فیلتر کردن داده ها جهت بهبود رتبه بندی داده های پیوندی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 660

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

PUAST01_114

تاریخ نمایه سازی: 14 شهریور 1393

چکیده مقاله:

امروزه با رشد روزافزون داده ها و اطلاعات در وب نیازمند موتورهای جستجویی هستیم که کاربران را در زمان اندک به نتیجه موردنظر برساند. این سیل اطلاعات همانطور که فرصتی مناسب برای کسب اطلاعات بیشتر می باشد چالشی بزرگ نیز محسوب می شود و برای استفاده از آنها باید در زمینه مدیریت اطلاعات قدمی برداشت به همین دلیل نیاز به موتورهای جستجو بیش از پیش ضروری به نظر می رسد. موتورهای جستجو، کلمات کلیدی کاربر را دریافت می کنند و از الگوریتم های رتبه بندی که از اجزای اصلی یک موتور جستجو محسوب می شوند برای مرتب سازی اسناد بازیابی شده استفاده می کند. با ظهور وب معنایی، داده های پیوندی حجم وسیعی از اطلاعات ساختیافته را فراهم می آورند که دسترسی و استفاده از اطلاعات معنایی را برای استفاده انسان و ماشین آسان می سازد. وب معنایی تحولی عمده در شبکه جهانی وب است که محتوای وب سایت را معنی دار و قابل فهم برای ماشین می کند. این فن آوری داده های وب را به عنوان یک گراف به هم پیوسته از منابع اطلاعات که به عنوان داده های پیوندی شناخته می شوند درنظر می گیرد بر این اساس مقدار زیادی از داده های ساختیافته برای استفاده عمومی در دسترس هستند که شامل مجموعه های به هم پیوسته در حوزه های مختلف است.به دلیل در دسترس بودن حجم زیادی از داده های معنایی و نیاز به تفسیر و تجزیه تحلیل داده های موجود در وب نیاز به روشی داریم که کیفیت اطلاعات منتشر شده را مدیریت کند. در این مقاله بر آنیم که با تشخیص ارزش اطلاعات توسط داده های پیوندی یک درک کلی درباره اهمیت منابع معنایی بوجود آوریم که این امر منجر به فیلتر شدن اطلاعات با کیفیت کمتر در داده های وب معنایی می گردد.

نویسندگان

شبنم آذری

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات اصفهان

هادی خسروی فارسانی

عضو هیئت علمی دانشگاه شهرکرد

محمد رضا خیام باشی

عضو هیئت علمی دانشگاه اصفهان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • خسروی فارسانی، هادی (1391); رتبه بندی موجودیت در وب داده، ...
  • Baeza-Yates, R., and Ribeiro-Neto, B (1999); «Modern Information Retrieval», ACM ...
  • Duhan, D, Sharma, A, Kumar Bhatia, K (2009); «Page Ranking ...
  • Jain, Rekha, Purohit, Dr. G. N (2011); «page ranking Algorithms ...
  • Kho sravi-Farsani, H, Nematbakhsh, N and Lausen (2012); «SRank: Shortest ...
  • Lawrence, Page, Sergey, Brin, Rajeev, Motwani, and Winograd, Terry (1999); ...
  • Liu, T.-Y. Qin, Xiong, W. and LETOR (2007); «Benchmark dataset ...
  • Meymandpour, R., .oseph, G. (2013); «Linked Data In formativeness», S ...
  • Najork, Marc A. (2007); «Comparing the effectiveness ofhits and salsa», ...
  • Pound, J., Mika, P., Zaragoza, H (2010); «Ad-hoc Object Ranking ...
  • Xing, Wenpu, Ghorbani, Ali (2010); «Weighted PageRank Algorithm», IEEE, Proceedings ...
  • نمایش کامل مراجع