یک متاتطبیق دهنده آنتولوژی مبتنی بر روش های یادگیری ماشین
نویسند‌گان:
خلاصه مقاله:
در وب معنایی، آنتولوژی نقش مهمی در ارائه ی تعاریف رسمی از مفاهیم و روابط برعهده دارد. بنابراین داشتن آنتولوژی های مشابه، نه کاملاً یکسان، در یک دامنه ی خاص اجتناب ناپذیر است، زیرا ممکن است برای یک مفهوم معانی مختلفی وجود داشته باشد. از این رو تطبیق این گونه آنتولوژی ها یکی از مباحث مطرح در حوزه ی وب معنایی می باشد. برای انجام عمل تطبیق از روش های گوناگونی استفاده می شود، که هر کدام از آن ها دارای مزایا و معایبی است. تحقیقات اخیر به استفاده از روش های یادگیری ماشین در تطبیق آنتولوژی ها پرداخته است. روش های یادگیری ماشین، یک مدل ریاضی از داده را ایجاد می نمایند و براساس آن، نمونه های جدید از همان داده را دسته بندی می کنند. در این مقاله یک متاتطبیق دهنده ی آنتولوژی معرفی می گردد که از یک روش ترکیبی یادگیری ماشین برای دسته بندی استفاده می نماید. نتایج حاصل از آزمایش نشان می دهد که متاتطبیق دهنده از کارایی بالاتری نسبت به روش های تطبیق مجزا برخوردار است.
کلمات کلیدی:
تطبیق آنتولوژی، یادگیری ماشین، دسته بندی کننده، AdaBoost ، SVM
نحوه استناد به این مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حقیقی، مهری و سید عبدالمجید موسوی، 1392، یک متاتطبیق دهنده آنتولوژی مبتنی بر روش های یادگیری ماشین، همایش ملی مهندسی کامپیوتر و توسعه پایدار با محوریت شبکه های کامپیوتری، مدل سازی و امنیت سیستمها، مشهد، موسسه آموزش عالی خاوران.
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حقیقی، مهری و سید عبدالمجید موسوی، 1392)
برای بار دوم به بعد: (حقیقی و موسوی، 1392)
یک متاتطبیق دهنده آنتولوژی مبتنی بر روش های یادگیری ماشین