Deep Learning

| | ارسال نظر | بازتاب (0)

با عرض سلام

در ویدیو زیر به مقایسه دو ابزار مهم در رابطه با یادگیری عمیق پرداخته شده است. اگر می خواهید کار خود را در این زمینه شروع کنید پیشنهاد می شود حتما ویدیو زیر را تماشا کنید.

ابزار theano و TensorFlow

http://www.aparat.com/v/H8n9z 

راهکارهای ایجاد هستان نگار و معرفی "هستی"

| | ارسال نظر | بازتاب (0)

با سلام

ارائه ی زیر درباره ی چالش ها و راه کار های ساخت خودکار هستان نگار می باشد. همچنین معرفی از هستان نگار "هستی" به عنوان یک چارچوب ساخت خودکار هستان نگار از متون فارسی، را ارائه می دهد. لطفا نظرات خود را درباره ی این ارائه در قسمت دیدگاه ها بیان نمایید. با تشکر

https://drive.google.com/open?id=0B6lQNPbL2HYCd3pZeE1FVXRTQ1k 

معرفی هستان نگار BBC و Papyrus در زمینه اخبار

| | ارسال نظر | بازتاب (0)

با سلام 

ارائه این جانب در زمینه هستان نگار های BBC Ontology و Papyrus که در زمینه اخبار هستند در لینک زیر قابل دریافت است. نظرات خود را در قسمت دیدگاه ها بیان نمایید با تشکر

 https://drive.google.com/open?id=0B6lQNPbL2HYCa3hMRzdkSXRwLTg

نمونه ای از هستان نگار به فرمت OWL

| | ارسال نظر | بازتاب (0)

با سلام 

برای آشنایی بیشتر با فرمت OWL برای هستان نگار ها، هستان نگار فصل اول کتاب swebok با عنوان SOFTWARE ENGINEERING MODELS AND METHODS که از لینک زیر قابل دریافت است را با استفاده از نرم افزار protege ایجاد شده است. لازم به ذکر است برای بارگذاری و انجام استدلال بر روی این فایل من نرم افزار protege را پیشنهاد می کنم.

لینک کتاب:

 https://drive.google.com/open?id=0B6lQNPbL2HYCREhEQng4Zm5ZVEE

لینک هستان نگار:

 https://drive.google.com/open?id=0B6lQNPbL2HYCT180MnhjOU9Bbm8

لینک دسترسی به نرم افزار protege: 

protege.stanford.edu/ 

معرفی Apache Jena Framework

| | ارسال نظر | بازتاب (0)

با عرض سلام و خسته نباشید

چارچوب Jean Framework یک چارچوب رایگان و متن باز جاوایی برای ساخت برنامه های وب معنایی و داده های پیوندی است که در سال 2011 معرفی شده است.

این Framework از لینک زیر قابل دریافت می باشد:

https://jena.apache.org/


همچنین ارائه ای کوتاه درباره ی معرفی بیشتر این Framework در لینک زیر قابل دسترس می باشد.

https://drive.google.com/file/d/0B6lQNPbL2HYCYzA5OHY1TFBwVXc/view

 

گسترش پرس‌وجو در موتور های جستجو

| | ارسال نظر | بازتاب (0)

 

با سلام 

کارهای بسیاری در حوزه‌ی گسترش پرس‌وجو انجام شده است. گسترش پرس‌وجو به علت ابهام زبان طبیعی و همچنین سختی استفاده از یک عبارت واحد برای بازنمایی یک مفهوم اطلاعاتی موردنیاز است. با استفاده از گسترش پرس‌وجو،کاربر به سمت فرموله‌کردن پرس‌وجوهایی که رسیدن به نتایج مفید را امکان‌پذیر می‌سازند، راهنمایی می‌شوند.

 هدف اصلی گسترش پرس‌وجو، اضافه نمودن واژگان معنادار جدید به پرس‌وجوی اولیه است. فرآیند اضافه‌نمودن واژگان می‌تواند هم به صورت دستی، خودکار یا با همیاری کاربر انجام شود. گسترش پرس‌وجوی دستی، به تجربه‌ی کاربر برای تصمیم‌گیری درباره‌ی  اینکه چه واژگان جدیدی به پرس‌وجوی جدید اضافه شوند، متکی است. در نوع گسترش پرس‌وجوی خودکار، برای تمام واژگان وزن‌ها محاسبه شده و واژگانی که بالاترین وزن‌ها را دارند به پرس‌وجوی اولیه اضافه می‌شوند. توابع وزن‌دهی مختلف، نتایج متفاوتی را تولید می‌کنند، بنابراین کارایی بازیابی به این امر که وزن‌ها چگونه محاسبه گردند، وابسته است. در گسترش پرس‌وجو با همیاری کاربر، سیستم کلمات گسترش پرس‌وجوی ممکن را تولید کرده و کاربر انتخاب می‌نماید که کدام‌یک از این کلمات در نظر گرفته شوند.

کلمات جدید حاصل شده از متدهای انتخاب کلمات برگزیده، باید اطلاعات متنی را برای پرس‌وجوی اولیه با دید بهبود نتایج بازیابی، فراهم آورند. اطلاعات متنی می‌توانند از این موارد حاصل شوند: بازخورد مرتبط، کلمات هم وقوع و اخیرا این اطلاعات می‌توانند از مدل‌های دانش مانند هستی‌شناسی‌ها استنتاج شوند.نمونه‌ای از گسترش پرس‌وجو، در شکل 1 آمده است.

 

 در شکل 2 مراحل انجام گسترش پرس‌وجوی خودکار نشان‌داده شده است. در این شکل ابتدا پیش‌پردازشی انجام شده و میانی تولید می‌گردند، سپس با استفاده از این ویژگی‌ها، ویژگی‌های نهایی تولید شده و رتبه‌بندی می‌گردند. در مرحله‌ی سوم، ویژگی‌های موجود در رتبه‌های بالاتر، برای گسترش پرس‌وجو انتخاب شده و در آخرین بخش، پرس‌وجو با استفاده از ویژگی‌های انتخاب شده، فرموله‌بندی مجدد می‌گردد.

گسترش پرس‌وجو با استفاده از مدل‌های دانش وابسته به مجموعه اسناد

بین اواخر دهه‌ی 60 و اوایل دهه‌ی 70، یک سری تحقیقات پیرامون بررسی کارایی گسترش پرس‌وجو با استفاده از خوشه‌بندی واژگان انجام شد. محققان بر این باور بودند که زوج کلماتی که اغلب با یکدیگر در اسناد رخ می‌دهند، درباره‌ی موضوع مشابهی هستند. اسناد مشابه در یک خوشه قرار می‌گیرند. با فرض قبلی اگر کلمات پرس‌وجو، به یک یا بیشتر از یک خوشه نگاشت داده شوند، کلمات موجود در آن خوشه‌ها، می‌توانند به عنوان کلماتی برای گسترش پرس‌وجوی اصلی استفاده شوند.

تزاروس‌های مورد استفاده برای گسترش پرس‌وجو می‌توانند به روش دستی یا خودکار ایجاد شوند. ساخت تزاروس دستی، فرآیندی خسته‌کننده است. یکی از شناخته‌شده‌ترین تزاروس ها وردنت است. مشکل دیگر در ساخت تزاروس دستی آن است که این تزاروس‌ها بیش از حد کلی هستند و نمی‌توانند شامل کلمات جدید باشند. از این‌رو این تزاروس‌ها برای مجموعه‌های ایستای اسناد مناسب‌تر از اسناد وب هستند.

گسترش پرس‌وجو با استفاده از بازخورد مرتبط

به منظور ایجاد گسترش موفق، فرضیات مختصری باید ایجاد شود. نخست اینکه، کاربر باید دانش کافی درباره‌ی سند داشته باشد. غلط املایی، و همچنین عدم تطابق واژگان جستجوگر در مقابل واژگان مجموعه، نمی‌توانند تنها با استقاده از بازخورد مرتبط حل شوند. سه نوع مختلف از بازخورد وجود دارد، بازخورد ادهاک یا کور ، بازخورد ضمنی  و بازخورد صریح .

 

گسترش پرس‌وجو با استفاده از مدل‌های زبانی

یکی دیگر از روش‌های مشهور برای گسترش پرس‌وجو، ساخت مدل زبانی آماری برای پرس‌وجو است که یک توزیع احتمالاتی را برای کلمات مشخص می‌نماید. کلمات مورد استفاده برای گسترش پرس‌وجو، براساس احتمالات موجود در مدل زبانی، انتخاب می‌گردند. کلماتی با احتمال بالاتر، اغلب برای گسترش انتخاب می‌گردند.

مسائل مطرح در روش گسترش پرس‌وجو

صرفنظر از اینکه چه روشی برای گسترش پرس‌وجو استفاده می‌شود، شیوه‌ی انتخاب کلمات، یک فاکتور کلیدی در کارایی پرس‌وجوهای گسترش یافته است. در مساله‌ی انتخاب کلمه، لازم است درنظر گرفته شود که چطور کلمات جدید وزن‌دهی شوند، آیا کلمات پرس‌وجوی اولیه کنار گذاشته شوند؟  آیا همه‌ی کلمات جدید اضافه شوند یا فقط برخی از آن‌ها؟ و در این‌صورت چه تعداد کلمه‌ی جدید اضافه شوند. در ادامه این مسائل بررسی می‌شوند.