پروژه ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت ﺑﺮای وب ﻣﻌﻨﺎﯾﯽ

پروژه تحقیقاتی ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت ﺑﺮای وب ﻣﻌﻨﺎﯾﯽ Information retieval for Semantic web

سمینار دانلودی کارشناسی ارشد ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت وب ﻣﻌﻨﺎﯾﯽ

در 74 صفحه ورد قابل ویرایش با فرمت doc

ﭼﮑﯿﺪه

ﺑﺎ ﻇﻬﻮر وب، داده ﻫﺎ و اﻃﻼﻋﺎت زﯾﺎدی در ﻣﻮﺿﻮﻋﺎت ﻣﺨﺘﻠﻒ در اﺧﺘﯿﺎر ﻫﻤﮕﺎن ﻗﺮار ﮔﺮﻓﺘﻪ اﺳﺖ. اﯾﻦ داده ﻫﺎ ﮐﻪ اﮐﺜﺮا در ﻗﺎﻟﺐ ﻓﺎﯾﻞ ﻫﺎی HTML اراﺋﻪ ﺷﺪه اﻧﺪ، ﻓﺮﺻﺖ ﻣﻨﺎﺳﺒﯽ را در اﺧﺘﯿﺎر ﮐﺎرﺑﺮان وب ﻗﺮار داده ﺗﺎ ﺑﺘﻮاﻧﻨﺪ ﺑﺎ ﺟﺴﺘﺠﻮی ﮐﻠﻤﺎت ﮐﻠﯿﺪی ﻣﻨﺎﺳﺐ ﺑﻪ داده ﻫﺎی ﻣﻮرد ﻧﯿﺎز ﺧﻮد دﺳﺖ ﯾﺎﺑﻨﺪ. اﻣﺎ اﻣﺮوزه ﺑﺎ وﺟﻮد اﻧﺒﻮﻫﯽ از اﻃﻼﻋﺎت ﮔﻮﻧﺎﮔﻮن در وب، ﺟﺴﺘﺠﻮ ﺑﺮ اﺳﺎس ﮐﻠﻤﺎت ﮐﻠﯿﺪی، ﻣﺎ را ﺑﻪ ﺗﻌﺪاد زﯾﺎدی ﺻﻔﺤﻪ وب ﻣﯽ رﺳﺎﻧﺪ ﮐﻪ ﯾﺎﻓﺘﻦ اﻃﻼﻋﺎت ﻣﻮرد ﻧﯿﺎز در آن دﺷﻮار و زﻣﺎﻧﺒﺮ اﺳﺖ. وب ﻣﻌﻨﺎﯾﯽ ﺟﻬﺖ رﻓﻊ ﻣﺸﮑﻼﺗﯽ از اﯾﻦ ﻗﺒﯿﻞ ﺑﻪ ﻋﻨﻮان ﻧﺴﻞ ﺟﺪﯾﺪ وب ﺟﺎری، ﺗﻮﺳﻂ آﻗﺎی ﺗﯿﻢ ﺑﺮﻧﺮز ﻟﯽ ﻣﻌﺮﻓﯽ ﺷﺪ.

وب ﻣﻌﻨﺎﯾﯽ ﺑﻪ ﻋﻨﻮان ﺷﺎﺧﻪ ﺟﺪﯾﺪی از وب ﺟﺎری ﻻزم دارد ﺗﺎ ﺑﻪ اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب دﺳﺘﺮﺳﯽ داﺷﺘﻪ ﺑﺎﺷﺪ. اﻣﺎ اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب ﺟﻬﺖ ﻧﻤﺎﯾﺶ آن ﺑﻪ اﻧﺴﺎن ﻫﺎ ﺳﺎزﻣﺎﻧﺪﻫﯽ ﺷﺪه اﻧﺪ. ﻟﺬا ﺑﺮای اﺳﺘﺨﺮاج اﻗﻼم اﻃﻼﻋﺎﺗﯽ از اﺑﺰاری ﺑﻨﺎم Wrapper اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد. در اﯾﻦ ﻧﻮﺷﺘﻪ ﺑﺮ اﺳﺘﺨﺮاج از ﻣﻨﺎﺑﻊ اﻃﻼﻋﺎﺗﯽ ﺗﻤﺮﮐﺰ ﻣﯽ ﮐﻨﯿﻢ و اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﻣﺒﺘﻨﯽ ﺑﺮ ﯾﮏ Crawler ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ آﻧﺘﺎﻟﻮژی داﻣﻨﻪ ﺑﻪ ﺷﻨﺎﺳﺎﯾﯽ اﻗﻼم اﻃﻼﻋﺎﺗﯽ ﻣﯽ ﭘﺮدازد را ﭘﯿﺸﻨﻬﺎد ﻣﯽ ﮐﻨﯿﻢ.

ﮐﻠﻤﺎت ﮐﻠﯿﺪی : وب ﻣﻌﻨﺎﯾﯽ، ﺣﺎﺷﯿﻪ ﮔﺬاری ﻣﻌﻨﺎﯾﯽ، آﻧﺘﺎﻟﻮژی، RDF، ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت، Wrapper

ﻣﻘﺪﻣﻪ

در اﯾﻦ ﺑﺨﺶ ﺑﻪ ﺑﺮرﺳﯽ ﻣﺸﮑﻞ وب ﺟﺎری ﭘﺮداﺧﺘﻪ و وب ﻣﻌﻨﺎﯾﯽ را ﺑﻪ ﻋﻨﻮان ﯾﮏ راه ﺣﻞ ﻣﻌﺮﻓﯽ ﻣﯽ ﮐﻨﯿﻢ. ﺳﭙﺲ ﯾﮑﯽ از ﭼﺎﻟﺶ ﻫﺎی ﻣﻮﺟﻮد در وب ﻣﻌﻨﺎﯾﯽ را ﺗﺸﺮﯾﺢ ﮐﺮده و ﻣﺤﺪوده ﺑﺤﺚ ﺧﻮد را ﻣﺸﺨﺺ ﻣﯽ ﮐﻨﯿﻢ.

ﻣﺸﮑﻞ وب ﮐﻨﻮﻧﯽ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ رﺷﺪ روز اﻓﺰون وب و ﺑﺎ وﺟﻮد 400 ﻣﯿﻠﯿﻮن وب ﺳﺎﯾﺖ و ﭼﻨﺪﯾﻦ ﻣﯿﻠﯿﺎرد ﻣﻨﺎﺑﻊ اﻃﻼﻋﺎﺗﯽ (ﺷﺎﻣﻞ ﺻﻔﺤﺎت HTML، ﻓﺎﯾﻞ ﻫﺎی ﺻﻮﺗﯽ و وﯾﺪﺋﻮﯾﯽ، ﺗﺼﺎوﯾﺮ ﻓﺎﯾﻞ ﻫﺎی XML، RSS و ﻏﯿﺮه)، ﻋﻤﻼ وب ﺟﺎری ﺑﻪ ﯾﮏ ﮐﺘﺎﺑﺨﺎﻧﻪ ﺑﺰرگ از ﻣﻨﺎﺑﻊ و اﻃﻼﻋﺎت ﻣﺨﺘﻠﻒ ﺗﺒﺪﯾﻞ ﺷﺪه اﺳﺖ.

آﺷﻨﺎﯾﯽ ﺑﺎ اﺟﺰای اﺳﺎﺳﯽ وب ﻣﻌﻨﺎﯾﯽ

وب ﻣﻌﻨﺎﯾﯽ ﺑﺮای ﺗﺒﺪﯾﻞ ﺷﺪن ﺑﻪ واﻗﻌﯿﺖ ﺑﺮ ﭘﺎﯾﻪ اﺳﺘﺎﻧﺪاردﻫﺎ و ﺗﮑﻨﻮﻟﻮژی ﻫﺎی ﻣﺘﻨﻮﻋﯽ اﺳﺘﻮار اﺳﺖ ﮐﻪ ﻣﻬﻤﺘﺮﯾﻦ آﻧﻬﺎ ﻋﺒﺎرﺗﻨﺪ از: URI، XML، RDF، Ontology، .Agent

(Universal Resource Identifier) URI

در وب ﺑﺎ ﻣﻨﺎﺑﻊ ﺑﺴﯿﺎر ﻣﺘﻨﻮﻋﯽ ﺑﺮﺧﻮرد ﻣﯽ ﮐﻨﯿﻢ ﮐﻪ ﻻزم اﺳﺖ روﺷﯽ اﺳﺘﺎﻧﺪارد ﺑﺮای ﻧﺎﻣﮕﺬاری آن ﻫﺎ ﺑﯿﺎﺑﯿﻢ ﺑﻄﻮرﯾﮑﻪ ﻫﺮ ﻧﺎﻣﯽ ﮐﻪ ﺑﻪ ﯾﮏ ﻣﻨﺒﻊ ﺗﺨﺼﯿﺺ داده ﻣﯽ ﺷﻮد ﯾﮑﺘﺎ ﺑﻮده و ﺗﻨﻬﺎ ﺑﺮای ﻫﻤﺎن ﯾﮏ ﻣﻨﺒﻊ اﺳﺘﻔﺎده ﮔﺮدد. ﺑﺮای اﯾﻦ ﻣﻨﻈﻮر از URI اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﯿﻢ. URI در واﻗﻊ ﯾﮏ رﺷﺘﻪ ﻓﺮﻣﺖ ﺷﺪه اﺳﺖ ﮐﻪ ﻣﻌﻤﻮﻻ ﺑﺮای ﺷﻨﺎﺳﺎﯾﯽ ﯾﮏ ﻣﻨﺒﻊ در اﯾﻨﺘﺮﻧﺖ اﺳﺘﻔﺎده ﻣﯽ ﺷﻮد. ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل URI زﯾﺮ ﺑﻪ ﯾﮏ ﺻﻔﺤﻪ وب اﺷﺎره دارد (ﺑﻪ URI ﻫﺎﯾﯽ ﮐﻪ ﺑﻪ ﯾﮏ ﺻﻔﺤﻪ وب اﺷﺎره دارﻧﺪ، URL ﻧﯿﺰ ﮔﻔﺘﻪ ﻣﯽ ﺷﻮد)

http://www.MyHomePage.com/index.aspx URI زﯾﺮ ﻧﯿﺰ ﺑﻪ ﻋﻨﺼﺮ Actions در داﺧﻞ ﻣﻨﺒﻊ Books.OWL، اﺷﺎره دارد:

http://www.MyHomePage.com/Books.OWL#Actions

اﻣﺎ ﻣﻨﻈﻮر از ﻣﻨﺒﻊ ﭼﯿﺴﺖ؟ ﯾﮏ ﻣﻨﺒﻊ ﻣﯽ ﺗﻮاﻧﺪ ﯾﮏ ﻣﻮﺟﻮدﯾﺖ اﻟﮑﺘﺮوﻧﯿﮑﯽ (ﻣﺎﻧﻨﺪ ﻓﺎﯾﻞ) ﯾﺎ ﯾﮏ ﻣﻔﻬﻮم (ﻣﺎﻧﻨﺪ اﻧﺮژی) ﺑﺎﺷﺪ. ﺑﻄﻮر ﮐﻠﯽ ﻫﺮ ﭼﯿﺰی ﮐﻪ ﻗﺎﺑﻞ ﺷﻨﺎﺳﺎﯾﯽ (ﻣﺎدی ﯾﺎ ﻣﻌﻨﻮی) ﺑﺎﺷﺪ را ﯾﮏ ﻣﻨﺒﻊ ﮔﻮﯾﯿﻢ.

(eXtensible Markup Language) XML

XML ﻻﯾﻪ ﺑﻨﯿﺎدی، در وب ﻣﻌﻨﺎﯾﯽ ﻣﯽ ﺑﺎﺷﺪ. ﻫﺪف آن اﻣﮑﺎن ﻫﻤﮑﺎری ﻧﺤﻮی ﺑﯿﻦ واﺣﺪ ﻫﺎی ﻣﺨﺘﻠﻒ ﻣﯽ ﺑﺎﺷﺪ. ﺳﺎﯾﺮ ﺗﮑﻨﻮﻟﻮژی ﻫﺎی وب ﻣﻌﻨﺎﯾﯽ RDF) و Ontology و ﻏﯿﺮه) ﺑﺮ روی اﯾﻦ ﻻﯾﻪ ﺑﻨﺎ ﺷﺪه اﻧﺪ. ﺧﻮد XML ﻧﯿﺰ از ﺳﺎﯾﺮ ﺗﮑﻨﻮﻟﻮژی ﻫﺎ ﻣﺎﻧﻨﺪ، Unicode و URI اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﺪ. اﺳﺘﺎﻧﺪارد ﯾﻮﻧﯿﮑﺪ، اﯾﻦ اﻣﮑﺎن را ﻓﺮاﻫﻢ ﻣﯽ ﮐﻨﺪ ﮐﻪ ﻓﺎﯾﻞ ﻫﺎی XML ﺑﺎ ﻫﺮ زﺑﺎﻧﯽ ﻗﺎﺑﻞ ﮐﺪ ﺳﺎزی ﺑﺎﺷﻨﺪ. URI ﻫﺎ ﻫﻢ ﻫﻤﺎﻧﻄﻮر ﮐﻪ ﮔﻔﺘﻪ ﺷﺪ، ﺟﻬﺖ آدرس دﻫﯽ ﻣﻨﺎﺑﻊ ﻣﻮﺟﻮد در وب اﺳﺘﻔﺎده ﻣﯽ ﺷﻮﻧﺪ.

RDF

ﺑﻄﻮر ﺧﻼﺻﻪ ﻣﯽ ﺗﻮان ﮔﻔﺖ، RDF، ﯾﮏ زﺑﺎن ﻣﺒﺘﻨﯽ ﺑﺮ XML ﺟﻬﺖ ﺗﻮﺻﯿﻒ ﻣﻨﺎﺑﻊ ﻣﯽ ﺑﺎﺷﺪ. ﻫﺮ ﺟﻤﻠﻪ RDF دارای ﺳﻪ ﺑﺨﺶ ﻣﯽ ﺑﺎﺷﺪ: Subject، Predicate، .Object ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺟﻤﻠﻪ Ali lives in Tehran ﺑﺼﻮرت ﺳﻪ ﺗﺎﯾﯽ (Ali, Live, Tehran) ﻧﺸﺎن داده ﻣﯽ ﺷﻮد. ﺟﻤﻼت RDF را ﻣﯽ ﺗﻮان ﺑﺼﻮرت ﯾﮏ ﮔﺮاف ﻧﯿﺰ ﻧﺸﺎن داد، ﮐﻪ در اﯾﻦ ﺻﻮرت Subject و Object ﺑﺼﻮرت ﯾﮏ ﮔﺮه و Predicate ﺑﺼﻮرت ﯾﺎل ارﺗﺒﺎﻃﯽ ﻧﺸﺎن داده ﻣﯽ ﺷﻮد...

فهرست مطالب پروژه

1 مقدمه

2 - معرفی وب معنایی

1 - مشکلات وب موجود

2 - نیاز به بازنمایی دانش

3 آشنایی با اجزای اساسی وب معنایی

4 - معماری وب معنایی

5 آشنایی با خانواده استاندارد های XML

6 آشنایی با Resource Description Framework) RDF

7 آشنایی با RDF Schema (RDFS)

8 معرفی Taxonomy ها

9 معرفی طیف آنتالوژی

10 معرفی آنتالوژی

11 توصیف منطقی آنتالوژی ها

12 سطوح بازنمایی دانش

13 مشکل نگاشت معنایی

14 خلاصه مطالب

3 مدیریت دانش و بازیابی اطلاعات

1 بررسی مشکل

2 نقش آنتالوژی ها

3 معرفی معماری Sesame

4 بازیابی اطلاعات برای وب معنایی

5 جمع بندی مطالب

4 بررسی فعالیت های انجام شده در زمینه استخراج اطلاعات

WEBOQL 1 4

World Wide Web Wrapper Factory) W4F 2 4)

OntoKnowledge 3 4

OntoPrise 4 4

KIM 5 4

OntoGather 6 4

BYU-Ontos 7 4

8 جمع بندی مطالب

5 ارائه یک چارچوب جهت بازیابی اطلاعات

1 تحلیل مساله بازیابی اطلاعات

2 استخراج اطلاعات صریح و اطلاعات ضمنی

3 مقاومت در برابر تغییرات منابع

4 معرفی چارچوب پیشنهادی

5 فعالیت های بعدی

مراجع