تطبیق چند لایه ای آنتولوژی ها با دسته بندی کننده های ترکیبی
محل انتشار: شانزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,036
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CSICC16_067
تاریخ نمایه سازی: 28 بهمن 1390
چکیده مقاله:
با وجود تلاشهای تحقیقاتی بسیاری که درزمینه تطبیق خودکار آنتولوژی انجام شده است ولی هنوز مشکلات جدی دراین زمینه وجود دارد روشهای تطبیق موجود بین دقت و فراخوانی مصالحه برقرار می کنند و هریک از آنها نقاط ضعف و قوت متفاوتی دارند درنتیجه همواره انتخاب بهترین تطبیق گر برای یک کار خاص مشکل است این مقاله روشی است به نام MuLCOM برای بهبود کیفیت نتایج ارایه میشدهدک ه مبتنی بر انتخاب تطبیق گر خاصی نیست بلکه روشهای یادگیری ماشین را روی ترکیبی از تطبیق گرها اعمال می کند به عبارت دیگر دسته بندی کننده براساس خروجی حاصل از تطبیق گرهای مختلف آموزش داده می شود و سپس برای حل مسائل تطبیق جدید از آن استفاده می شود بدین ترتیب تطبیق گرهای مختلف نقاط ضعف یکدیگر را پوشش میدهند نتایج حاص لنشان میدهد که MuLCOM حتی نسبت به بهترین تطبیق گرهای مجزا کارایی بهتری دارد.
کلیدواژه ها:
تطبیق آنتولوژی ها ، وب معنایی ، یادگیری ماشین ، تطبیق چند لایه ، روش های یادگیری دسته جمعی ، دسته بندی کننده های ترکیبی
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 :