ارائه يك الگوريتم مستقل از زبان در جهت ابهام‌زدايي واژگان در فضاي بازيابي اطلاعات، با رويكرد پيونددهي موجوديت و با استفاده از دانشنامه ويكي و كاربست آن در زبان فارسي

كارشناسي ارشد

علم بازيابي اطلاعات در جهت كشف يك سري حقايق و اطلاعات از متون و دادههاي خام مي‌باشد. يكي از رويكردهاي اين علم، رتبه‌بندي مستندات در جهت رسيدن به اطلاعات است. با اتكا به پيونددهي موجوديت كه فرايندي شامل استخراج موجوديت‌ها در متون است و آن‌ها را به موجوديت‌هاي مرتبط در پايگاه دانش پيوند مي‌دهد، مي‌توان اين رويكرد را محقق نمود. اين فرايند به نوعي مرتبط با علم بازيابي اطلاعات است و مي‌تواند عملكرد شبكه‌هاي دانش، تركيب دانش، پردازش زبان طبيعي و جمعيت پايه دانش كه به معني شلوغ كردن و تكميل پايگاه دانش با عناصر مربوط به دانش است را بهبود بخشد. چند موجوديت متفاوت، ممكن است نام‌هاي مشابهي داشته باشند، مانند دو شخص متفاوت كه از نام يكساني ممكن است برخوردار باشند؛ در حالي كه در سامانه پيونددهي موجوديت‌ها بايد از هم تشخيص داده شوند. به همين دليل اطلاعات مربوط به هر موجوديت مي‌تواند نقش اساسي در تصميم‌گيري درست بين موجوديت‌ها ايفا كند. هدف اكثر روش‌هاي موفق پيونددهي موجوديت، ارتباط دادن نام‌ها به موجوديت‌هاي مرجع آن، در يك پايگاه دانش ساختاريافته است. الگوريتم‌ مورد بررسي در اين پژوهش، يك روش بي‌ناظر است كه بر روي داد‌گان فارسي و انگليسي با استفاده از پايگاه دانش ويكي‌پديا عمل مي‌كند. همچنين از روش توليد كانديداي اين الگوريتم براي بهبود موتورهاي جستجو استفاده مي‌شود. در الگوريتم ارائه شده، موجوديت‌هاي نامزد انتخاب شده، از طريق شيوه امتيازدهي مبتني بر ويكي‌پديا و روابط بين مقالات، تا دو سطح سنجيده شده و در نهايت موجوديت با بيشترين امتياز انتخاب مي‌شود. در اين پايان‌نامه دقت الگوريتم ارائه شده نسبت به كارهاي مشابه مورد بررسي، بيشتر است و ميزان سنجه-اف روي مجموعه داده پارس.اي.ال.سوشال 91.4% مي‌باشد.

196509

دانشگاه علم و صنعت ايران

مهندسي نرم افزار

دكتر بهروز مينايي بيدگلي