بهبود نتایج سیستم های تطبیق آنتولوژی ها با دسته بندی کننده های ترکیبی
محل انتشار: پانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,287
فایل این مقاله در 6 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:
ISCEE15_024
تاریخ نمایه سازی: 3 آذر 1391
چکیده مقاله:
نیاز به معنا بخشیدن به محتویات وب به گونه ای که برای ماشین های مختلف قابل فهم باشد، ایده اصلی ظهور وب معنایی است. اما باطراحی آنتولوژی ها، توسط افراد و سازمان های مختلف در حوزه های گوناگون، سطحی از ناهمگونی اطلاعات به سیستم تحمیل شده اسات کاه باا تطبیق صحیح آنتولوژی ها می توان این مشکل وب معنایی را نیز حل کرد. با وجود تحقیقات بسیاری که در ساا هاا ی اخی ار در زمینه ی تطبیقخودکار آنتولوژی ها انجام شده، چالش بزرگ تعامل میان آنتولوژی ها در شرایط گوناگون همچنان به قوت خود باقی اسات. در ای ان مقاله در سیستمی به نام MuLCOM++ با استفاده از روش ترکیبی یادگیری ماشین، آدابوست، سیستم های موجود در تطبیق انتولوژ یهابا یکدیگرترکیب می شوند. بدین ترتیب تطبیق گرهای مختلف نقاط ضعف یکدیگر را پوشش می دهند. نتایج به دست آمده، افزایش دقت و کارایی این روش نسبت به سایر تطبیق گرهای مجزا را نشان می دهد
کلیدواژه ها:
نویسندگان
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 :