این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در 23 صفحه در سال 2017 منتشر شده و ترجمه آن 34 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2017
تعداد صفحات مقاله انگلیسی	23  صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر
گرایش های مرتبط با این مقاله	مهندسی نرم افزار و مهندسی الگوریتم ها و محاسبات
مجله	اطلاعات و مهندسی فازی – Fuzzy Information and Engineering
دانشگاه	گروه علوم و مهندسی کامپیوتر، موسسه تکنولوژی Bhilai، هند
کلمات کلیدی	منطق فازی، داده کاوی، بازیابی اطلاعات، شمعدان ژاپنی، Tf-idt، پیش بینی
شناسه شاپا یا ISSN	ISSN 2017.06.002
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده
1. مقدمه
1-1- تئوری مربوط به شمع ژاپنی
2-1- در رابطه با تئوری منطق فازی
3-1- طرح tf- idf
2. بازبینی زمینه ای و ادبی
3. طراحی جستجو
4.متد
فاز 1: فرایند فازی سازی
فاز 2. بازیابی اطلاعات با استفاده از طرح رتبه ی بندی اصلاح شده ی tf-idf
فاز 3 . پیش بینی با استفاده از طرح رتبه بندی اصلاح شده ی tf- idf
جزئیات هر فاز
4.1. فرایند فازی سازی
4.1.1. فازی سازی تشکیلات شمع در سری زمانی
4.1.2. فازی سازی روند مقادیر بسته قبل و بعد از نقطه مشخص شده p در سری زمانی
4.2. بازیابی اطلاعات با استفاده از طرح رتبه بندی اصلاح شده tf-idf
4.3. پیش بینی با استفاده از طرح رتبه بندی اصلاح شده tf-idf
4.3.1. داده
4.3.2. کلیه بخش های سند
4.3.3. پرس و جو و پیش بینی
4.3.4. مثال
5. نتایج و بحث
6.نتیجه گیری

• بخشی از ترجمه:

6.نتیجه گیری
در سیستم پیشنهادی , سری زمانی ساده تبدیل به مجموعه ای از زمان های زبانی فازی غنی شده به همراه یک روش منحصر به فرد از احساسات بازار که در ارتباط با دانش و قیمت می باشد, می شود. یکی دیگر از رویکرد های منحصر به فرد, زمانی اتفاق می افتد که در حین مدل سازی سیستم IR , این روش منحصر به فرد یک سیستم ساده را به یک سیستم پیش بینی کننده تبدیل نماید.
تعدادی از آزمایشات با استفاده از مقادیر شاخص CNX-NIFTY-50 , نشان می دهد که روش پیشنهاد شده ی FDIRM دارای کمترین RMSE% می باشد که با مدل های پایه ای قبلی محاسبه, مقایسه می شوند. این بدین معنی است که در مقایسه با موارد دیگر , کارایی مدل پیشنهاد شده بسیار بالا بوده و این انتظار وجود دارد که تبدیل به یک مدل پیش بینی کننده خوب گردد. مدلی مشابه با این مدل , بر روی سرمایه های مستقل مربوط به بازار سرمایه هند آزمایش شد و به صورت کاملا منطقی نتایج خوبی حاصل شد. هر چند, خلاقیت در حال انجام, برای افزایش دقت پیش بینی مدل, با استفاده از آزمایشات بیشتر بر روی المان های فازی مدل پیشنهادی صورت می گیرد. یک برنامه ی جاوا تحت ساختار اجرای مدل, در حالت بلادرنگ به همراه رابط کاربری گرافیکال می باشد, بنابراین , می تواند توسط سرمایه گذاران و تاجران به عنوان یک سیستم پشتیبانی تصمیم به ایفای نقش بپردازد.
تحقیقات بیشتر می تواند توسط اصلاح مدل پیشنهادی به منظور اجرای دو باره فرایند فازی سازی و برای پیش بینی ارزش های خاص مربوط به آینده انجام گیرد. به منظور افزایش دقت پیش بینی , المان های تجزیه و تحلیل پایه می توانند در این قضیه شرکت داشته باشند.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله بازیابی اطلاعات به منظور پیش بینی (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2014
تعداد صفحات مقاله انگلیسی	9 صفحه با فرمت pdf
نوع مقاله	ISI
نوع نگارش	مقاله پژوهشی (Research Article)
نوع ارائه مقاله	ژورنال
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و فناوری اطلاعات
گرایش های مرتبط با این مقاله	معماری سیستم های کامپیوتری، اینترنت و شبکه های گسترده، رایانش ابری و مهندسی نرم افزار
چاپ شده در مجله (ژورنال)	سیستم های خبره با کاربردهای آن – Expert Systems with Applications
کلمات کلیدی	بازیابی اطلاعات، وب معنایی، جستجوی معنایی، آنتولوژی (هستی شناسی)، پرس و جوی معنایی
کلمات کلیدی انگلیسی	Information retrieval – Semantic web – Semantic search – Ontology – Semantic query
ارائه شده از دانشگاه	دانشگاه مادورای کامارج، هند
نمایه (index)	Scopus – Master journals – JCR
نویسندگان	M. Thangaraj، Sujatha
شناسه شاپا یا ISSN	ISSN 0957-4174
شناسه دیجیتال – doi	https://doi.org/10.1016/j.eswa.2014.07.017
ایمپکت فاکتور(IF) مجله	5.891 در سال 2018
شاخص H_index مجله	162 در سال 2019
شاخص SJR مجله	1.190 در سال 2018
شاخص Q یا Quartile (چارک)	Q1 در سال 2018
بیس	است ✓
مدل مفهومی	دارد ✓
پرسشنامه	ندارد ☓
متغیر	ندارد ☓
رفرنس	دارد ✓
کد محصول	9652
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

نوشته دانلود ترجمه مقاله بازیابی موثر اطلاعات در وب معنایی با طراحی یک معماری – الزویر 2014 اولین بار در ترجمه فا پدیدار شد.

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” کمک به بازیابی اطلاعات مربوط به سلامت مصرف کننده با توصیه های پرس و جو ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
مقدمه
زمینه و اهمیت
پرس و جوهای مربوط به سلامت مصرف کننده
اصلاح پرس و جو
طراحی
نگاه اجمالی
ترسیم مفاهیم
شناسایی مفاهیم مرتبط
توصیه های مبتنی بر نوع معنایی
یادگیری از انتخاب کاربر
پیاده سازی
ارزیابی
جمع آوری داده ها
رضایت کاربر
میزان موفقیت پرس و جو
امتیازات کار از پیش تعریف شده
نتایج
رضایت کاربر
نرخ موفقیت پرس و جو
امتیاز کار از پیش تعریف شده
بحث
نتیجه گیری

• بخشی از ترجمه:

نتیجه گیری
ما یک ابزار پیشنهاد پرس و جو را به منظور کمک به جستجوی مصرف کنندگان برای اطلاعات مربوط به سلامت آنلاین مطرح نمودیم. رویکرد ما برای رسیدگی به مشکلات ایجاد پرس و جوی کاربر با ارائه فراوانی و توصیه های پرس و جو مبتنی بر فراوانی و دانش طراحی شده است.آزمایش ما نشان داد که ارائه توصیه های HIQuA منجر به موفقیت معنی دار بیشتر پرس و جوهای مصرف کننده می شود که بیش از عدم ارائه توصیه هاست، اگر چه هیچ تاثیر آماری معنی داری بر رضایت کاربر یا توانایی انجام یک کار بازیابی از پیش تعریف شده وجود ندارد.اگر چه گسترش پرس و جو به طور گسترده مورد مطالعه قرار گرفته، اما استفاده از منطق فازی برای ترکیب اطلاعات به دست آمده از لگاریتم استعمال، همزمانی مقالات و اطلاعات واژگان تازه است. در حالی که تحقیقات قبلی در گسترش یا توصیه های پرس و جو برای HIR مصرف کننده به طور عمده مبتنی بر فرهنگ جامع است، مطالعه ما امکان (و نتایج امیدوار کننده نشان داده شده را برای) استفاده از منابع متنوع تر را به منظور پیدا کردن اصطلاحات یا مفاهیم مرتبط آزمود.از آنجا که شکل گیری پرس و جو یک کار چالش برانگیز برای بسیاری از کاربران HIR است، ما بر این باوریم که سیستم ما یا یک سیستم مشابه، می تواند تاثیر مثبتی بر HIR برای مصرف کنندگان با ارائه پیشنهادات معنی دار و مصرف کننده محور است.

• بخشی از مقاله انگلیسی:

Conclusion

We have developed a query suggestion tool to help consumers search for health information online. Our approach is designed to address the problems of user query construction by providing frequency- and knowledge-based query recommendations. Our trial showed that providing HIQuA recommendations resulted in statistically significantly more successful consumer queries over not providing the recommendations, although no statistically significant impact on user satisfaction or ability to accomplish a predefined retrieval task was found. Although query expansion has been studied extensively, using fuzzy logic to combine information derived from usage logs, literature co-occurrence, and vocabulary information is novel. While prior research in query expansion or query recommendations for consumer HIR has been mainly thesaurus-based, our study tested the feasibility of (and showed promising results for) employing more diverse sources to find related terms or concepts. Because query formation is a challenging task for many HIR users, we believe that our system, or a similar system, could have a positive impact on HIR for consumers by providing meaningful and consumer-centered suggestions.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله کمک به بازیابی اطلاعات مربوط به سلامت مصرف کننده با توصیه های پرس و جو – نشریه Ncbi اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده
مقدمه
انگیزه
مسئله چیست؟
شرایط فعلی
اختراعات جدید، مسئله را تقویت می کنند
تلاش برای ارائه راه حل
سیستم های IR
سیستم های محاسباتی IR مدرن
یک مثال IR ساده
تابعیت سیستم IR آزمایشی
طراحی
زیرسیستم ها
توابع هدف
واژگان یا لغت نامه انگلیسی
بازخورد ربط دو سویه
نمایش اسناد
توابع تشابه
نتایج
نتیجه گیری

• بخشی از ترجمه:

نتیجه گیری
بالاخره، هدف این کار، ارائه یک استراتژی IR جایگزین با بازدهی و نتایجی برای محقق می باشد. این استراتژی IR جایگزین عنصر انسانی را در فرایند IR شرکت می دهد. نتایج بدست آمده مزایا و بهبود متوسط ده درصدی برای استفاده از این استراتژی IR جایگزین نشان می دهد. سایر یافته های جالب توجه عبارتنداز سودمندی بالقوه لغات معمولی، در صورت وارد شدن به فرایند IR، و تکیه کامل کاربر بر واسط های چند رسانه ای انسان و کامپیوتر.

• بخشی از مقاله انگلیسی:

Conclusion

Finally, the purpose of this work is to offer an alternative IR strategy with some payoff for the searcher. This alternative IR strategy involves and engages the human element in the IR process. The results show some benefits, ten percent average improvement, from using this alternative IR strategy. Other interesting findings are the potential usefulness of the common words, if included in the IR process, and the complete user-reliance to multimedia human computer interfaces.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله مروری بر سیستم های بازیابی اطلاعات انسان محور اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده
1. مقدمه
2. مطالعات مرتبط
3. روش فنی
تولید کتاب کد بصری مبتنی بر ارتباط متغیر
ادغام هستی شناسی فازی
4. نتایج و پیاده سازی

• بخشی از ترجمه:

4. نتایج و پیاده سازی
به طور کلی این روش به عنوان رابطی با استفاده از نرم افزار Matlab در نظر گرفته می شود که بر روی مجموعه داده های رویداد های ورزشی دانشگاه استنفورد پیاده سازی شده است. در شکل 4(الف) ماتریس سردرگمی مطلوب برای این روش و خروجی آن نیز در شکل 4(ب) نشان داده شده است. دقت کلی در شناسایی تصویر با توجه به سیستم ، در شکل 4(ج) نشان داده شده است.

• بخشی از مقاله انگلیسی:

4. Results and Implementation

2. The entire procedure was conceived as an interface using Matlab and implemented on Stanford University sport event datasets. Fig.4(a) shows the satisfactory confusion matrix for this approach and the output is also shown in the preceding Fig.4(b). The overall accuracy in identifying the image with respect to other systemsis shown in. Fig.4(c).

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله بازیابی چند معیاری اطلاعات معنایی مبتنی بر هستی شناسی فازی – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

بخشی از ترجمه:

سیستم بازیابی اطلاعات وب(IR) که امروزه شاهد آن هستیم، میتواند فقط اطلاعات را بر مبنای واژگان کلیدی بازیابی کند که یک چنین روشی برای حجم زیادی از داده ها ناکارآمد میباشد . چنین روشی دارای قابلیت های محدودی در بدست آوردن مفاهیمِ مربوط به نیازمندی های کاربر و رابطه ی بین واژگان کلیدی مربوطه میباشد. این محدودیت ها باعث ارائه ی ایده ای تحت عنوان جستجوی مفهومی کاربر شده که شامل مفاهیم و معانی میباشد. در این مطالعه قصد داریم سیستم بازیابی اطلاعات معنایی را برای یک جستجوی وب معنایی ارائه داده و الگوریتمی کارمد را برای بازیابی اطلاعات به صورت کارآمد ارائه دهیم. این معماری یک لیستی از واژگان کلیدی که توسط کاربر فراهم شده است را به همراه یک پرس و جو به عنوان ورودی دریافت کرده و آنرا به یک پرس و جوی معنایی تبدیل میکند. این پروسه ی تبدیل با کمک مفاهیم دامنه مربوط به هستی شناسی های دامنه ی موجود صورت گرفته و روابطی معنایی را در زمان اجرا بین آنها پیدا میکند. اطلاعات مربوط به پرس و جوی معنایی نیز بازیابی شده و بر اساس سطح ارتباط آن و با کمک یک الگوریتم بهبود یافته رتبه بندی میشود. تحلیل کارائی نشان میدهد که سیستم پیشنهادی میتواند میزان صحت و کارآمد بودن این روش را برای بازیابی مستندات وب مربوطه در مقایسه با سیستم های موجود بهبود دهد.

بخشی از مقاله انگلیسی:

abstract The current web IR system retrieves relevant information only based on the keywords which is inadequate for that vast amount of data. It provides limited capabilities to capture the concepts of the user needs and the relation between the keywords. These limitations lead to the idea of the user conceptual search which includes concepts and meanings. This study deals with the Semantic Based Information Retrieval System for a semantic web search and presented with an improved algorithm to retrieve the information in a more efficient way. This architecture takes as input a list of plain keywords provided by the user and the query is converted into semantic query. This conversion is carried out with the help of the domain concepts of the preexisting domain ontologies and a third party thesaurus and discover semantic relationship between them in runtime. The relevant information for the semantic query is retrieved and ranked according to the relevancy with the help of an improved algorithm. The performance analysis shows that the proposed system can improve the accuracy and effectiveness for retrieving relevant web documents compared to the existing systems. 2014 Elsevier Ltd. All rights reserved. 1. Introduction 1.1. Motivation The World Wide Web serves as a huge wide distributed global information center for many information services. By now the size of the web is billions of websites and is still growing rapidly. But to get an exact requirement a normal user often spends a lot of time. In order to present the relevant results from this voluminous data to the user, some new methods should be derived to filter the results. The current information technology from the web is mostly based on the keywords. It provides limited capabilities to capture the concept of the user requirement. To solve the limitations of the keyword based search the idea of semantic search is introduced in the field of information retrieval (IR). Information retrieval is the science of searching for documents, information within the documents as well as that of relational database and the World Wide Web. IR also deals with representing, storing and organizing the content. Semantic search has been presented in the IR field since the early eighties (Croft, 1986). The use of ontologies with keyword based search is one of the motivations of the semantic web (SW). The semantic web ‘‘targets to build an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation’’ (Berners-Lee, Hendler, & Lassila, 2001). Fig. 1 shows the layers of the semantic web as suggested by Berners-Lee. The bottom layer contains technologies that provide basics for the SW. Uniform resource identifiers (URIs) provide a standard way to refer to entities, while Unicode is a standard for exchanging symbols. The Extensible Markup Language (XML) fixes a notation for describing labelled trees, and XML Schema allows the definition of grammars for valid XML documents. XML documents can refer to different namespaces to make explicit the context (and therefore meaning) of different tags. The middle layer contains technologies to enable building SW applications. Resource Description Framework (RDF) is a framework for creating statements in the form of resources, properties and statements as triples. RDF schema provides a basic vocabulary of RDF. Web Ontology Language describes semantics of RDF statements. SPARQL is RDF Query language. Top layer contain just ideas that should be implemented in order to realize SW. Cryptography, Trust and Proof is to ensure that the http://dx.doi.org/10.1016/j.eswa.2014.07.017 0957-4174/ 2014 Elsevier Ltd. All rights reserved. ⇑ Corresponding author. E-mail addresses: thangarajmku@yahoo.com (M. Thangaraj), sujisekar05@ rediffmail.com (G. Sujatha). Expert Systems with Applications 41 (2014) 8225–8233 Contents lists available at ScienceDirect Expert Systems with Applications journal homepage: www.elsevier.com/locate/eswa Downloaded from http://www.elearnica.ir SW statements are from trusted source. User interface is the final layer that will enable humans to use SW applications. Some of the main goals of the semantic web are Semantic Query Processing and discovering the semantic information available in the unstructured web information with the help of domain ontologies. The IR from the semantic web combines the fast-developing research areas information retrieval, semantic web, and Web content Mining. The various problems associated with the unstructured web pages are identified as follows. (i) Web pages are far complex than that of any traditional document collection. (ii) The web is a highly dynamic information source. (iii) The web serves a broad diversity of user communities. (iv) Only a small portion of the information on the web is truly relevant or useful. These challenges have promoted research into effective and efficient discovery and uses of resources on the internet. There are extensive research activities on the construction and use of semantic web which is nothing but the structure of semantic meaning of the content of the web pages. Web document classification by web mining will help in building the ontology for the semantic web with the automatic extraction of the semantic meaning of web pages. In order to address this issues, the Semantic Based Information Retrieval System (SBIRS) mechanism for SW is proposed. This architecture handles the semantic indexing, extraction, extensions of query and matching of content semantics to achieve the following objectives. (i) Analyze and determine the semantic feature of the content by means of semantic annotation. (ii) Analyze the user’s query and extend it to semantic query using link extraction, ontology and thesaurus. (iii) Match the semantic query with the semantic content using a semantic indexing structure. (iv) Arrange the retrieved results in the order of their relevancy to the query using proposed dynamic ranking algorithm. This architecture eliminates the problems of traditional keyword search and enables the user to retrieve the concept oriented relevant results for any domain. The significance of the framework is to improve search accuracy by understanding searcher intent and the contextual meaning of terms as they appear in the searchable data space. SBIRS also has a few aspects that distinguish it from other related work. Unlike typical search algorithms this framework is based on keywordto-concept mapping with an improved semantic indexing structure and searching technique. The proposed dynamic ranking algorithm presents the results in the order of their relevance for the expanded semantic query. 1.2. Research contributions Contributions of this research fall into the following categories. Clear knowledge of the semantic search, possibilities of semantic enhancements in the IR models. Definition and implementation of a semantic retrieval model with generic domain ontology. Creation of an improved semantic indexing structure. Implementation of a dynamic ranking algorithm Investigation of the feasibility of semantic retrieval in cloud environment. Checking the feasibility of semantic image retrieval. 1.3. Structure of the paper The rest of the paper is organized as follows. An overview of related work is given in Section 2. In Section 3 the working mechanism of the proposed architecture is explained. Section 4 elucidates the retrieval and the ranking algorithms. The performance evaluation is given in Section 5. In Section 6 the main achievements and the tasks that remain is discussed. 2. Related work The unsolved problems of current search engines have led to the development of semantic web search system (Yi Jin & Hongwei Lin., 2008). Conceptual search has been the motivation of a large body of research in the IR field long before the semantic web vision emerged (Jo rvelin, Kekalainen, & Niemi, 2001). ’’SemSearch’’ (Yuangui Lei & Enrico Motta, 2006) is a layered architecture that separates end users from the back-end heterogeneous semantic data repositories. ‘‘SemSearch’’ accepts keywords as input and delivers results which are closely relevant to the user keywords in terms of semantic relations. The SBIRS compliments SemSearch with a ranking algorithm designed specifically for an ontology-based information retrieval model with a semantic indexing structure based on annotation weighing techniques. The inherited relationships between the keywords are analyzed in terms of concepts in ‘‘Ontolook’’ (Li, Wang, & Huang, 2007). From this concepts and relations a concept-relation graph is formed which is used to eliminate the less ranked arcs. It also creates a property-keyword candidate set and sent it to the web page database to get a retrieved result set for the users. The efficiency of this approach is limited by lack of ranking technology. This motivates a relation based page ranking algorithm for semantic web search (Lamberti, Sanna, & Demartini, 2009). The ranking technology is based on the estimate of the probability that keywords/ concepts within an annotated page are linked one with another in a way that is the same to the one in the user’s mind at the time of submitting the query. The probability is measured using a graph-based description of ontology, user query and the annotated page. In these approaches further efforts are requested for future semantic web repositories based on multiple ontologies and better ranking. By building upon a dynamic ontology our model supports multiple domains with semantic dynamic ranking. Fig. 1. Semantic web architecture. 8226 M. Thangaraj, G. Sujatha / Expert Systems with Applications 41 (2014) 8225–8233 An alternate model using ontology is given as an adaptation of vector space model for ontology based information retrieval (Pablo Castells & David Vallet, 2007). This model handles an ontologybased scheme for the semi-automatic annotation of documents and retrieval system. The classical vector space model (Salton and McGill, 1983) is combined with an annotation weighting algorithm and a ranking algorithm. The assumption here is a knowledge base (KB) which has been built and associated to the document base with the help of one or more domain ontologies which describe concepts appearing in the domain text. The documents are then annotated and semantically indexed with the help of the KB. The query is accepted in RDQL form and executed against the knowledge base which returns a list of instances that satisfy the query. This annotation weighting scheme is not considering the different relevance of document fields like title etc. It is addressed in SBIRS by boosting the weight of the query variables in condition on web document tags according to the importance of fields. This work is extended in Miriam Fern‘andez, Vanesa L‘opez, and Pablo Castells (2011), by accepting the input in a formal SPARQL query and later modified in the form of natural language query. This proposal has investigated the practical feasibility of applying semantic search modes in the web environment. Our proposal considers a large scale of heterogeneous web environment. An improved version is discussed in ‘‘The Google Similarity Distance’’ (Rudi Cilibrasi and Paul Vitan‘nyi, 2007) which deals with words and phrases that acquire meaning from the way they are used in society from their relative semantics to other words and phrases. The similarity is based on information distance and kolmogorov complexity. These works are concerned with the similarities between two entities in the ontology. Our approach concerned with the similarity between the query and the web documents. The cluster based approach for information retrieval provides features in terms of reduced size of information provided to the end users. The clusters of items with common semantic and/or other characteristics can guide users in refining their original queries. Users can zoom in on smaller clusters, and then drill down through subgroups (Ramesh Singh & Aman Arora, 2010). Whereas this work is concerned with the query expansion, SBIRS is concerned with starting from query expansion to retrieve ranked results. A Crawler-based indexing and information retrieval system for the semantic web Swoogle (Li Dong et al., 2004) extracts meta data for each discovered document, and computes relations between documents. The ontology rank is computed as a measure of the importance of a semantic web Document. Swoogle is improved by adding user preferences and interests to provide user a set of personalized results. Swoogle is strictly for semantic web documents whereas SBIRS approach converts web documents into semantic web documents. A search engine that uses several mapped RDF ontologies for concept based text indexing is discussed in Jacob Köhler and Michael Specht (2006). For any information retrieval system ranking algorithm is defined with certain metrics. The variety of relevance ranking metrics are discussed and analyzed in Xavier Ochoa (2008). It proposes a set of metrics to estimate the personal, topical and situational relevance dimensions. These metrics are calculated mainly from contextual information and usage and do not require any explicit information from users. Our work moves from the consideration above and relies on the assumption that for providing effective ranking the SBIRS logic makes use of the underlying ontology and of the web page to be ranked in order to compute the corresponding relevance score. A semantic-based approach to content annotation and abstraction for content management is proposed in Hui-Chuan, Chen, and Chen (2009). In this approach a semantic-driven content environment which features a high interoperability of content can be constructed for bridging the semantic gaps for the customer and the content author to increase the efficiency of content management. This work is improved based on the semantics consisting of elements like subject, predicate, and object (Ming-Yen, Chu, & Chen, 2010). In this work a semantic pattern expression capable of representing content semantic features has been designed to represent human semantics with topic-to-topic associations and to replace keywords as the input of the information retrieval system. This architecture contains the core technologies such as Semantic determination and extraction, Semantic Extension, Semantic Pattern and matching. Compared to these approaches, the proposed architecture considers web documents and a much more detailed, densely populated conceptual space in the form of ontology based knowledge base and thesaurus instead of a topic map.

نوشته دانلود مقاله ترجمه شده بازیابی کارآمد اطلاعات در وب معنایی از طریق طراحی معماری – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

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.

 4. 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

نوشته دانلود ترجمه مقاله روند مدل سازی ساختار شناختی یا ادراکی کاربر در زمینه بازیابی اطلاعات متنی – مجله IEEE اولین بار در ترجمه فا پدیدار شد.