وب معنایی و هستاننگاری (آنتولوژی)
زینب صباغی بیدگلی؛ عاطفه شریف؛ فاطمه زندیان
چکیده
ظهور وب معنایی در جهت تحقق بازیابی معنایی اطلاعات است و در حال حاضر در دادههای پیوندی تجلی یافتهاست. کتابخانهها در تولید و مدیریت دادههای مستند و معتبر فراوانی نقش دارند و میتوانند نقشی مؤثر در نظامهای اطلاعاتی پیشرو ایفا کنند و میتوانند با اجرایی کردن دادههای پیوندی گامی در این مسیر بردارند. هدف از انجام این پژوهش ...
بیشتر
ظهور وب معنایی در جهت تحقق بازیابی معنایی اطلاعات است و در حال حاضر در دادههای پیوندی تجلی یافتهاست. کتابخانهها در تولید و مدیریت دادههای مستند و معتبر فراوانی نقش دارند و میتوانند نقشی مؤثر در نظامهای اطلاعاتی پیشرو ایفا کنند و میتوانند با اجرایی کردن دادههای پیوندی گامی در این مسیر بردارند. هدف از انجام این پژوهش ارائه چارچوبی برای انتشار و تبدیل سرعنوانهای موضوعی فارسی مورداستفاده کتابخانه ملی ایران بهصورت دادههای پیوندی و ایجاد پیوند با مجموعه دادهای مشابه است. پژوهش حاضر از نوع کاربردی است؛ با استفاده از روش کتابخانهای به طراحی چارچوبی برای انتشار سرعنوانهای موضوعی پرداخته و برای اطمینان از امکان انتشار دادهها، روش موردنظر مورد پیادهسازی قرار گرفتهاست. بدین ترتیب ابتدا دادههای موضوعی فارسی مورد پاکسازی و ویرایش قرار گرفتند، سپس با نرمافزار اپنریفاین به آر.دی.اف تبدیل شدند و با سرعنوانهای موضوعی کتابخانه کنگره پیوند دریافت کردند. دادههای موردمطالعه پس از نگاشت به اسکاس به یک فایل آر.دی.اف در قالب ترتل تبدیل شدند. فایل تبدیلشده ابتدا وارد مخزن آر.دی.اف جینا فوسکی شد و سپس در رابط کاربری اسکاسموس در محیط وب نمایش داده شد. بهطورکلی این چارچوب میتواند در فرایند انتشار دادههای مستند کتابخانه ملی در قالب دادههای پیوندی مورداستفاده قرار گیرد. در این چارچوب امکان برقراری پیوند با مجموعه دادههای مشابه نیز در نظر گرفته شدهاست و پیادهسازی نمونهای از دادهها با موفقیت انجام پذیرفت.
رضا دهخدایی؛ عاطفه شریف
چکیده
منابع با سرعت بسیار زیادی در حال رشد و انتشار هستند و در این میان سهم منابع دیجیتال و وبی بسیار مشهود است. به منظور سازماندهی این منابع، تلاشهایی برای ردهبندی خودکار صورت گرفته که غالبا از الگوریتمهای آماری و یادگیری ماشینی استفاده میکنند. همچنین در برخی منابع، استفاده از ردهبندیهای کتابخانهای نیز توصیه شده است. اصلیترین ...
بیشتر
منابع با سرعت بسیار زیادی در حال رشد و انتشار هستند و در این میان سهم منابع دیجیتال و وبی بسیار مشهود است. به منظور سازماندهی این منابع، تلاشهایی برای ردهبندی خودکار صورت گرفته که غالبا از الگوریتمهای آماری و یادگیری ماشینی استفاده میکنند. همچنین در برخی منابع، استفاده از ردهبندیهای کتابخانهای نیز توصیه شده است. اصلیترین چالشی که در این زمینه وجود دارد آن است که ردهبندی، فرآیندی انتزاعی و نیازمند تفکر است و تکنیکهای ماشینی و هوش مصنوعی هنوز نتوانستهاند به طور کامل جایگزین ذهن انسان شوند. در این مقاله ضمن بیان اهمیت ردهبندی خودکار به مفاهیم یادگیری ماشینی و تکنیکها و الگوریتمهای پرکاربرد در خوشهبندی و ردهبندی مانند کا- نزدیکترین همسایه، مدل بیز، شبکههای عصبی مصنوعی، یادگیری عمیق، و طبقهبندیهای ترکیبی پرداخته شد. همچنین مراحل ردهبندی خودکار صفحات وب و تکنیکهای مورد استفاده در هر مرحله مورد اشاره قرار گرفت. رسیدن به درک روشنتری از موضوع ردهبندی خودکار، امکان همزبانی با متخصصان حوزه هوش مصنوعی و کامپیوتر را فراهم آورده و زمینهساز پژوهشهای میانرشتهای خواهد بود.