مقاله ترجمه شده پیش بینی کلمه کلیدی به وسیله ی ARM در اطلاعات کتابشناسی RDF

پیش بینی کلمه کلیدی به وسیله ی ARM در اطلاعات کتابشناسی RDF

چکیده

 وب 3.0 یک راه آسان برای استفاده از دانش عمیق از داده های بزرگ که به صورت روزانه در اینترنت رشد می کد فراهم می سازد. هدف ما در این مقاله کار با داده ی Linked Open Data Cloud می باشد، که در آن مشکل اصلی با مجموعه داده ناسازگاری و بزرگی می باشد. ما در حال بررسی اطلاعات کتابشناسی هستیم که یکی از داده های ابری می باشد. نویسندگان اطلاعات مفیدی در مجموعه داده پیدا کردند که باید برای قضاوت در بهبود نتیجه ی پرس و جو مورد بررسی قرار گیرد. پس از تجزیه و تحلیل ما متوجه شدیم که بسیاری از مقالات در RKBExplorer اطلاعات کلمه کلیدی ندارند. به همین دلیل موتور جستجو بر اساس RKBExplorer تنها قادر به استفاده از اطلاعات موجود در این پایگاه داده با بازیابی مقالات، نویسندگان آن مقاله و مقالات استنادی مربوط به نویسنده یا عنوان مقاله داده شده، می باشد. اما فرض این که در آن کاربر می خواهد وارد رشته مورد جستجو شود، در آن حالت نتیجه چه خواهد بود ؟ آیا همه مقالات مرتبط را حتی اگر کلمات کلیدی به آن اختصاص داده نشده باشد بازیابی می کند؟ در این مقاله ما تلاش داریم به همه ی این سوالات ، با کمک الگوریتم داده کاوی ARM در ویژگی های بازیابی شده از داده های RDF پاسخ دهیم. ما یک رویکرد جدید را توسعه داده ایم که از طریق آن ما می توانیم پرس و جوی کاربر را که مخلوطی از رشته های مهم می یاشد ، که ما آنها را برچسب مقالات می نامیم، پاسخ دهیم.

تعداد صفحات ترجمه شده :11

تعداد صفحات انگلیسی:6

• مشخصات محصول
• دسته‌بندی محصول
• برچسب‌ها
• دیدگاه‌ها