجبهتری نسبت به دیگر روش‌های مشابه و شناخته شده مانند NB-SVM Hybrid دارند. همچنین نتایج ارزیابی روش مبتنی‌بر ساختار ترکیب خبرگانبا نرخ صحت و کارآیی 99.4 و 98.9 درصد نشان می‌دهد کهاین روش نه‌تنها از تک‌تک روش‌های پیاده‌سازی شده کارآیی و صحت بالاتری دارد، بلکه می‌تواند خطاهای عمل فیلتر را تصحیح کند. براساس این نتایج، سیستم پیاده‌سازی شده می‌تواند به‌عنوان رویکرد جدیدی در فیلتر محتوایی و به‌عنوان چارچوبی برای استفاده در کاربردهای فیلتر اطلاعات استفاده شود.