استخراج معنایی داده های کلان جغرافیایی از جدول های وب
محل انتشار: دومین کنفرانس ملی توسعه علوم مهندسی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,113
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AIHE09_205
تاریخ نمایه سازی: 22 مهر 1394
چکیده مقاله:
با افزایش رو به رشد نمایی اطلاعات و حجم بزرگی از آنها که به وجود می آید، روز به روز نیاز به پردازش و تحلیل این داده های حجیم بیشتر و بیشتر می شود. مشکل این دادههای کلان به وجود آمده این است که زمان محدودی برای پردازش آنها داریم که این کار با یک ماشین یا غیرممکن است یا نیاز به زمانی فراتر از زمان انتظار دارد. میلیون ها جدول وب با داده جغرافیایی وجود دارد که مربوط به یکپارچگی داده کلان با دامنه های کاربردی متنوعی است، مانند شبکه های انتقال، سلامت عمومی و غیره که این جدول ها ساختار، مفاهیم و متادیتای ناهمگنی دارند. یکز از چالش های استخراج معنایی داده جغرافیایی برای حل این مشکل ناهمگنی این است که احتیاج است تا سلسله مراتب مفهمی، مفهومی، متادیتای در ارتباط با نمونه ها و اطلاعات جغرافیایی را کشف کند که این ها به ترتیب به آنتولوژی ها، عناصری که ما آنها را ویژگی می نامیم و مقادیر سلولی که می تواند به این منظور استفاده شود که مختصات جغرافیایی را مشخص می کند، مربوط می شوند. در این مقاله، یک معماری یا متدی ارائه می کنیم که 1-جدول های وب با ویژگی غنی را استخراج می کند. 2-ویژگی ها را مشخص می کند. 3-یک schema و نمونه هایی را با استفاده از RDF می سازد. 4-Geocoding که روشی برای تهیه یک صفحه گرافیکی اطلاعات در رابطه با یک ناحیه جغرافیایی است را اجرا می کند. آزمایش های انجام گرفته نشان از این دارد که در تشخیص جدول و نامگذاری ویژگی حتی با مقایسه نسبت به ارزیابی دستی از دقت بالاتری برخوردار می باشد.
کلیدواژه ها:
نویسندگان
وحید فاضلی نیا
دانشجوی کارشناسی ارشد، کامپیوتر نرم افزار، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
احمد ابراهیم مقدم
دانشجوی کارشناسی ارشد، کامپیوتر نرم افزار، دانشگاه بین المللی امام رضا (ع)، مشهد، ایران
مهرداد جلالی
عضو هیئت علمی، کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد مشهد، ایران
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 :