جستجوي پيشرفته | کتابخانه مجازی الفبا

با ظهور معماری سرویس گرا، وب سرویس ها محبوبیت بسیاری یافتند. بعلت موجود بودن تعداد زیادی از وب سرویس ها، یافتن وب سرویس متناسب با نیازهای کاربر چالشی عظیم می باشد. این امر نیاز به برقراری یک فرایند مورد اعتماد و موثر کشف وب سرویس را تضمین می کند. امروزه تحقیقات بسیاری برای طراحی روش هایی به منظور افزایش میزان دقت کشف وب سرویس انجام می گیرد که بهترین سرویس را تطبیق نماید. نتایج فرایند کشف سرویس، سرویس هایی است که تا اندازه ای نیاز های کاربر را ارضا می نمایند. در نظر گرفتن رابطه معنایی میان کلمات استفاده شده در توصیف سرویس و همچنین پارامترهای ورودی و خروجی می تواند منجر به دقت در کشف وب سرویس شود. علاوه بر پارامترهای ورودی و خروجی، پارامترهای دیگری نیز در توصیف سرویس وجود دارند که استفاده از آنها منجر به بالا بردن دقت کشف وب سرویس ها می شود. این پارامترها پیش شرط و اثر نام دارند. این تحقیق الگوریتمی برای کشف وب سرویس معنایی براساس مقایسه میان پارامترهای ورودی، خروجی، پیش شرط، و اثر درخواست و سرویس، ارائه می دهد.در بیشتر روش های کشف وب سرویس، پنج درجه تطبیق در نظر گرفته می شود که عبارتند از : Exact، PlugIn، Subsume، Intersect، Fail. در الگوریتم حاضر به جای درجه Fail درجه تطبیق جدیدی به نام Substitute در نظرگرفته شده که سرویس جایگزین درخواست را ارائه می کند. همچنین در این الگوریتم برای تعیین میزان شباهت میان مفاهیم روشی بر مبنای درخت سلسله مراتب آنتولوژی در نظر گرفته شده که میزان دوری و نزدیکی مفاهیم به یکدیگر را تشخیص می دهد. الگوریتم ارائه شده از یک سیستم امتیاز دهی براساس میزان شباهت مفاهیم و ویژگی های آنها به یکدیگر استفاده می کند. این سیستم به هر یک از زوج مفاهیم که با یکدیگر مقایسه می شوند، براساس روش تعیین مشابهت ذکر شده، امتیازی نسبت داده و امتیاز نهایی سرویس را براساس میانگین امتیاز مفاهیم محاسبه می کند. امتیاز محاسبه شده برای هر سرویس همراه با درجه تطبیقی که برای سرویس محاسبه شده است به کاربر ارائه می شود.برای ارزیابی الگوریتم ارائه شده از مجموعه داده ای متشکل از 100 وب سرویس معنایی و 20 پرس و جو استفاده شده است. نتایج به سه معیار Precision/Recall، F1، و میانگین زمان پاسخ با سه الگوریتم کشف وب سرویس دیگر مقایسه شده اند. الگوریتم ارائه شده دارای دقت بالاتری از سه الگوریتم مورد مقایسه می باشد. اما از نظر میانگین زمان پاسخ با توجه به اینکه علاوه بر ورودی و خروجی، از مقایسه پیش شرط و اثر نیز برای کشف وب سرویس معنایی استفاده می کند، دارای میانگین زمان پاسخ بالاتری نسبت به دیگر الگوریتم های مورد مقایسه می باشد. در مجموع، دقت کشف وب سرویس معنایی با الگوریتم ارائه شده پیشرفت قابل ملاحظه ای را نسبت به روش های مرسوم کشف وب سرویس نشان می دهد.

امروزه با توجه به افزایش کاربران اینترنت و پیشرفت علم در زمینه وب و حرکت به سوی وب نسخه ۳، در یک سیستم ممکن است چندین خدمتوجود داشته باشد که با توجه به نیاز کاربر باید بهترین و نزدیک ترین آنها به کاربر ارائه گردد تا یک سیستم بهترین عملکرد را داشته باشد. کشف بهترین نیاز از طریق بررسی رابطههای معناییبدست آمده از دادههای بسیار زیاد مرتبط موجود در دنیای وب امکان پذیر است. هدف از این کار، ارائهی بهتر و هرچه سریع تر خدمت بر اساس تشخیص ماشین می باشد. حال با توجه به این نیاز، و تعداد زیاد داده، خدمت، و کاربر در دنیای وب باید ارتباطی معنایی بین این سه عنصر برقرار گردد تا بتوان روش جدید را جایگزین روشهای قدیمیتر کرد. از اوایل قرن اخیر کار تحقیقاتی به صورت جدی در دانشگاههای معتبر دنیا آغاز گردیده است و روشهای بسیاری برای کشف مناسب ترین خدمت ارائه شده است. بستر تمامی این روشها بر اساس راه کارهای معنایی و هستی شناسیبوده است و از سال ۲۰۰۲ که در دانشگاه کارنگی ملون یک الگوریتم معنایی قابل توجه، ارائه و مورد استفاده قرار گرفت، مقالات و الگوریتمهای زیادی در ادامهی آن ارائه شده اند که می توان گفت همگی این الگوریتم را بهبود و گسترش داده اند. مثلا برخی اساس کار خود را بر پیش پردازش دادهها قرار داده اند و برخی به کیفیت خدمتتوجه کرده اند. مشکلی که تا به امروز هم وجود دارد فقدان هستی شناسیهای مورد نیاز در رابطه با هر موضوع خاص است. همچنین به نظر می رسد با توجه به حجم دادههای موجود در وب تا به حال توجه خاصی به نقش دادههای پیونده شدهدر این زمینه نشده است که می توان از آن بهره جست و قسمتی از مشکلات پیش از این را حل کرد. در این پژوهش سهم دادههای پیوند شده بسیار مشهود است تا جایی که نتیجهی تحقیق به یک سیستم جستجوی اشخاص با کیفیتتر و تعداد پاسخهای بیشتر ختم شده است.