دانلود ترجمه مقاله روند مدل سازی ساختار شناختی یا ادراکی کاربر در زمینه بازیابی اطلاعات متنی – مجله IEEE

فهرست مطالب:

چکیده
۱ مقدمه
۲ DOSAM
۱ ۲ تعاریف
۲ ۲ روش ساخت DOSAM
۳ ارزیابی آزمایشی
۱ ۳ تنظیمات آزمایشی
۲ ۳ اندازه گیری و سنجش آزمایش
۳ ۳ ارزیابی آزمایشی
۴ نتایج و اقدامات آتی

بخشی از ترجمه:

 مقدمه

فرایند بازیابی اطلاعات متنی (CIR) به یکی از رشته های تحقیقاتی مهم در IR تبدیل شده است. بازیابی اطلاعات به زمان و مکان جستجو، تاریخچه و سابقه تعامل، وظایف در دست اقدام و بسیاری از عوامل تلویحاً بیان شده درروند تعامل و محیط اطراف، یعنی متن بستگی دارد. CIR همواره سعی می کند با افزایش میزان جستجوی کاربر از طریق اطلاعات متنی استخراج شده از فرایند جستجو، نیازهای کاربر را تامین نماید. از نظر کاربر، متنی که وی به دنبال اطلاعات است، از عوامل شناختی، اجتماعی و سایر عوامل وابسته به وظایف، اهداف و مقاصد تشکیل می شود.
تا زمانی که هدف شناخت باشد، اکتساب و استفاده از دانش نقش مهمی ایفا می کند. فرایند مذکور از ساختار شناختی داخلی (CS) و رفتار شناختی (CB) در مغز تشکیل  می شود. بین CB و پاسخ ذهنی کاربر، مثلاً بازخورد، تجربه، پاسخ جستجو و غیره ارتباط نزدیکی وجود دارد. CS با CB تفاوت دارد. CS تصویری از راه بهینه سازی محتوای شناخت در مغز فرد، یعنی تصویر فردی از دانش را ترسیم می نماید.

 ۴٫ نتایج و کار آتی
در فرایند بازیابی اطلاعات متنی،  یکی از عوامل متنی مهم برای شناخت نیازهای شخصی کاربر، شناخت نام دارد. شناخت از ساختار داخلی و رفتار شناختی (ادراکی) مغز تشکیل می شود. در این مقاله، برای نیل به ساختار فردی کاربر بر پایه دانش حوزه، مدلی به نام DOSAM پیشنهاد کردیم. DOSAM از مدل فعال سازی- انتشار روانشناسی توسعه یافته و هدفش نیل به ساختار شناختی فردی می باشد. تحلیل الگوریتم نشان می دهد نیل به ساختار شناختی به کمک DOSAM بسیار موثر تر انجام گرفته و نتایج آزمایشی نشان می دهد بکارگیری ساختار شناختی تولید شده توسط DOSAM در جستجوی شخصی موثر می باشد.

بخشی از مقاله انگلیسی:

Introduction

Contextual Information Retrieval (CIR) has beenbrought forward and became one of research focuses in IR.The retrieval of information depends on the time and placeof submitting query, history of interaction, task in hand, andmany other factors that are not given explicitly but lie implicitlyin the interaction and ambient environment, namelythe context [7]. CIR tries to capture user’s needs by augmentingthe user’s query with contextual information extractedfrom his or her searching process. For a user, thecontext within which he or she seeks information consistsof cognitive, social and other factors related to his or hertasks, goals and intentions.As far as cognition is concerned, it is involved in the acquisitionand the use of knowledge. It consists of internalCognitive Structure (CS) and Cognitive Behavior (CB) ofknowing in brain [8]. CB is closely related to user’s subsubjectiveresponse, such as feedback, experience, browsingresponse and so on. CS is different from CB. CS depictsa picture of the way in which the contents of cognition areorganized in individual brain, namely the individual pictureof knowledge.Cognition has been considerably used for reference inIR. For example, CB was used for intelligent informationretrieval interaction and personalized search as in [6, 1];cognitive framework as a whole, including CS or user’s domainknowledge, was taken into consideration in [2]; commonknowledge was also widely applied to query expansionon the ground of general ontology such as WordNet1 andODP2. To the best of our knowledge, how to exploit user’sindividual CS to improve search has so far not been welladdressed in the previous work.In this paper, we propose a model called Domain-Ontology-based Spreading-Activation Model(DOSAM) toget user’s individual CS on domain knowledge. DOSAM isdeveloped from spreading-activation model of psychology,and its goal is to model user’s individual CS on domainknowledge. Since spreading-activation model was introducedby Collins and Loftus in 1975 [4], it has been adoptedin various fields. In essence, the effectiveness of spreadingactivationmodel is crucially dependent on the availability ofa representative node association map, and on the use of activationrules that can distinguish the useful nodes from theextraneous ones. In DOSAM, we bring special semantics torelationships between two concepts, develop semantic disdistancesbased on concrete semantics and introduce activatedstrength on concepts.The rest of this paper is organized as follows. Section 2gives the definitions about DOSAM and shows a feasiblealgorithm to build DOSAM. Section 3 presents the experimentalresults about personalized search based on DOSAM.Our conclusions and future work are presented in Section 4.2. DOSAMDOSAM is built on the domain ontology. In follows, wefirst introduce three definitions about domain ontology: DomainOntology describes the organization of domain knowledge,which is the basis of user’s individual CS on domainknowledge; Semantic Relationship gives a formalization ofsemantic relationship between two concepts; Degree of Associationdescribes the semantic distance between any twoconcepts.2.1. DefinitionsDefinition 1(Domain Ontology) Domain ontology is anexplicit specification of a conceptualization about domainknowledge [5]. It can be described as O = (C,R), whereC is the set of concepts, and R is the set of semantic relationshipsbetween concepts.Based on the latest standard of ontology description languagerecommended by W3C3, we define semantic relationshipas the follows.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه