ساپورت بازیابی اطلاعات درباره بکارگیری و ساخت آنتولوژی (Ontology)

بازیابی اطلاعات می‌تواند به ساخت آنتولوژیها و کاربرد مؤثر و مفید آنها، کمک کند. ما از استخراج واژه اصلی مبتنی بر ترکیب و تجانس (Collocation)، جهت ارائه مفاهیم جدید، استفاده و در مورد ارائه ارتباط وسیع جهت اتوماتیک سازی جمعیت آنتولوژی با مثال، مطالعه می‌کنیم. ما، متدهای خود را در تنظیم پروژه کتابخانه دیجیتال، با استفاده از متدولوژی ارزیابی اطلاعات، ارزیابی می‌کنیم. در یک تنظیم مشابه، در مورد متدهای بازیابی مطالعه می‌کنیم که ساپورت جهت‌یابی ارائه شده توسط روابط معنایی و لغوی موجود در اغلب آنتولوژیها را جهت کمک به کاربران در بررسی آنتولوژی تکمیل می‌کنند.

متدهای جستجو، جهت یابی و سازماندهی اطلاعات اینترنت رایج امروز، دهه‌های تحقیق دوره بازیابی اطلاعات را پایه و مبنا قرار می‌دهند. این متدها مبنی بر قوانین آماری کنترل کننده استفاده انسان از زبان، نه تنها در بازیابی سند و مدرک، بلکه در امورغنی‌تر به لحاظ معنایی مثل پاسخگویی به پرسش، مورد استفاده قرار می‌گیرند. یک شکل Semantic Web این است که بسیار شبیه به Web است که ما امروزه می‌شناسیم و انتظار داریم که اسناد مدارک، سرشار از منافع قابل فهم باشند. این تفسیرها را در مورد اسناد وعبارات قابل توجیهی که در جستجوی معانی مضمون اسناد ومدارک هستند، ارائه خواهند داد. ما توضیح می‌دهیم که صورتهای صرفی IR چگونه می‌توانند در این امر، با کمک آرشیتکت‌های آنتولوژی غیرمعمولی، مؤثر باشند. تکنیکهای IR می‌توانند به تعریف، تشخیص و بررسی ثبات و تداوم آنتولوژی کمک کنند. هشت مرحله می‌توانند در پروسه ایجاد آنتولوژی متمایز شوند.

1. تعیین محدوده آنتولوژی
2. توجه به استفاده مجدد از قسمتهای مربوط به آنتولوژی موجود
3. بر شماری و ذکر کلیه مفاهیمی که می‌خواهید
4. تعریف و تشخیص تاکونومی این مفاهیم
5. تعریف و تشخیص ویژگیهای مفاهیم
6. تعریف و تشخیص جنبه‌هایی از مفاهیم مثل اصول و ارزش‌های مورد نیاز وغیره
7. تعریف و تشخیص نمونه‌ها
8. بررسی ثبات و تداوم آنتولوژی

ما، از میان این مراحل، مراحل 3 و7 را با تکنیکهای مبتنی بر IR  بررسی کرده و معتقدیم که این مراحل می‌توانند به طور مفیدی با استفاده از تکنولوژی بازیابی قابل دسترس امروزی، انجام شوند. مرحله 4 برای اتوماتیک سازی، مناسب است، در عین حال، مسئله حل‌شده‌ای به شمار نمی رود و مرحله 8 در مورد متدهای استدلال سمبولیک به گونه‌ای که مثلاً در PACER و FACT اجرا می‌شوند، بهترین گزینه است.

تکنیکهای IR ، علاوه بر اینکه جهت کمک به سازندگان آنتولوژی مورد استفاده قرار می‌گیرند، می‌توانند در جستجو، مرورگری و ارائه موارد غیرمترقبه نیز به کاربران کمک کنند. مردم تمایل دارند که از Semantic Web شرکتها جهت جستجوی اسناد و مدارک، بلکه جهت جستجوی اطلاعاتی در مورد روابط معنایی خاص، مثلاً در تنظیم کتابخانه های دیجیتال، استفاده کنند. بنابراین، روش‌هایی را جهت «بازیابی در یک سلسله مراتب مفهومی» ارائه می‌دهیم، که در آن‌ها به جستجوی واقعی هماهنگی به نحوییکه توسط اغلب ابزارهای جهت‌یابی و ویراستارهای آنتولوژی ارائه می‌شود.

ممکن است مناسب و کافی نباشد. پیشرفتهای گذشته، با ایجاد آلگوریتم‌های بازیابی سند و مدرک مفید امروزی جهت ایجاد و به‌کارگیری زیرساختار Semantic web، مستقیماً منجر به ایجاد پیشرفتهایی در آینده می‌شوند. اما دلیل متدولوژیکی بیشتری برای نزدیک تر که من اقدامات Semantic web در IR به هم داریم، جامعه IR بر اهمیت ارزیابی، تأکید کرده است. با ظهور کنفرانس‌های بازیافت متن (IRC)، ارزیابی آزمایشی امور مربوطه به بازیابی، به پیشرفت چشمگیری رسیده که منجر به پیشرفت سریع در امور ارزیابی شده، شده است.

منافع مشابهی با اقدامات ارزیابی مربوط به بازیایب و اقدامات مربوط به امور پردازش زبان غنی‌تر به لحاظ معنایی، وجود دارند. جامعه Semantic web، از تأکید شدیدتر بر ارزیابی و اموری که می‌توانند ارزیابی شوند، سود می‌برد. با خوردن غذای سگ خود، ارزیابی تجربی در مورد کلیه امور مورد بررسی در این مقاله انجام می‌دهیم.

بخش 2، تنظیمی را بررسی می‌کند که کلیه امور در آن رخ می‌دهند. پروژه Language Links و (Lolali )Logic ، به هدف فراهم آوری امکان دستیابی مبتنی بر آنتولوژی به یک کتاب راهنمای الکترونیکی در فصل مشترک و واسط زبانشناسی و منطق. در بخش 3، اتوماتیک سازی مرحله 3 و ارزیابی آنرا، توصیف می‌کنیم. در بخش 4، در مورد اتوماتیک سازی مرحله 7 و ارزیابی آن، صحبت می‌کنیم در بخش 5، جستجو در سلسله مراتب مفهوم LaLaLi را ارزیابی می‌کنیم. در بخش 6، نتیجه گیری می‌کنیم.

2- LoLaLi:

کارما، و آزمایشات مربوط به آن، در تنظیم پرونده کتابخانه دیجیتال، انجام شدند. پروژه LoLaLi ، متدهایی را جهت گسترش مزمت قدیمی کتابهای راهنمایی علمی با ابزارهای الکترونیکی ، ارائه می‌دهد. این ابزارها به خوانندگان کمک می کنند که به مضمون و محتوای کتاب راهنما دست یابند و این ابزارها، یافتن اطلاعات مربوطه را آسانتر می‌سازند.

طبق این مطالعه ، پروژه Handbook of Logic and Language در فصل 20 ص 1200 تمرکز دارد، مانند آزمایشات از منابع Latex   استفاده کردیم. پروژه LoLaLi، از سلسله مراتب مهم word net جهت فراهم آوری امکان دستیابی به کتاب راهنما استفاده می‌کند. سلسله مراتب مفهوم، غالباً جهت جهت یابی از طریق ترکیب‌ها و تجانس‌ها اسناد در مدارک، مورد استفاده قرار می‌گیرند.

آنها برای سازماندهی، نمایش دهی و ارائه اطلاعات متعدد،مفید واقع می‌شوند، و کاربرانی در جستجوی یک hypertext هستند و دارای الگوهای مرورگری سلسله مراتبی هستند، بهتر از کاربران دارای مسیرهای مرورگری متوالی، این کار را انجام می‌دهند. از اینرو، معماریهای مربوط به کتاب‌های راهنمای الکترونیکی باید الگوهای سلسله مراتبی را توجیه کننده یک سلسله مراتب مفهومی، روش مناسبی برای انجام این کار باشد.

سلسله مراتب مهم LoLaLi با دست و توسط متخصصین این رشته که اخیراً حدود 600 مفهوم را جمع آوری، سازماندهی و مرتبط ساخته‌اند، ایجاد می‌شود و یک سرویس دهنده مبتنی بر secame ، اطلاعات سلسله مراتبی را ذخیره می‌کند که از طریق یک مجموعه از نوشته‌جات و Protégé هدفمند، ویرایش و به روز رسانی می‌شود. ما در بخش 3، توضیح می‌دهیم که تکنیکهای اصلی IR، چگونه می‌توانند به نویسندگان در تعیین و انتخاب مفاهیمی جهت تحول در سلسله مراتب، کمک کنند.

هر مفهوم در سلسله مراتب LoLaLi، با یک توضیح و تفسیر، حاشیه نویسی می‌شود که به طور خلاصه، آنرا توصیف می‌کنند. بعلاوه، مفاهیم دارای توصیفات طولانی‌تری هستند و آنها هم توسط نویسندگان، ارائه می‌شوند. سلسله مراتب، از یک مفهوم TOP با چهار شعبه اصلی در زیر آن تشکیل می‌شود : علم کامپیوتر، ریاضیات، زبانشناسی و فلسفه که توسط روابط زیر موضوع، فوق موضوع (Subtopic-supertopic) ، سازماندهی و تنظیم می‌شوند.

این روابط، تایپ می شوند و تایپها عبارتند از “per-of”,”is-a” هستند. سلسله مراتب در LoLaLi، بیشتر یک نمودار است یا یک قالب دقیق و واضح شکل 1 . روابط غیرسلسله مراتبی نیز در نظر گرفته شده و به منظور اهداف جهت یابی مورد استفاده قرار می‌گیرند؛ این روابط مشتمل بر Sibing(همشیره و خواهر)، “معانی دیگر” و “مفاهیم مربوطه” می باشند. مفاهیم موجود در سلسله مراتب LoLaLi نیز به منابع خارجی ارتباط دارند.

مورد اصلی در میان این روابطHand book of Logicians lenguage می‌باشد، مثال‌های دیگر مشتمل بر روابط با ابزارهای مستقیم (on line) مربوطه می‌باشند روابط با Handbook ، مفهومی را در سلسله مراتب، به عنوان منبع وبخش‌های مربوطه موجود در Hand bookرا به عنوان هدف، اتخاذ می‌کنند. در بخش 4، ما توضیح‌می‌دهیم که چگونه تکنیکهای IR به بررسی این امر کمک می‌کنند.

در حال حاضر ، کابران می‌توانند به شکل “آسانی”سلسله مراتب دست یابند از نتایج مطالعه یک کاربر، جهت یابی در راستای روابط معنایی فوق اینکه، با تسهیلات جستجوی کامل شده است که کاربران را مجاز می‌سازد مفاهیم موجود در سلسله مراتب را به شیوه‌ای اختیاری، بیابند. دربخش 5، ما تکنیکهای اصلی IR را ارزیابی و توصیف
می‌کنیم.

3- کمک به سازندگان آنتولوژی

طبق پروژه LoLaLi، درزمان ساختن یک آنتولوژی برای یک رشته علمی خاص، آثار ادبی ارزشمندی وجود دارند که محتوا و معانیشان باید تحت پوشش آنتولوژی قرار گیرند. ما در مورد ساپورت IR جهت بررسی سوال زیر، گزارش می‌دهیم: کدام مفاهیم باید در آنتولوژی قرارگیرند؟ ما به جای اینکه به صورت دستی و غیراتوماتیک به جستجوی آثار ادبی بپردازیم، متدهای شناسائی مفاهیم مورد نظر را از یک متن خاص، با استفاده از استخراج واژه توضیح می‌دهیم. اسامی مفاهیم، معمولاً عبارات اسمی (noun phrase) هستند. از اینرو، تشخیص عبارات اسمی، احتمالاً اولین مرحله برای تشخیص مفاهیم مورد نظر به شمار می‌رود. ما دو مورد را در عین به کارگیری تکنیکهای مختلف، متمایز می‌کنیم: کاندیداهای تک واژه‌ای و کاندیداهای چندواژه‌ای.

1-3- مفاهیم یک اسمی

با جهت یافتن اسامی جالب، ابتدا ‍POS را به دنبال متن Hand book اضافه کرده و سپس کلیه اسم ها را انتخاب می‌کنیم. ما از دو روش برای طبقه بندی آنها استفاده می کنیم. توسط تواتر و تعداد خام و توسط تواتر یا تعدد نسبی، یعنی توسط تعداد وقایع تقسیم بر تعداد وقایع در مجموعه اسناد ومدارک با هدف کلی. لیستهای حاصله، توسط سه ارزیابی، ارزیابی شدند که از آنها در مورد هر اسم در فهرستهای حاصله پرسیده می‌شد که آیا آنها در فهرست جامعی از نظریات مفید یا مهم که به مبتدیان و متخصصین کمک می‌کند، قرار دارند یا خیر. در مورد “استاندارد طلائی” ما، یک اسم در صورتی در نظر گرفته می‌شد که اکثر ارزیاب‌ها، آنرا وابسته به آن فهرست بدانند.