تطبیق چند لایه ای آنتولوژی ها با دسته بندی کننده های ترکیبی
- سال انتشار: 1389
- محل انتشار: شانزدهمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: CSICC16_067
- زبان مقاله: فارسی
- تعداد مشاهده: 1083
نویسندگان
گروه کامپیوتر دانشگاه شهید چمران اهواز
چکیده
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 ترکیبیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.