داده کاوی مبتنی بر دانش با استفاده از وب معنایی

چکیده

کلمات کلیدی

1. مقدمه

شکل 1. مدل وب کاوی پیشنهادی تحت چارچوب عامل معنایی

2. مدل پیشنهادی

3. جستجو مبتنی بر هستی شناسی  

3.1. مطالعه موردی: اطلاعات هیات علمی دانشگاه

شکل 2. انواع ویژگیهای OWL

3.2. اجزای هستی شناسی OWL

4. نتیجه گیری

شکل 3. کسب دانش ساده

شکل 4. کشف دانش نامشخص

وب معنایی نوعی وب سرویس دقیقتر ارائه می کند که تمام داده ها را بر روی وب به شیوه ای منظم هماهنگ و مرتب می کند. در داده کاوی بر اساس وب، دقت انتخاب داده های ضروری با توجه به تقاضای کاربر و انتخاب آنها برای خروجی به عنوان اقدامی مهم و چالش برانگیز در طول سالها در نظر گرفته می شود. این مقاله رویکردی برای نقشه برداری داده ها در سراسر وب 3.0 از طریق هستی شناسی پیشنهاد می کند و از طریق عامل هوشمند به داده های مورد نیاز دسترسی می یابد. عامل تمام داده های جستجو شده مربوط به پرس و جوی کاربر را که کاربر از طریق آن می تواند اطلاعات مورد نظر را پیدا کند ارائه می کند. وقتی کاربر پارامترهای جستجوی کافی را در اختیار نداشته باشد، دانش می تواند از طریق اطلاعات ارائه شده توسط عامل درک شود. استخراج چنین دانشی ناشناخته ای از طریق مفاهیم موجود می تواند با استخراج وب معنایی به دست آید. ما نوعی مدل وب کاوی مبتنی بر عامل هوشمند را ارائه می کنیم که از طریق آن پرس و جوی کاربر با روش های سنتی موجود مانند گوگل بررسی می شود. عامل هوشمند داده های جستجو شده را بررسی می کند و تنها داده هایی را استخراج می کند که از لحاظ معنایی مربوط به پارامتر جستجوی کاربر هستند. مطالعه موردی کارهای در حال پیشرفت اطلاعات هيئت علمى دانشگاه برای بررسی اثربخشی مدل پیشنهادی ارائه شده است.

با وجود پیشرفتهای سریع مداوم و برنامه های گسترده اینترنت با مقدار عظیمی از اطلاعات که در وب توزیع شده اند مواجه می شویم. جستجوی مبتنی بر رشته معمولی اغلب قادر به پیدا کردن صفحات مربوطه نیست و بسیاری از صفحات بی ربط را از طریق درخواست کاربر بازخورد می کند. مشکل معمول برای یک کاربر این است که «همه چیز در وب موجود است، اما موضوع این است که ما فقط نمی توانیم صفحات مورد نیازمان را پیدا کنیم»[1]، این موضوع تا حدی درست است، چون بسیاری از داده ها بر روی وب بصورت پراکنده، بدون ساختار، اغلب متناقض و نا کافی هستند. مجموعه داده ها با یکدیگر پیوسته نیستند و باعث می شوند که مدیریت فرایند استخراج حتی سخت تر شود. کشف دانش ناشناخته در WEB2.0 تقریبا غیر ممکن است، چون هیچ رابطه ای میان مجموعه داده ها قرار ندارد که باعث شود نتیجه وب کاوی سنتی تقریبا غیر رضایتبخش باشد. برای استخراج بهبود یافته، مردم در حال حاضر به سمت web3.0 متمایل شده اند. در اینجا اطلاعات به شیوه ای مشخص و ساخت یافته ارائه شده اند و ماشین آلات و انسانها را قادر به همکاری با یکدیگر می کنند. داده ها در وب معنایی از طریق هستی شناسی به همدیگر پیوسته می شوند که باعث می شود فرایندهای کشف، مکانیزاسیون و جذب موثر امکانپذیر شوند. این داده ها ماشین های قابل خواندن هستند و می توانند به اشتراک گذاشته شده و توسط ابزارهای خودکار و همچنین مردم پردازش شوند. شبکه وب معنایی نوعی معماری لایه دار است [2] [3] که از سطوح مختلفی تشکیل شده است. در این معماری لایه لایه،) [4] RDF چارچوب توصیف منابع) و طرح RDF نوعی مدل معنایی ارائه می کند که برای توصیف اطلاعات بر روی وب و نوع آن استفاده می شود. زبان پرس و جوی SPARQL [5] RDF می تواند برای پرس و جوی هر نوع داده مبتنی بر RDF استفاده شود (یعنی شامل اظهارات مربوط به RDFS و OWLاست[6] ). لایه واژگان هستی شناسی دانش اشتراکی را تعریف می کند و روابط معنایی بین انواع مختلف اطلاعات را توصیف می کند. هستی شناسی به عنوان ستون فقرات [7] [8] برای معماری وب معنایی در نظر گرفته شده است، چون معناشناسی و دامنه قابل اشتراکی را فراهم می کند که می تواند ارتباط بین مردم و برنامه های مختلف را تسهیل کند. وب معنایی بر چشم انداز غنی سازی وب سایت از طریق اطلاعات دستگاه قابل پردازش استوار است. به عنوان مثال، موتورهای جستجوی امروز در حال حاضر بسیار قدرتمند هستند، اما کارکرد لیستهای جستجو هنوز هم در اغلب موارد بیش از حد بزرگ و یا ناکافی است. اطلاعات ماشین قابل پردازش می تواند مسیر موتور جستجو را به صفحات مربوطه هدایت کند و در نتیجه می تواند هم مانعیت و هم جامعیت را بهبود بخشد. داده کاوی فرایند استخراج دانش مفید و جالب توجه بواسطه مقدار زیادی از اطلاعات است. هدف وب کاوی کشف بینشهایی در مورد معنای منابع وب و استفاده از آنها است. با توجه به ماهیت نحوی اولیه اطلاعات در حال استخراج، کشف معنا بر اساس داده های صرف غیر ممکن است. بنابراین انطباق معناشناسی وب سایت ها و رفتار ناوبری بصورت هر چه بیشتر در حال عادی شدن است. وب کاوی معنایی وب معنایی و وب کاوی را با هم ترکیب می کند. ماهیت بیشتر داده ها بر روی وب بسیار بدون ساختار است، بطوری که فقط می توانند توسط انسان درک شوند، اما مقدار داده آنقدر حجیم است که فقط می توانند به طور کار امد با ماشین آلات پردازش شوند. وب معنایی بخش اول این چالش را با غیر قابل فهم کردن دستگاه داده ها (همچنین) بررسی می کند، در حالی که وب کاوی بخش دوم را با استخراج (نیمه) خودکار دانش مفید نهان در این داده ها بررسی می کند و آن را به عنوان تراکم نسبتهای قابل کنترل در دسترس قرار می دهد. در عوض داده کاوی، وب معنایی استخراج دانش را بر روی وب قادر می سازد. امکانات عامل هوشمند [9] کاربران را قادر می سازند تا نتایج مورد نظر را برای همه اصطلاحات مرتبط و ممکن با توجه به نیازمندی هایشان پیدا کنند. این مقاله بر چگونگی توانایی یک عامل بر تشخیص تمام نهادهای احتمالی از طریق هستی شناسی در طول وب کاوی متمرکز شده است [10] که مربوط به درخواست پرس و جوی کاربران انها به صورت خودکار است و کاربران را قادر به کشف دانش ناشناخته می سازد. با توجه به ادامه مقاله در بخش 2، نخست مدل پیشنهادی وب کاوی معنایی را مشخص کرده و مراحل چگونگی توانایی مدل در استفاده از آن را نشان می دهیم. در بخش زیر به طور خلاصه مطالعه موردی کارهای در حال توسعه نمایش مبتنی بر وب معنایی را در اطلاعات هيئت علمى دانشگاه بیان می کنیم. ما به طور خلاصه توصیف می کنیم که چگونه یک عامل هوشمند می تواند برای دست یابی به دانش ناشناخته با حمایت از هستی شناسی استفاده شود. در نهایت مقاله مان را با خلاصه کردن اقدامات و ترسیم طرح آینده خویش به پایان می رسانیم.