خوشه بندی اسناد ایکس ام ال با رویکردی مبتنی بر سطح و هستی شناسی کلمات درشبکه های معنایی

منابع متنی موجود در وب که دارای ساختار مبتنی بر ایکس ام ال می باشند به سرعت در حال افزایش هستند و یکی از روش هایمتداول برای سازماندهی آنها استفاده از شیوه های خوشه بندی می باشد. ارزیابی شباهت به عنوان یک مسئاله مهم در خوشه بندی مطرح استو الگوریتم های زیادی در این زمینه بر اساس ساختار و محتوا ارائه شدهاند. در خوشه بندی با چالش هایی مانند ابعاد بالا و دقت مواجه هستیم،در ارزیابی شباهت محتوا انتخاب کلمات کلیدی می تواند در رفع این چالش ها بسیار موثر باشد و استفاده از اطلاعات معنایی میتواند منجر بهانتخاب مناسب این کلمات شود، که این اطلاعات به صورت مجموعه های هستی شناسی مانند وردنت موجود می باشند. از این رو در این مقالهتمرکز بر استفاده از شبکه های معنایی به منظور کاهش ابعاد و افزایش دقت بوده و رویکرد پیشنهادی با تعیین سطوح کلمات در شبکه معنایی ومفاهیم نظریه اطلاعات و تشکیل زنجیره های معنایی کلمات و انتخاب کلمات کلیدی مناسب ارائه می شود، نتایج به دست آمده در مقایسه باکارهای گذشته نشان دهنده افزایش میانگین دقت و شاخص خوشه بندی به میزان 0.28 و 0.24 می باشد.

کلیدواژه ها:

ایکس ام ال ، خوشه بندی ، زنجیره کلمات ، شبکه های معنایی ، هستی شناسی