غنی سازی پایگاه داده با استخراج دانش از وب مبتنی بر کاربست راهکارهای داده کاوی و وب معنایی

کشف دانش و دسترسی سریع به اطلاعات مورد نیاز در شبکه گسترده جهانی از اهمیت زیادی برخوردار است. در ده ههای گذشته بسیاری از روشهای پیشنهادی، ترکیب روش داده های کشف دانش با داده های وب معنایی بودند. وب معنایی تکاملی از وب است که فراتر از قابلیتهای کنونی وب، اطلاعات قابل خواندن و قابل فهم برای ماشین را فراهم ساخته است. داده های باز پیوندی یک مجموعه باز و به هم پیوسته از مجموعه داده هایی هستند که به فرم ماشینی تفسیر شده اند و به عنوان مثال حوزه های مختلف علوم زیستی را در اطلاعات دولتی پوشش میدهند. در پژوهش های صورت گرفته در این حوزه از داده های باز پیوندی برای ایجاد یک رویکرد برای انتزاع معنایی برای تعمیم طبقه بندی توییت استفاده شده است و یا برای ایجاد یک روش یادگیری ماشین برای پیش بینی آتش سوزی جنگل با استفاده از LOD به عنوان دانش پس زمینه استفاده شده است. همچنین از آن به عنوان ابزاری برای انجام تجزیه و تحلیل داده ها در تحقیقات زیست محیطی استفاده شده است. در این پژوهش در ابتدا با استفاده از زبان پرسوجوی وب معنایی SPARQL در محیط نقطه پایانی SPARQL دبیپدیا از مجموعه داده کتاب های چاپ شده در DBpedia استفاده شد. سپس با استفاده از سه روش از الگوریتم SPARQL موجود در افزونه داده های باز پیوندی (LOD) نرم افزار رپیدماینر به ایجاد و بررسی پیوند و اتصال به منبعی از اطلاعات مرتب شده، پرداخته شد. هدف از این اتصال افزودن دانش در پایگاه داده موجود از طریق ایجاد لینک به پایگاه داده ابری بزرگ (LOD) و استفاده از اطلاعات برای تکمیل پایگاه داده است. با این روش مجموعه داده اطلاعات اولیه کتاب به کمک ابزارهای وب معنایی و استخراج متادیتا با استفاده از عملگرهای داده کاوی در نرم افزار رپیدماینر به صورن خودکار غنی سازی شد.

کلیدواژه ها:

استخراج دانش2 ، داده کاوی3 ، وب معنایی4 ، داده باز پیوندی