ساخت خودكار پايگاه‌هاي دانش با استفاده از تكنيك‌هاي استخراج آزاد اطلاعات

دكترا

استخراج خودكار اطلاعاتِ ساخت‌يافته از سندهاي متني بدون ساختار بدون محدودشدن به دامنه‌ي ازپيش‌تعيين‌شده، استخراج آزاد اطلاعات ناميده مي‌شود. موجوديت‌ها و گزاره‌هاي مشخص ممكن است به شكل‌هاي گوناگون در اطلاعات توليدشده توسط استخراج‌گرهاي آزاد اطلاعات ظاهر شوند، اما كانوني‌سازي اين اطلاعات (نگاشت آن‌ها به موجوديت‌ها و روابط گراف دانش) مي‌تواند منجر به ساده‌تر شدن، دقيق‌تر شدن، و سريع‌تر شدن عمليات‌هاي پردازش دانش همچون بازيابي دانش، استدلال خودكار، و بازنمايي دانش گردد. هدف از استخراج آزاد دانش، توليد سه‌تايي‌هاي گراف‌دانشي موجوديت-رابطه-موجوديت بدون محدودشدن به دامنه‌ي ازپيش‌تعيين‌شده مي‌باشد. مهمترين نوآوري اين پژوهش، ارائه‌ي يك رويكرد جديد براي استخراج آزاد دانش است. اين رويكرد با كانوني‌سازي سه‌تايي‌هاي توليد شده توسط استخراج آزاد اطلاعات و همجوشي آن با ساير روش‌هاي استخراج آزاد دانش، باعث بهبود عملكرد كلي فرآيند استخراج آزاد دانش بر اساس معيار F1 شده است. علاوه بر رويكرد جديد ارائه شده، چند روش نوآورانه نيز در اين پژوهش ارائه شده است. به عنوان نوآوري روشي اول، در اين رساله با بازكاربست يك پيمانه‌ي همجوشي موجود در مرز دانشي براي استخراج اطلاعات، يك پيمانه‌ي همجوشي مستقل از آستانه را در مسئله استخراج آزاد دانش معرفي نموده‌ايم. نوآوري ديگر عبارت است از ارائه‌ي يك روش جديد مستقل از زبان و بي‌ناظر براي پيونددهي موجوديت. اين روش تنها با استفاده از متن مقالات ويكي‌پديا و پيوندهاي دروني ميان صفحات، عمليات ابهام زدايي موجوديت را انجام مي‌دهد. در اين روش، غير از داده‌هاي موجود در ويكي‌پديا، نياز به نظارت انساني يا ساخت پيكره‌ي متني ديگري وجود ندارد و قابل اعمال شدن به زبان‌هاي كم‌منبع مي‌باشد. نوآوري بعدي اين پژوهش، ارائه‌ي يك روش جديد براي استفاده توأمان از تجزيه‌ي وابستگي و تجزيه‌ي سازه‌اي براي عمليات «استخراج آزاد دانش با استفاده از استخراج آزاد اطلاعات» است. به عنوان نوآوري ديگر، يك روش جديد براي كانوني‌سازي روابط توليد شده توسط استخراج‌گر آزاد اطلاعات، به گزاره‌هاي گراف دانش معرفي شده است. اين روش با كمك داده‌هاي توليد شده توسط استخراج‌گر دورناظر دانش، يك رده‌بند را براي كانوني‌سازي روابط آموزش مي‌دهد. استفاده از عبارات منظم توكن محور، كه توسط افراد خبره توسعه داده شده و توسط يك آزمايشگاه زبان‌شناسي معتبر تاييد شده‌اند، براي استخراج آزاد دانش در زبان فارسي نوآوري ديگر پيشنهاد شده در اين رساله است. آخرين نوآوري معرفي شده در اين رساله، ارائه‌ي روشي است به منظور بهبود معيار F1 در مسأله‌ي استخراج آزاد دانش در زبان فارسي. همچنين در اين رساله اولين مجموعه‌ي داده‌ي طلايي استخراج آزاد دانش در زبان فارسي ارائه شده است. نتايج آزمايش‌ها حاكي از برتري رويكرد ارائه شده نسبت به ساير رويكرد‌هاي مرز دانشي، و نيز برتري روش‌هاي ارائه شده نسبت به روش‌هاي موجود در مرزهاي دانش مي‌باشد.

211845

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر- هوش مصنوعي و رباتيك

بهروز مينايي بيدگلي