چارچوب ترکیبی (یادگیری-دانش محور) برای فیلتر محتوایی اطلاعات و مدیریت منابع اطلاعاتی

روش های فیلتر محتوایی مبتنی بر دانش، روش های موثری برای جستجو، فیلتر کردن و مدیریت اطلاعات هستند. در این مقاله، یک چارچوب بدیع فیلتر و مدیریت منابع اطلاعاتی متنی معرفی می شود. روش پیشنهادی از دانش جمعی/گروهی مدل شده در آنتولوژی و پایگاه های دانش ساخت یافته جهت توسعه روش های محاسبه معنایی شباهت استفاده می کند. از روش های محاسبه معنایی شباهت توسعه داده شده برای فیلتر و دسته بندی کردن اسنادی استفاده می شود که حاوی اطلاعات متنی منطبق با ترجیحات کاربری هستند. همچنین، روش های توسعه داده شده در یک مدل «ترکیب خبرگان» با یکدیگر یکپارچه می شوند تا تصمیمات مرتبط با فیلتر و مدیریت منابع اطلاعاتی، از طریق اجتماع دانش خبره ها اتخاذ گردد. یکپارچه سازی روش های مبتنی بر دانش در مدل یادگیری ماشین «ترکیب خبرگان» ایده بدیع پیشنهادی در این مقاله است. نتایج ارزیابی نشان می دهد اجماع خبرگی روش های مبتنی بر دانش در مدل یادگیری گروهی «ترکیب خبرگان» عملکرد سیستم را ارتقاء می بخشد و منجر به دسته بندی دقیق اسناد متنی می شود.

کلیدواژه ها:

فیلتر و مدیریت اطلاعات ، دسته بند محتوا ، شباهت معنایی ، آنتولوژی ، یادگیری ترکیبی