بررسی روش های استخراج اطلاعات مبتنی بر یادگیری ماشین و مهندسی دانش

زبان طبیعی ابزار اصلی بیان مفاهیم برای انسان است و گفتار یا نوشتار را می توان رسانه انتقال آن دانست. در مقابل ماشین با این زبان نا آشنا است و نیازمند ترجمه آن به حوزه اطلاعات است. با توجه به اینکه در دهه های اخیر اطلاعات متنی در اینترنت رشد سریعی داشته و بخش قابل توجهی از این اطلاعات (اخبار آنلاین،مقالات علمی وکتب و....) به صورت غیر ساخت یافته و ناهمگن می باشد واطلاعات غیرساخت یافته قابل خواندن، سازماندهی و تحلیل توسط ماشین ها نیستند. برای اینکه بتوان از بین این حجم عظیم اطلاعات، انسان را درفهم و یافتن اطلاعات مورد نیاز یاری کرد باید بتوان متن غیرساخت یافته را به اطلاعات ساخت یافته تبدیل کرد. در نتیجه وجود فناوری استخراج اطلاعات الزامی است. سیستم های استخراج اطلاعات با تبدیل اطلاعات به صورت ساخت یافته فهم آن را برای ماشین آسان و به انسان در درک بهتر این اطلاعات کمک می کنند. در این راستا استخراج اطلاعات دو روش کلی یادگیری ماشین و مهندسی دانش را معرفی می کند. یادگیری ماشین شامل روش های با ناظر که با مقادیر زیادی داده آموزشی کار می کنند، روش های بدون ناظر اغلب از خوشه بندی استفاده می کند و روش های نیمه ناظر با استفاده از هسته ها بوجود آمدند. روش استخراج آزاداطلاعات نیز یکی دیگر از روش ها است که در مواردی که هدف کشف همه حقایق برجسته از متن بزرگ و متنوع است استفاده می شود. مهندسی دانش نیز شامل روش های استخراج الگو که از رویکرد تطبیق الگو برای شناسایی بخش لازم متن استفاده می کند و روش مبتنی بر قاب که در آن متون هم موضوع دریک خوشه قرار می گیرند تا برای هرکدام از آن ها قالبی با نقش های معنایی مشخص شود. هدف ما در این مقاله نقد و بررسی روش های استخراج اطلاعات(یادگیری ماشین و مهندسی دانش) می باشد.

کلیدواژه ها:

استخراج اطلاعات ، استخراج آزاد اطلاعات ، یادگیری ماشین ، مهندسی دانش