16561

16561

بهبود الگوريتم هاي مبتني بر برچسب در سيستم هاي پيشنهاد دهنده اجتماعي با استفاده از folksonomy ها و ارتباطات معنايي

كارشناسي ارشد

نرم افزار

خرداد ماه 1395

دكتر عين الله خنجري

كامپيوتر

چكيده با رشد روزمره سيستم هاي برچسب گذاري و افزايش علايق كاربران براي به اشتراك گذاري داده هاي ديجيتال، كاربران به محتواي مورد علاقه خود برچسب هايي اختصاص داده و آنها را با ساير كاربران به اشتراك مي¬گذارند. معمولا اين برچسب ها به صورت سه تايي منبع – كاربر – برچسب مي¬باشند كه در واقع Folksonomy را تشكيل مي¬دهند. به خاطر عدم وجود نظارت و فقدان وجود ساختاري دقيق در اين سيستم ها اين برچسب ها با مشكلات زيادي از جمله خطاهاي انساني، وجود چند معني متفاوت براي يك برچسب و كلمات مترادف و از همه مهمتر حجم بسيار بالا مواجه هستند و به صورت دقيق در عمليات جستجو و فيلترينگ مورد استفاده قرار نگرفته و در صورت وجود خطا در اين سيستم ها عمليات پيشنهاد با دقت پايين تري انجام مي¬شود. پس به طور كلي در اين سيستم ها با مجموعه اي از برچسب ها مواجه هستيم كه از نظر ساختاري بسيار ضعيف بوده و اطلاعات مناسبي براي استخراج دانش را در اختيار مديران سيستم هاي برچسب گذاري قرار نمي¬دهند و از طرفي حجم بسيار بالايي داشته و انجام عمليات پردازشي بسيار زمانبر مي¬باشد. در اين پايان نامه ما رويكردي جديد به همراه تعدادي الگوريتم براي حذف افزونگي از برچسب ها و همچنين كاهش حجم داده هاي موجود در اين سيستم ها معرفي مي¬كنيم و علاوه بر اين با استفاده از پايگاه داده ي Wordnet بار معنايي موجود در برچسب ها را در جهت استخراج اطلاعات مربوط به اين سيستم ها غني مي¬سازيم. با استفاده از الگوريتم ها و روش هاي نامبرده، الگوريتم هاي مبتني بر برچسب را از نظر دقت بهبود بخشيده و همچنين داده هاي موجود در اين سيستم ها را كاهش داديم. واژه‌هاي كليدي: الگوريتم هاي برچسب گذاري، سيستم هاي پيشنهاد دهنده اجتماعي ، Folksonomy، وب معنايي

1395/11/18

1/1/1900 12:00:00 AM

Abstract: With the everyday growth of tagging systems an​d increase in users' interest in sharing digital data, users assign a set of tags to their contents of interest an​d share them with other users. On the other hand, since there is no surveillance an​d there is a lack of an accurate structure in such systems, these tags face a lot of problems including human errors, existence of different meanings for a tag an​d synonyms an​d more important of all, high volume, an​d cannot be used in search an​d filtering operations accurately. In this paper, we propose a new approach along with a set of algorithms for eliminating redundancies an​d reducing the data volume available in the tagging systems. In addition we use the Wordnet database to enrich the semantic relevance of tags in order to extract information associated with these systems. Keywords: tagging algorithms, social recommender systems, Folksonomy, semantic web.