آموزش protégé

| | ارسال نظر | بازتاب (0)

با عرض سلام و خسته نباشید

قدرتمند ترین ابزار برای ایجاد هستان نگار،ابزار protégé  می باشد.

در لینک زیر اسلاید آموزشی این نرم افزار که من برای یادگیری protégé  از آن استفاده کردم آمده است.این آموزش کوتاه و در عین حال حاوی تمامی مطالب مورد نیاز برای یک کاربر مبتدی میباشد.

امیدوارم مفید واقع بشود.

https://fumdrive.um.ac.ir/index.php/s/iGt3i2q7uAac6H3

هستان نگار فصل 9 کتاب swebok v3.0

| | ارسال نظر | بازتاب (0)

با سلام خدمت دوستان

از طریق لینک زیر میتوانید به هستان نگار مربوط به فصل 9 کتاب swebok با عنوان SOFTWARE ENGINEERING MODELS AND METHODS که توسط اینجانب به عنوان تکلیف درس وب معنایی انجام شده است دسترسی پیدا کنید.

https://fumdrive.um.ac.ir/index.php/s/D0iekzKchU6oMxq

با عرض سلام

از طریق لینک زیر شما میتوانید به فایل ارائه من در ارتباط با "شناسایی موجودیت های نام دار و ایجاد پیوند معنایی" که برای درس وب معنایی تهیه شده است دسترسی پیدا کنید.

در این ارائه علاوه برا آشنایی و تعریف مقوله های شناسایی و پیوند موجودیت های نامدار،خلاصه ای از روش هاوابزار های مورد استفاده در این ارتباط نیز آورده شده است.

امیدوارم مفید واقع شود.

https://fumdrive.um.ac.ir/index.php/s/InSguNqK8eVd8bD

پیوند موجودیت های نامدار(named entity linking)

| | ارسال نظر | بازتاب (0)

   با سلام. آشنایی اولیه ای خواهیم داشت با مقوله پیوند موجودیت های نامدار در مبحث وب معنایی

پیوند موجودیت های نامدار عملیاتی است که طی آن هویت موجودیت های مشخص شده در متن مشخص می شوند و در هرکدام از موجودیت ها ارجاعی به دانش مرتبط در پایگاه دانش داده می شود

 

Input : Paris is the capital of France

Output :"Paris" refers to the city of Paris and not to Paris Hilton

 

روش ها :

استفاده از معیار های مشابهت به متون دیگر با بهره گیری از دانش غیرساخت یافته در مورد موجودیت ها. همانند دانش موجود در مقاله های ویکی پدیا.

به عنوان مثال Bunescu  و Pasca  در سال 2006 از cosine similarity  برای تعیین میزان تشابه روی مقاله های ویکی پدیا استفاده کردند   

در روش دیگر از داده های نیمه ساخت یافته موجود در دیتاست هایی مانند Yago  یا Freebase بهره میگیریم

ابزارهای ایجاد پیوند موجودیت های نام دار:

AIDA

AGDISTIS

Babelfy

TagMe

 

 

شناسایی موجودیت های نامدار(named entity recognition)

| | ارسال نظر | بازتاب (0)

با سلام.در این مطلب قصد دارم اطلاعات مختصری در ارتباط با شناخت موجودیت های نامدار را به اشتراک بگذارم.امیدوارم مورد استفاده شما قرار بگیرد.

موجوديت نامدار به کلمه و يا عبارتي گفته ميشود که براي ارجاع به نمونه هاي يک مقوله ي مشخص مانند شخص، شرکت يا موسسه، تاريخ، بيماري، گونه هاي باکتري و ساير بکار ميرود. این حجم عظیم از اطلاعات  که ساختار هم ندارند ( به این دلیل که برای مصرف انسان تولید شدند) به صورت مستقیم قابل پردازش توسط ماشین نیستند.

 

شناسایی موجودیت های نامدار عملیاتی است که طی آن اسامی مناسبی از متن استخراج شده و در گروه های از پیش تعیین شده تقسیم می شوند.

Input : Jim bought 300 shares of Acme Corp. in 2006.

Output : [Jim]Person bought 300 shares of [Acme Corp.] Organization in [2006]Time.

 

این مفهوم برای اولین بار در ششمین کنفرانس Message Understandingدر سال 1995 مطرح شد.

نيازبه شناسايي موجوديتهاي نامدار، در دنياي امروز که عصرارتباطات و اطلاعات است رو به رشد  ميباشد. شناسايي موجوديتهاي نامدار براي جستجوهاي معنادار، ترجمه ي خودکار، استخراج خودکار مفاهيم متن، کشف ارجاعات درمتن وبسياري ديگر از زمينه هاي مربوط به پردازش زبان هاي طبيعي کاربرد دارد.

اينکه سيستم چه نوع موجوديتي را تشخيص دهد و يا به بيان ديگر دسته هاي معنايي موردنظرش چه باشند، وابسته به زمينه ي کاربردي سيستم ميباشد.

شناسايي موجوديت نامداردر علم زيست شناسي ميتواند تشخيص اسامي وابسته به انواع پروتئین ها ،DNA  ها و نوع سلول ها و .... باشد

در حوزه ی پزشکی مي تواند تشخيص انواع بيماري ها، داروها، مراکز درماني و مانند اين ها و در حوزه تجارت نام شرکت ها و موسسات، تراکنش هاي مالي، بورس و غيره باشد.

همچنين اين امر مي تواند به صورت خيلي خاص مثلا فقط براي کشف اسامي شرکتهاي توليد کننده فولاد از روي متون مربوطه بکار رود.

يک دسته بندي عام در NER مورد استفاده قرار مي گيرد که در بسياري تحقيقات نيز ملاک مقايسه بوده است، دسته بندی بر اساس (شخص)(سازمان)(ناحیه) است.

 

کاربردها:

جستجوی معنایی

سیستم های پرسش و پاسخ

سیستم های خبره

کشف دانش

مدیریت دانش

نظر کاوی

بازیابی اطلاعات

 

مشکلات پایه ای:

تنوع موجودیت های نام دار

مثال :

John Smith, Mr Smith, John

ابهام در نوع موجودیت ها

مثال:

     John Smith (company vs. person)

     May (person vs. month)

     Washington (person vs. location)

     1945 (date vs. time)

ابهام در common words

مثال :

 

  May