استفاده از زمینه، به عنوان اطلاعات پویایی که توصیف گر وضعیت کاربران و اقلام بوده و بر فرایند تصمیم گیری و انتخاب کاربران تاثیر گذار است، توسط سیستم های پیشنهاد دهنده در تجارت سیار، در جهت ارتقاء کیفیت مناسب پیشنهاد دهی ضروری است. در این تحقیق یک روش جدید چند بعدی برای پیشنهاد دهی آگاه از زمینه در تجارت سیار ارائه شده است. در این روش اطلاعات کاربران، اقلام، پارامتر های زمینه و ارتباط میان آنها در یک فضای چند بعدی نمایش داده می شود که به آن مکعب چند بعدی امتیازات گفته می شود. در این فضا زمینه های مشابه به طور جداگانه برای هر کاربر شناسایی می شوند که این کار با شناسایی الگوهای مصرف متفاوت کاربران در شرایط زمینه ای مختلف انجام می شود. با بدست آوردن این اطلاعات، یک فضای جدید دوبعدی ایجاد شده و پیشنهاد دهی نهایی با استفاده از یک روش فیلتر سازی مشارکتی در این فضا انجام می گیرد. ارزیابی روش از طریق پیاده سازی آن در یک سیستم پیشنهاد دهی محصولات غذایی رستوران ها شامل پارامتر های زمینه ای روز، زمان، آب و هوا و همراه علاوه بر پارامتر های کاربر و اقلام و مقایسه آن با روش سنتی پیشنهاد دهی و بدون در نظر گرفتن اطلاعات زمینه انجام گرفته است. برای پیاده سازی روش فیلتر سازی مشارکتی از شبکه های خود سازمانده استفاده شده است. شبکه های خود سازمانده، نوعی از شبکه های عصبی بدون ناظر هستند. مقایسه و ارزیابی نتایج با استفاده از محاسبه شاخص f1 که یکی از شاخص های استاندارد و پر استفاده برای ارزیابی پیشنهاد دهنده ها است، انجام گرفته است. بر اساس این نتایج، روش پیشنهاد دهی چند بعدی در حدود شانزده درصد بهبود نسبت به روش سنتی پیشنهاد دهی را نمایش می دهد که همین مساله کارایی روش را از نظر کیفیت پیشنهاد دهی تایید می کند.

انتخاب یک نظیر قابل اطمینان برای دریافت خدمات، و مقابله با کاربران مصرف کننده (کاربران مصرف کننده یعنی نظیرهایی که منابع خود را در اختیار سایرین نمی گذارند و تنها مصرف کننده منابع دیگران هستند) دو مشکل عمده ی پیش روی توسعه ی شبکه ‎های نظیربه نظیر است. یکی از روش های موفقی که در حل هر دو مسأله به کار گرفته شده، استفاده از اعتماد بر پایه شهرت است. مشکلی که سیستم های مبتنی بر اعتماد در حل مسأله کاربران مصرف کننده دارند عدم توانایی تشخیص بین تازه واردین و مصرف کنندگان است. استفاده از اعتماد برای انتخاب سرویس دهنده نیز با مشکل شروع ابتدایی همراه است. با وجود اینکه اعتماد برای مقابله با کاربر مصرف کننده و انتخاب سرویس دهنده با مشکلاتی مواجه است ولی این مشکلات مانع از کارکرد شبکه های نظیر به نظیر نمی شود. زیرا در مقابله با کاربران مصرف کننده وقتی شبکه بزرگ باشد و درخواست برای دریافت خدمات زیاد، کاربر جدید می تواند طی مدت کوتاهی اعتماد خود را بالا ببرد. در انتخاب سرویس دهنده نیز مسأله شروع ابتدایی چندان مهم نیست زیرا هدف اصلی نظیر جدید از پیوستن به شبکه ی نظیربه نظیر گرفتن خدمات از سایرین است نه دادن منابع خود به دیگران. مشکلی واقعی زمانی بروز می کند که در یک شبکه ی نظیربه نظیر هم با کاربران مصرف کننده برخورد شود و هم انتخاب سرویس دهنده را بر اساس اعتماد انجام گیرد. در این حالت ترکیب دو راه حلِ موفق بالا با شکست مواجه می شود. زیرا به علت مسأله شروع ابتدایی تازه واردین نمی توانند اعتماد خود را افزایش دهند و سایر نظیرها هم به نظیری که اعتمادش پایین است به عنوان مصرف کننده نگاه کرده و به او خدمات نمی دهند. در این پایان نامه روشی ارائه شده است که در یک شبکه ی نظیربه نظیر اشتراک فایل، با استفاده از اعتماد به انتخاب سرویس دهنده و شناسایی مصرف کنندگان پرداخته و کاربران جدید نیز بتوانند به این شبکه بپیوندند. برای این منظور روش افزایش/کاهش شهرت تغییر یافته است و با کمک نظریه بازی این مقادیر به گونه‎ ای تعیین شده اند که "مصرف کنندگی" و "ارائه خدمات بد" به صورت استراتژی های مغلوب برای نظیرها در آیند. نتایج شبیه سازی نشان می دهد که میزان اعتماد کاربرانی که خدمات بد ارائه دهند یا خدمات ارائه ندهند از حد معینی (در شبیه سازی انجام شده 45 واحد) فراتر نمی رود. در عوض میزان شهرت نظیرهایی که خدمات خوب ارائه می کنند صرف نظر از زمان پیوستن به شبکه به صورت صعودی محض بوده و بعد از 450 سیکل (هر سیکل در شبیه سازی معادل یک پرش پیام در شبکه واقعی است) این مقدار از 45 فراتر می رود.

بازیابی اطلاعات یکی از اصلی ترین نیازهای کاربران است؛ روزانه کاربران زیادی به جستجو در وب و دیگر منابع به منظور پاسخ گویی به نیاز اطلاعاتی خود می پردازند. مسائل موجود در زبان طبیعی از جمله عدم تطابق لغوی، کلمات چند معنایی، کوتاه و مبهم بودن پرس وجو و دانش ناقص کاربران از موضوع مورد نظر در بازیابی اطلاعات منجر به بازیابی نتایج نامرتبط و کاهش رضایت کاربران از نتایج بازیابی شده می شود. گسترش پرس وجو با بررسی پرس وجوهای کاربران و افزودن خودکار کلمات مناسب و با ارزش به آن ها کمک می کند تا اسناد مرتبط با نیاز و منظور کاربر جستجو و بازیابی گردد. اگر گسترش پرس وجو به صورت هوشمندانه ای انجام نشود، با انحراف پرس وجو و فاصله گرفتن آن از منظور کاربر منجر به بازیابی نتایج نامرتبط تری نسبت به نتایج پرس وجوی اولیه خواهد شد. مساله ی دیگری که در گسترش پرس وجو باید به آن توجه کرد این است که در مورد پرس وجوهای مشتمل بر بیش از یک کلمه، انتخاب واژگان گسترشی که تنها با یکی از این کلمات مرتبط باشند باعث رخداد مشکل خروج از تعادل پرس وجو خواهد شد. در این رساله، روش جدیدی برای گسترش معنایی پرس وجو به منظور تطبیق دادن پرس وجو با منظور کاربر ارائه شده است. روش پیشنهادی با استفاده از یک الگوریتم رفع ابهام مبتنی بر هستی شناسی به رفع ابهام از کلمات پرس وجو می پردازد. سپس، به منظور در نظر گرفتن روابط بین لغات در پرس وجوهای چند کلمه ای و اجتناب از مشکل خروج از تعادل پرس وجو به گروه بندی کلمات آن بر مبنای تشابه معنایی بین آن ها می پردازد. در ادامه با استفاده از روابط موجود در شبکه واژگان، یک شبکه ی معنایی از واژگان هر گروه ایجاد شده از کلمات پرس وجو و لغات مرتبط با آن ها از نظر معنایی می سازد. این روش بر طبق روابط و سلسله مراتب شبکه ی ساخته شده، مهمترین کلمات برای گسترش پرس وجو را مشخص می کند. از بین کلمات انتخاب شده، کلماتی که باعث ایجاد ابهام و نویز در پرس وجو نشوند، به عنوان کلمات گسترش انتخاب می-شوند و وزن مناسبی برای آن ها محاسبه می شود. به این ترتیب پرس وجوی گسترش یافته ساخته می شود و عملیات جستجو با این پرس وجوی جدید انجام می شود. این روش با در نظر گرفتن معیارهای فراخوانی و دقت بر روی مجموعه داده ی time ارزیابی شده است. نتایج ارزیابی نشان دهنده ی افزایش نرخ فراخوانی و دقت بازیابی می باشد.

ویژگی مهم شبکه های اجتماعی و همچنین علت اصلی شکل گیری آنها، امکان اتصال افراد با علائق مشترک است که سیستم های پیشنهاد دهنده دوست نیز جهت تقویت همین ویژگی طراحی شده اند و تقریبا همه ی آنها به این صورت عمل می کنند که یک مجموعه از علائق و ترجیحات از پیش تعیین شده را تهیه می کنند و افراد مجبورند از میان این علائق، گزینه هایی را که با علائق آنها شباهت دارند انتخاب نمایند. بدین ترتیب هر فرد نمی تواند علائق خود را با استفاده از لغات مخصوص به خود بیان کند. همچنین این سیستم ها برای پیشنهاد دهی دوستان به یکدیگر، از تطابق دقیق علائق با یکدیگر بهره می گیرند و تنها امکان یافتن افراد با علائق کاملا یکسان را فراهم می آورند. هدف از این تحقیق، ارائه روشی جدید جهت یافتن افراد سازگار در شبکه های اجتماعی است به نحوی که محدودیت های ذکر شده برای سیستم های پیشین را برطرف نماید. در روش پیشنهادی، افراد می توانند علائق خود را با استفاده از لغات مخصوص خود بیان کنند و نیازی به محدود کردن افراد به انتخاب علائق از میان تعدادی علاقه ی از پیش تعیین شده نمی باشد. همچنین در روش پیشنهادی دو رابطه جدید به نام های روابط شباهت معنایی و رابطه ی تکمیلی جهت سنجش سازگاری میان افراد تعریف شده است که این امکان را فراهم می آورد که علاوه بر افراد با علائق یکسان، افراد با علائق مشابه و مکمل نیز به یکدیگر پیشنهاد شوند. به علاوه، به علت بالا بودن حجم اطلاعات در شبکه های اجتماعی و زمانبر بودن پردازش، از روش های خوشه بندی به منظور کاهش زمان پردازش استفاده شده است. جهت ارزیابی سیستم پیشنهادی، 50 نفر از مجموعه افراد موجود در شبکه اجتماعی لایوجورنال انتخاب شده و درجه ی سازگاری میان هر جفت از آنها با استفاده از سنجش روابط سازگاری میان علائق آنها محاسبه گردید. سپس نتایج حاصل از محاسبه ی درجه های سازگاری با مجموعه داده های مرجع مقایسه می شوند. نتایج شبیه سازی نشان می دهد که میانگین خطای روش پیشنهادی در مقایسه با روش های پیشین بهبود قابل ملاحظه ای دارد.

حراج های ترکیبی، حراج هایی هستند که درآن پیشنهاددهنده ها به جای کالاهای تکی، روی ترکیبی از کالاها موسوم به بسته پیشنهاد می دهند. وقتی بین کالاها وابستگی جانشینی یا مکملی وجود داشته باشد، وجود کالاها با هم در یک بسته می تواند هم افزایی مثبت یا منفی ایجاد کرده و بسته بندی کالاها را چالش بر انگیز کند. وقتی تعداد بسیاری کالا در حراج ترکیبی موجود است، تصمیم گیری در این مورد که کدامین کالا را در بسته قرار دهند، برای پیشنهاددهنده ها و حراج‏گذار وقت گیر و هزینه بر است. با ساختار های بسته بندی مناسب می توان مسئله تعیین برنده را در زمان چند جمله ای حل کرد. بنابراین بسته بندی مناسب و پیشنهاددادن روی مطلوب ترین بسته ها از اهمیت بسیاری برخوردار است. از این پژوهش، برای تصمیم گیری مناسب و پیشنهاددهی چندین کالا در حراج ترکیبی، یک مدل بسته بندی کارا ارایه می شود. با امکان پیشنهاددهی بر ترکیبی از کالاها، ترجیحات پیشنهاددهنده ها بهتر بیان می شود. پیشنهاد موثر باید به گونه ای تعیین گردد که قیمت پیشنهادی هم به اندازه کافی بالا باشد تا برد در این حراج تضمین شود و هم به اندازه کافی پائین باشد تا بدون خطر باخت هزینه پرداختی کمتر می شود. در تحقیقات پیشین، استراتژی های پیشنهاددهی«داخلی» و«مبتنی بر نظر رقبا» به این امر می پردازند. ولی در این استراتژی ها وقتی قیمت کالاهای درون بسته تفاوت قابل توجهی دارند، احتمال موفقیت بسته های تدوین شده کمتر می‏شود. استراتژی پیشنهادی، «رقابتی مبتنی بر کالا» است. نتایج حاصل از پیاده سازی و مقایسه این استراتژی در مقابل استراتژی های پیشنهادی «داخلی» و «مبتنی بر نظر رقبا» نشان می دهد که استراتژی «رقابتی مبتنی بر کالا» برای حراج گذار و پیشنهاددهنده ها مفیدتر است. به خصوص، در بازار-هایی که تفاوت قابل ملاحظه ای بین کالاها وجود دارد و به عبارتی محیط حراج به حراج واقعی نزدیک تر می شود، استراتژی پیشنهادی در مقایسه با دو استراتژی «داخلی» و «مبتنی بر نظر رقبا» بهتر عمل می کند و پیشنهاددهنده ها ترجیح می دهند از استراتژی رقابتی مبتنی بر کالا استفاده کنند.

با رشد سریع سیستم های فراگیر و شبکه های بی سیم و تلفن همراه، کاربردهایی که در آن گروهی از کاربران سیار نیاز به تصمیم گیری دارند، اهمیت زیادی پیدا کرده اند. اگر اعضای گروه بخواهند از بین مکان های متعدد مثلاً در سطح یک شهر، یک یا چند مکان را انتخاب نمایند که در مجموع کمترین فاصله را با مکان فعلی اعضاء داشته باشند، ممکن است سیستم نقاطی را برگرداند که با نظرات اعضای گروه همخوانی نداشته باشد. در واقع مفهوم فاصله در دنیای واقعی ذاتاً با عدم قطعیت همراه است. هیچ تعریف دقیق و پذیرفته شده ای برای کلمه ای مانند نزدیک وجود ندارد و افراد مختلف ادراک ها و باورهای متفاوتی درباره واژه ها دارند. علاوه بر آن ترجیحات افراد نیز متفاوت بوده و ممکن است برای یک عضو گروه، فاصله جغرافیائی تا نقطه مورد نظر مهم باشد و عضوی دیگر کوتاه بودن زمان لازم برای رفتن به آن نقطه را ترجیح دهد و عضو سومی نیز باشد که به هر دو جنبه اهمیتی نسبی بدهد. عوامل فوق به زمینه مکانی کاربر بستگی دارند و در واقع ادراک هر فرد از مکان و زمان و سایر جنبه های فاصله، ممکن است بر حسب زمینه و شرایط مکانی فعلی او تغییر کند. چنین نیازهای پیچیده ای را نمی توان با استفاده از مدل های کلاسیک و تک جنبه ای فاصله مانند مدل اقلیدسی برآورده نمود. بنابراین مدلی برای فاصله لازم است که محدود به یک جنبه نباشد و نیز بتواند عدم قطعیت حاصل از تفاوت ادراک فاصله بین افراد را که تحت تاثیر زمینه مکانی آنهاست، به حساب آورد تا نتایجی که با بکارگیری این مدل فاصله در کاربردهایی مانند پرس وجوهای مکانی برگردانده می شود متناسب با زمینه مکانی فرد و گروه و ترجیحات آنها باشد. در این تحقیق ابتدا مدلی از فاصله گروهی ارائه شده است که سه جنبه مهم از ادراک انسان نسبت به فاصله شامل جنبه های مکانی، زمانی و اقتصادی را دربرداشته و عدم قطعیت مرتبه بالای آن ها نیز با استفاده از منطق فازی نوع2 بازه ای مدلسازی می شود. سپس این مدل در حوزه کاربرد پرس وجوهای نزدیک ترین همسایه گروهی با دو رهیافت متفاوت بکارگیری شده و با معیارهای متعدد ارزیابی گردیده است. نتایج این ارزیابی نشان می دهد که مدل پیشنهادی می تواند میزان رضایت گروه از نظر مرتبط بودن نتایج با ادراکات اعضای گروه نسبت به جنبه های مختلف فاصله و همچنین ترجیحات مختلف افراد نسبت به این جنبه ها را بطور چشمگیر افزایش می دهد. همچنین روش مدیریت قطعیت پیشنهادی توانسته است حساسیت سیستم را نسبت به جابجایی مکان کاربران سیار کاهش دهد و از محاسبات مکرر و غیرضروری جلوگیری نماید. روش توسعه یافته پیشنهادی مبتنی بر ناحیه بندی فضای جستجو با خوشه بندی فازی و موزائیک بندی مکانی برای اجرای پرس وجوهای گروهی نیز بهبود کارآیی قابل توجهی را نشان داده است تا بکارگیری مدل فاصله چندجنبه ای با توجه به محدودیت های پردازشی در سیستم های سیار امکان پذیر باشد.

در سال های اخیر سیستم های توزیع شده ای نظیر سیستم های تجارت الکترونیک، سرویس های وب، محیط های محاسبات فراگیر و وب معنایی پیاده سازی شده و توسعه یافته اند. در دنیای واقعی بسیاری از اطلاعات غیرقطعی هستند، درنظر گرفتن عدم قطعیت منجر به مدل سازی واقعی تر و صحیح تری از دامنه مورد کاربرد می شود به همین دلیل مدیریت عدم قطعیت برای موفقیت در بسیاری از کاربردها و زمینه ها از جمله وب معنایی ضروری است. از طرف دیگر وب معنایی همانند وب فعلی به-صورت ذاتی توزیع شده است و داده ها و آنتولوژی ها روی گره های مختلفی در سطح وب پراکنده شده اند. در این حالت استدلال متمرکز به سختی انجام می شود و در بسیاری موارد غیرممکن است. در نتیجه لازم است استدلال به صورت توزیع-شده انجام شود که به کارایی بیش تر سیستم و تعاملات بیش تر داده ها منجر می شود. ما در این پایان نامه مدلی برای استدلال توزیع شده میان آنتولوژی ها ارائه داده ایم که عدم قطعیت مفاهیم و روابط میان آن ها را در فرایند استدلال درنظر گرفته و فرایند استدلال توزیع شده را به صورت غیرقطعی انجام می دهد. ساختاری که برای استدلال توزیع شده در آنتولوژی ها استفاده شده، منطق توصیفی توزیع شده است که شامل پایگاه های دانش آنتولوژی های محلی و قوانین ارتباطی میان آن ها است. قوانین ارتباطی در این ساختار همان نگاشت های ایجاد شده توسط سیستم های تولید نگاشت هستند. عدم قطعیت نیز به کمک مفاهیم نظریه قطعیت مدل شده است. با استفاده از مدل مورد نظر برای عدم قطعیت، استدلال توزیع شده در منطق توصیفی توزیع شده را گسترش داده ایم و مدلی برای استدلال توزیع شده غیرقطعی و الگوریتمی برای این منظور ارائه کرده ایم. همچنین یک بستر آزمایش نرم افزاری برای ارزیابی کارایی مدل به منظور پالایش نگاشت های میان آنتولوژی ها پیاده سازی شده است. نتایج ارزیابی های انجام شده نشان می دهد که این مدل در ساختار غیرقطعی، نتایج دقیق تر و صحیح-تری به دست می آورد. علاوه بر این پیاده سازی، یکی دیگر از کاربردهای مدل مورد نظر، محاسبه اعتماد مبتنی بر شهرت در زمینه غیرقطعی است که به عنوان یک مورد کاربردی بررسی شده است.

حراج ها یکی از روش های رایج برای تخصیص کالاها، خدمات و منابع هستند. در حراج های ترکیبی پیشنهاددهندگان امکان ارائه ی پیشنهاد بر روی بسته های مختلف از کالا ها را دارند. بنابراین هنگامی که وابستگی هایی بین کالا های مختلف در یک حراج وجود داشته باشد، حراج های ترکیبی بهترین گزینه هستند و اغلب منجربه نتایج کارآمدتری می شوند. یکی از مهم ترین چالش های موجود در حراج های ترکیبی، پیچیدگی مسئله ی تعیین برنده است. تعیین برنده در حراج های ترکیبی یک مسئله ی np-complete به شمار می رود و الگوریتم بهینه ای وجود ندارد که بتواند در زمان چندجمله ای، یک تخصیص بهینه را برای حراج های پیچیده و بزرگ به دست آورد. یکی از روش های حل مسئله ی تعیین برنده، استفاده از الگوریتم های اکتشافی می باشد. یک الگوریتم اکتشافی، یافتن راه حل بهینه را تضمین نمی کند، اما می تواند راه حلی با کیفیت بالا را برای مسائلی با اندازه ی بزرگ در یک زمان معقول به دست آورد. در این پژوهش یک الگوریتم اکتشافی به منظور یافتن راه حل های تقریبی برای مسئله ی تعیین برنده در حراج های ترکیبی پیشنهاد شده است. روش پیشنهادی نوعی الگوریتم تپه نوردی با شروع مجدد تصادفی است. در این الگوریتم پس از یافتن هر تخصیص بهینه ی محلی که مجموعه ای از پیشنهادهای برنده را شامل می شود، یک مجموعه ی تصادفی از پیشنهادها به عنوان تخصیص جدید ایجاد می شود تا فرآیند جستجو در یک ناحیه ی جدید از فضای حالت ادامه یابد. روش پیشنهادی بر روی نمونه های مسئله ی از پیش تولید شده مورد ارزیابی قرار گرفته و با الگوریتم های تقریبی اخیر مقایسه شده است. نتایج تجربی نشان می دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم های دیگر پاسخ های بهتری را در زمان قابل قبولی می یابد.

وب داده به منظور ایجاد وب قابل فهم برای ماشین ها معرفی شده است که اتصالات معنادار بین موجودیت ها از ویژگی های اصلی آن است. یکی از مهم ترین اتصالات معنادار در وب داده، اتصالات همانندی است که بین موجودیت های همانند ایجاد می شود. شناسایی و اتصال موجودیت هایی که به یک موجودیت یکسان اشاره می کنند ولی دارای شناسه های یکتای منبع متفاوت هستند و در مجموعه داده های مختلفی قرار دارند، موجب می شود عامل ها و پویشگرها بتوانند با پیمایش وب اطلاعات بیشتری در مورد موجودیت ها استخراج نمایند. مسأله پژوهشی در این تحقیق شناسایی و اتصال موجودیت های همانند در وب داده است. هدف از این تحقیق، ارائه یک مدل به منظور شناسایی و اتصال موجودیت های همانند در وب داده است به گونه ای که این مدل بتواند با شناسایی صحیح موجودیت ها و اتصال آن ها به یکدیگر، جستجو و استخراج دانش از کل منابع موجود در وب را بهبود بخشد. مدل پیشنهادی شامل چهار ماژول اصلی است: ماژول همتراز سازی آنتولوژی ها، ماژول فیلتر گذاری، ماژول محاسبه درجه تشابه و ماژول کلاس بندی. مدل پیشنهادی قابل به کارگیری روی مجموعه داده های مختلف با آنتولوژی ها و فرهنگ لغات متفاوت و همچنین مستقل از دامنه ی مجموعه داده ها است. انتشار تشابه مقادیر ویژگی های متناظر موجودیت ها روی یکدیگر در گراف و استفاده از الگوریتم k نزدیک ترین همسایه از ویژگی های اصلی در مدل پیشنهادی است. مدل پیشنهادی پیاده سازی شده است و با استفاده از دو مجموعه داده linkedmdb و dbpedia به منظور شناسایی فیلم های همانند و دو مجموعه داده sider و drugbank به منظور شناسایی داروهای همانند ارزیابی شده است. پس از مقایسه نتایج به دست آمده با نتایج ابزار silk، مشخص شد دقت شناسایی مدل پیشنهادی در مقایسه با ابزار silk بهبود قابل ملاحظه ای دارد.

هدف از این تحقیق، ارائه روشی برای رفع ابهام اسامی خاص متن است. در این روش، رفع ابهام به وسیله ی ارجاع دادن هر اسم خاص به منبعی که در وب داده ای انتشاریافته است، انجام می گیرد. این منبع، توصیف کننده ی موجودیت موردنظر اسم خاص به کار رفته در متن است که به دلیل جامع تر بودن وب داده ای نسبت به سایر دایره المعارف های خواندنی توسط ماشین، منابعی مناسب در اختیار پردازش های رفع ابهام قرار می دهد. این روش در پنج مرحله پیاده سازی شده است شامل: یافتن زمینه ی متن و اسامی خاص آن، یافتن منابع مرتبط با هریک از اسامی خاص و پالایش آنها، فیلتر اولیه نتایج بر اساس زمینه، تشریح میزان ارتباط منابع بازیابی شده از وب داده ای و یافتن منابع با بیشترین شباهت با متن. این روش بر روی متون مختلف هر حوزه ی دانشی قابل اعمال بوده و درجه ی شباهت منابع بازیابی شده، با استفاده از زمینه ی متن و همبستگی میان گراف منابع محاسبه می شود. روش ارائه شده با استفاده از sindice و dbpedia برای اعمال پرس وجوهای sparql و نیز alchemy api پیاده سازی شده است و بر روی مجموعه ای از اسناد ویکی پدیا که به صورت تصادفی انتخاب شده، آزمایش شده است. پس از ارزیابی و مقایسه ی نتایج با تحقیقات قبلی مشخص شد که دقت و جامعیت نتایج رفع ابهام، به صورت قابل ملاحظه ای بهبود داشته است.

هدف از انجام این پروژه ارائه روشی نوین در کاوش مستقیم قوانین همبستگی از داده های وب معنایی و به تبع آن داده های پیوندی است. تکنیک های کاوش قوانین همبستگی به منظور استخراج قوانین همبستگی به تراکنش نیاز دارند؛ اما در داده های وب معنایی، تعریف دقیقی از به نام تراکنش وجود ندارد. تمام کار های که تا کنون در مورد کاوش قوانین همبستگی از داده های وب معنایی انجام شده است، با کمک کاربر اقدام به تعریف تراکنش از داده های وب معنایی نموده و سپس به کمک الگوریتم های داده کاوی سنتی اقدام به کاوش قوانین همبستگی از تراکنش های ساخته شده می نمایند که لازمه این امر تسلط داشتن کاربر نهایی به ساختار وب معنایی و دامنه داده های مورد استفاده می باشد. لذا به روشی نیاز است تا بتوان قوانین همبستگی را بدون نیاز به تراکنش و نیز بدون دخالت کاربر از داده های وب معنایی استخراج نمود. در راستای برآورده ساختن این نیاز، در این پروژه، سیستمی به منظور کاوش مستقیم قوانین همبستگی از داده های وب معنایی، بدون در نظر گرفتن مفهوم تراکنش و نیز بدون دخالت کاربر در فرآیند کاوش پیاده سازی شده است. این سیستم از سه فاز تولید مجموعه عناصرِ با طول 2 بر اساس موجودیت ها و رابطه بین آن ها، تولید مجموعه عناصر بزرگتر و در نهایت تولید قوانین همبستگی بر اساس مجموعه عناصر بزرگ، تشکیل شده است. به علاوه این سیستم قادر است قوانین همبستگی را از منبع داده ای که از الحاق داده های پیوندی به وجود آمده است، استخراج نماید. با توجه به نحوه کار و ساختار این سیستم، تنها لازمه کاوش قوانین همبستگی از داده های وب معنایی، منبع داده ای شامل سه تایی هاست. نتایج نشان می دهد که روش ارائه شده، بدون دخالت کاربر قادر است قوانین همبستگی را بطور مستقیم از داده های وب معنایی و به طور غیر مستقیم از داده های پیوندی استخراج نماید.

امروزه، موتورهای جستجو به یکی از برنامه های کاربردی بسیار مهمِ وب تبدیل شده اند که هدف آن ها کمک به کاربر در جهت یافتن اطلاعات است. موتورهای جستجو همچون گوگل و یاهو کلمات کلیدی کاربر را دریافت می کنند و در صفحات وب بر اساس الگوریتم های از قبل تعریف شده به دنبال کلمات کلیدی وارد شده می گردند. سپس صفحات بازیابی شده را بر اساس الگوریتم رتبه بندی، مرتب و به کاربر نشان می دهند. با ظهور فناوری وب معنایی، نیاز به الگوریتم های متناسب با این فناوری برای رتبه بندی داده ها بیش از پیش ضروری به نظر می رسد. در این پایان نامه روشی برای رتبه بندی داده ها در داده های پیوندی پیشنهاد شده است. در ابتدا، الگوریتم pagerank توسعه داده شده است و مجموعه های داده رتبه بندی شده اند. سپس، رتبه موجودیت ها در میان موجودیت های مشابه محاسبه می شود. رتبه بندی مجموعه های داده در داده های پیوندی با ایجاد یک گراف جهت دار که گره های آن، مجموعه های داده و پیوندهای آن، تعمیم پیوند بین موجودیت ها به پیوند بین مجموعه های داده است محاسبه می شود. الگوریتم رتبه بندی pagerank بر روی گرافِ ساخته شده اعمال می شود و رتبه گره ها یا همان مجموعه های داده بدست خواهد آمد. رتبه موجودیت های درون مجموعه های داده نیز با استفاده از همان pagerank به صورت جداگانه برای هر موجودیت محاسبه می شود. رتبه نهایی یک موجودیت، برابر است با مجموع رتبه مجموعه داده هایی که به این موجودیت استناد کرده اند. ارزیابی ها نشان دهنده کارایی و دقت بالاتر روش پیشنهادی نسبت به روش pagerank است. رتبه بندی موجودیت های مشابه با استفاده از الگوریتم های خوشه بندی محاسبه شده است. دو روش خوشه بندی در این پایان نامه ارائه شده است. روش اول تنها از ساختار پیوند بین موجودیت ها استفاده می کند و روش دوم همزمان از ساختار پیوند و داده های مربوط به خصوصیت های موجودیت ها استفاده می کند. هر دو روش پیشنهادی برای خوشه بندی موجودیت ها نسبت به کارهای مشابه دارای دقت و سرعت بالاتری هستند. نهایتاً، رتبه گره ها درون مجموعه های داده حوزه ای با استفاده از pagerank محاسبه شده است. ارزیابی رتبه موجودیت با نظر متخصصین در فضای غیر مجازی نشان دهنده چیدمان درست موجودیت ها است.

یکی از اهداف وب معنایی آن است که داده و دانش به صورت قابل فهم تر در اختیار ماشین قرار بگیرد تا موجب تسهیل در به اشتراک گذاری اطلاعات و مجتمع سازی داده ها شود. قدم آغازین در رسیدن به این نگاه، نمایش مفاهیم و اصطلاحات دامنه های مختلف در قالب انتولوژی ها می باشد با این وجود، حتی در یک دامنه وجود انتولوژی های متفاوت قابل اجتناب نبوده و در نتیجه هم تراز سازی انتولوژی ها یعنی یافتن انطباق ها میان دو انتولوژی ضروری می باشد. در سال های اخیر سیستم های هم تراز سازی زیادی ارائه شده اند. اغلب روش های هم تراز سازی موجود تنها قادر به یافتن انطباق های یک به یک می باشند. حال اگر برای یک مفهوم در انتولوژی اول نظیر مستقیمی در انتولوژی دوم یافت نشود، این روش ها قادر به یافتن انطباق پیچیده نخواهند بود. در حالت خاص این مسئله، اگر برای بیان یک مفهوم در یک طرف از الگوی لغوی-املایی و در انتولوژی دوم برای مدل کردن همان مفهوم از الگوی منطقی استفاده شده باشد، برای هم تراز سازی نیاز به یافتن نوع خاصی از انطباق های پیچیده می باشد. در این پژوهش یک روش برای یافتن انطباق های پیچیده ارائه شده است. این انطباق ها در یک طرف شامل یک نام به صورت مضاف-مضاف الیه بوده و در طرف دیگر شامل توصیفی پیچیده و مرکب برای بیان مفهوم معادل می باشد. دلیل توجه به عبارات مضاف-مضاف الیه کاربرد بالای آن ها در نام گذاری مفاهیم انتولوژی می باشد. در روش پیشنهادی ، ابتدا رابطه معنایی میان مضاف-مضاف الیه استخراج شده و با استفاده از آن یک سری انطباق های اولیه به عنوان فرضیه تولید می گردد. هسته اساسی در تولید این فرضیه ها کتابخانه ای از الگوها و یک روش جستجوی لغوی می باشد. با اعمال یک روش استدلالی خاص تمامی فرضیه های تولیدی برای افزایش کیفیت پالایش می شوند. از یک هیورستیک و نتایج به دست آمده از استدلال، برای تصحیح الگوریتم جستجوی لغوی و کلاسه بندی روابط معنایی استفاده شده است. در پایان، روش پیشنهادی در قالب نرم افزار هم تراز سازی oceaning پیاده سازی شده و کارایی روش پیشنهادی در هم تراز سازی دو انتولوژی مطرح، بزرگ و سطح بالای سومو و اومبل نشان داده شده است.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

دراین تحقیق نقش سیستمهای اطلاعات مدیریت مبتنی بر رایانه بر تصمیم گیری مدیران ستادی شرکت برق منطقه ای اصفهان مورد بررسی قرار گرفته و تاثیر سرعت، به هنگام بودن، مرتبط بودن و دقت سیستمهای اطلاعاتی مبتنی بر رایانه در تصمیم گیری آنان بررسی شده است.