جستجوي پيشرفته | کتابخانه مجازی الفبا

تحلیل معنایی و پردازش ارتباطات معنایی در سال‌های اخیر به یکی از موضوعات اساسی کاوش در حوزه هوش مصنوعی و زبان‌شناسی تبدیل شده‌ است. استفاده از ابزارهای هوشمند سبب شده تا ارتباطاتی از کلمات در مدل معنایی کشف شود که بصورت عادی هرگز پی به آن برده نمی‌شد. بدین سبب کار و پژوهش در حوزه‌های وب معنایی و هستی شناسی در کانون توجه محققان علم کامپیوتر قرار گرفته است.در این میان تدبر در دریای بس ژرف کلام خدا که قطعا رازهای نهفته فراوانی دارد هدفی است که در این پایان‌نامه در نظر گرفته شده و علم امروز را برای کشف گوشه‌ای کوچک از آن دریای بیکران به‌کار گرفته است.بدین منظور، داده‌های مورد پردازش، از پیکره قرآنی فرقان، حاوی کلیه آیات به فرمت فایلهای آردی‌اف، که توسط تیم آزمایشگاه فناوری وب دانشگاه فردوسی مشهد گردآوری شده استفاده شده است.برای کشف ارتباطات معنایی حاکم بر آیات مصحف شریف، آن را بر ۹۹ آیه مبارکه سوره حجر اجرا نمودیم که پیش‌پردازش‌ها شامل : ۱- استخراج ترجمه آیات توسط ابزار اسپارکل ۲- استخراج کلمات اصلی توسط ابزار رپیدماینر انجام شده و پردازش اصلی یعنی محاسبه ارتباط معنایی و مقایسه شباهت‌ها با استفاده از پایگاه ورد‌نت و به‌وسیله برنامه‌نویسی جاوا در محیط نت‌بینز اجرا شده است.

آنچه که تا کنون در فضای وب جریان داشته است افزایش روزافزون حجم اطلاعات و مستندات موجود در آن بوده است، بدون اینکه این افزایش حجم مستندات تاثیری در کاربرد و بهره برداری خودکار اطلاعات موجود به همراه داشته باشد. به علاوه امروزه اکثریت محتوای وب بر روی پایگاه داده های رابطه ای ذخیره شده اند. حرکتی که گام های اولیه آن درحال شکل گیری است تغییر شکل «وب» به موجودیتی تحت عنوان «وب معنایی» میباشد. وب معنایی یک گسترش از وب موجود است که گاهی اوقات تحت عنوان «وب آینده» و یا «وب نسخه 3» معرفی می شود، که در آن به اطلاعات، معانی خوش تعریفی داده می شود که بتوانند قابلیت همکاری بهتر بین کامپیوتر ها و انسان را فراهم کنند. موفقیت وب معنایی بر تولید انبوه داده های معنایی وابسته است. با توجه به حجم عظیم داده های رابطه ای ذخیره شده در پایگاه داده های رابطه ای موجود در وب، انتشار این داده های رابطه ای بر روی وب معنایی بسیار پر کاربرد خواهد بود. در این پایان نامه، الگویی جهت پیاده سازی جستجوی معنایی بر روی داده های ذخیره شده در پایگاه داده های رابطه ای، با استفاده از تکنیک های وب معنایی ارائه شده است. گام های اصلی الگوی پیشنهادی در این پایان نامه از این قرارند:1-بازنمایی داده های سازمانی ذخیره شده بر روی پایگاه داده های رابطه ای بر اساس گراف های معنایی با استاندارد RDF به صورت یک پایگاه دانش معنایی(نگاشت داده های رابطه ای به گراف های معنایی)2-آنالیز وابستگی های داده ای برنامه و بازنمایی اجزای برنامه و ارائه یک آنتولوژی سازمانی بر اساس آنها3-پیاده سازی یک موتور جستجوگر معنایی که بر پایه آنتولوژی سازمانی تهیه شده و پایگاه دانش نگاشت شده، که به جستجوی معنایی بر روی اطلاعات دامنه مورد نظر می پردازد.

با توجه به رشد روزافزون اطلاعات و دانش, حجم‌هاي بسيار بالا از اين اطلاعات و دانش‌ها موجود مي باشد که جستجو براي يافتن اطلاعاتي خاص در آن‌ها, به دليل حجم‌هاي بالاي آنها ديگر کار آساني نمي‌باشد.همواره نياز به سيستم‌هايي که بتواند اطلاعات مورد نياز افراد را فراهم کند احساس ‌شده است. چالش‌هاي فني در مسير طراحي اين گونه سيستم‌ها را مي‌توان در دسته‌هاي کلي تقسيم‌بندي کرد. مي‌توان به نحوه ذخيره سازي و بازيابيو همچنين نحوه ارتباط با کاربر, به عنوان دو مسئله مهم در طراحي اين گونه سيستم‌ها اشاره کرد که هر کدام شامل مسائل زيادي نظير شاخص‌گذاري, ذخيره-سازي, پردازش و ... است. در بسياري از موارد تعامل خوبي بين کاربران و موتور هاي جستجوي وب برقرار نمي‌شود.دليل اصلي اين موضوع عدم استفاده از زبان مناسب و قابل فهم موتور جستجو توسط کاربر و همچنين عدم توانايي کاربر در بيان نياز هاي خود است.يکياز راه‌کارهاي حل اين مشکل استفاده از تکنولوژي معنايي است که امکان استفاده از مفاهيم و ارتباطات آنها را نيز به سيستم مي‌دهد . استفاده از اين تکنولوژي نيز چالش‌هايي را به همراه دارد.از مشکلات اين کار ارتباط مفاهيم با همديگر و در نظر گفتن آنها در سامانه , عدم وجود ساختمان داده متناسب با اين تکنولوژي , نحوه نمايش نتايج بر اساس ارتباطات معناييو زباني است که کاربر بتواند نياز ها خود را با استفاده از آن زبان به خوبي بيان کند. همزمان با بکار‌گيري تکنولوژي معنايي سعي گرديده تاحدودي زبان مورد استفاده کاربر به عنوان زبان پرس و جو وهمچنين مفاهيم کلمات به زبان طبيعي کاربر نزديک باشد. اين تحقيق نيز در جهت مطالعه براي ايجاد موتور جستجويي با استفاده از تکنولوژي معنايي در حوزه صفحات فارسي ICT مي باشد. در اين پروژه با توجه به امکانات موجود سعي در طراحي اوليه يک موتور جستجوي معنايي با استفاده از ساخت يک هستان شناسي بوده است. تمرکز بر روي ايجاد يک ساختمان داده و همجنين استفاده بهينه و انجام جستجوي معنايي با استفاده از اين ساختمان داده است.

در سالهاي اخير تلاشهاي زيادي براي طراحي روشهاي يادگيري و خودکار سازي فرايند ساخت هستان نگار در جهان انجام شده است. هستان نگارها در زمينه هاي زيادي نظير وب معنايي، جويشگرها، تجارت الکترونيکي، پردازش زبان طبيعي، مهندسي دانش، استخراج و بازيابي اطلاعات، طراحي دادگان، سامانه‌هاي چند کارگزاره و کتابخانه‌هاي ديجيتال و غيره کاربرد دارند. مشکل عمده در ساختن هستان نگارها، اکتساب دانش و زمانبر بودن ساخت آنها براي کاربردهاي مختلف است. بنابراين ساخت خودکار هستان نگار راه حل مناسبي براي چيره شدن بر اين مشکلات است. در دو دهة اخير فعاليت‌هاي زيادي در زمينة يادگيري هستان نگار انجام شده و روش ها، ابزارها و سامانه‌هاي مختلفي نيز ارائه شده که از روشها و الگوريتم هاي رشته‌هاي مختلفي مانند پردازش زبان طبيعي، يادگيري ماشيني، اكتساب دانش، استخراج اطلاعات ، پردازش نمادين و احتمالاتي بهره مي‌‌گيرند. سامانه‌هاي پيشنهاد شده در بسياري از شاخصها، خصيصه‌ها و روشهاي يادگيري از ساير سامانه‌هاي متمايز هستند. در اين رساله روش نويني براي يادگيري هوشمند هستان نگار در تمام سطوح يادگيري ارائه شده که مي توان از آن در کاربردها و حوزه‌هاي مختلف استفاده کرد. در اين روش نيازي به وجود هستان نگارهاي عمومي يا تخصصي اوليه و واژگان معنايي از پيش تعريف شده نبوده و پايگاه دانش اولية آن تنها شامل مجموعه‌اي از متون ورودي است. سامانة يادگيرندة پيشنهادي با شروع از متون ورودي و با استفاده از رهيافت پيشنهادي در اين رساله قادر خواهد بود هستان نگار حوزه‌هاي مختلف را استخراج کند. در اين روش از ترکيبي از روشهاي زباني، آماري، مبتني بر الگو و روشهاي يادگيري ماشين بر اساس روش C-value، شبکه عصبي نظرية تشديد وفقي و شبکة بيز استفاده شده است. از طرفي به منظور مواجهه با عدم قطعيت داده‌ها و غني سازي هستان نگار قطعي، با استفاده از ترکيب شبکة عصبي و نظرية فازي روش نويني براي استخراج هستان نگار فازي پيشنهاد شده است. از اين روش در استخراج هستان نگارهاي قطعي و فازي حوزة فنّاوري اطلاعات استفاده شده است. هستان نگارهاي استخراج شده به منظور جستجوي معنايي اسناد کتابخانة محلي (که در آن اسناد مرتبط با حوزة فنّاوري اطلاعات قرار داده شده) بر اساس رويکرد بسط پرسمان به‌کار برده شده‌اند. نتايج حاصل از پياده‌سازي هستان نگار فازي بيانگر دقت بالاتر حدود 0/07 و نتايج حاصل ازپياده‌سازي هستان نگار قطعي بيانگر دقت بالاتر حدود 05/0 نسبت به روشهاي مبتني بر کليد واژه است. همچنين ميانگين دقت مفاهيم هستان نگار فازي حدود 0/09 و ميانگين دقت مفاهيم هستان نگار قطعي حدود 06/0 نسبت به ميانگين دقت مفاهيم ساير روشهاي مشابه بهبود داشته است.

در این پایاننامه روشی ترکیبی برای جستجوی معنایی ارائه می‌شود که در آن با استفاده از هستی‌شناسی فارس‌نت، روابط موجود در مستندات، کلمات مرتبط با پرس‌وجوی کاربر و فاصله‌های معنایی کلمات، پیدا شده و با استفاده از آن‌ها مستندات رتبه‌بندی می‌شوند. در این روش ابتدا با استفاده از هستی‌شناسی فارسنت مستندات زبان فارسی پردازش میشوند و شبکهای از معانی آن مستندات به اسم شبکههای معنایی مستندات ساخته میشوند. سپس در مرحله برخط پس از پردازش پرسوجوی کاربر، روابط موجود در این مستندات امتیازدهی میشوند و با استفاده از بردار وزندهی‌شده پرسوجوی کاربر و بردارهای مستندات به روش فضای برداری میزان مشابهت بین پرسوجو و مستندات محاسبه می‌شود. همین‏طور فاصله‌های معنایی بین پرس‌وجو و مهم‌ترین کلمات مستندات محاسبه شده و با استفاده از آن‌ها امتیاز مستندات به‌دست می‌آید. درنهایت با ترکیب این سه امتیاز رتبه نهایی مستندات محاسبه میشود.