این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
رایانش نرم و فناوری اطلاعات، جلد ۵، شماره ۴، صفحات ۱۱-۰
عنوان فارسی پیش‌بینی رویدادهای اخبار بر اساس استنتاج علّی در منطق رتبه اول
چکیده فارسی مقاله در این مقاله یک روش جدید برای پیش‌بینی رویدادهای اخبار در محیط‌های متنی ارائه شده است. روش پیشنهادی، از طریق تعمیم رویدادهای علت و سپس پیش‌بینی رویدادهای معلول آن با استفاده از قواعد علّی، قادر به تولید مدل پیش‌بینی رویداد است. برای این منظور، ابتدا رویدادهای موردنظر ازطریق یک مدل بازنمایی رویداد در سطح معنا از پیکره متنی اخبار استخراج شده و در قالب یک مدل گرافیکی در آنتولوژی (پایگاه شناخت) به عنوان دانش پویا ذخیره می‌شود. سپس یک سری قواعد علّی خاص حوزه پیش‌بینی در قالب منطق مرتبه اول به ماشین تزریق می‌گردد. برای مدل کردن دانش ایستا علاوه بر پایگاه قواعد، از چندین پایگاه شناخت بزرگ شامل پایگاه شناخت عمومی نظیر DBpedia، پایگاه شناخت واژگان نظیر FarsNet و پایگاه شناخت افعال نظیر VerbNet، به عنوان دانش ضمنی برای تعمیم دادن رویدادها و تولید مدل پیش‌بینی استفاده می‌شود. در نهایت، تمامی این مدل‌ها در قالب استاندارد زبان پایگاه شناخت وب (OWL)، به منظور انجام استنتاج علّی تجمیع می‌شوند. ارزیابی تجربی و عملی در اخبار واقعی نشان داد، که روش پیشنهادی برای پیش‌بینی اخبار عملکرد بهتری نسبت به روش‌های پایه دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی پیش‌بینی رویدادهای اخبار بر اساس استنتاج علّی در منطق رتبه اول
چکیده انگلیسی مقاله در این مقاله یک روش جدید برای پیش‌بینی رویدادهای اخبار در محیط‌های متنی ارائه شده است. روش پیشنهادی، از طریق تعمیم رویدادهای علت و سپس پیش‌بینی رویدادهای معلول آن با استفاده از قواعد علّی، قادر به تولید مدل پیش‌بینی رویداد است. برای این منظور، ابتدا رویدادهای موردنظر ازطریق یک مدل بازنمایی رویداد در سطح معنا از پیکره متنی اخبار استخراج شده و در قالب یک مدل گرافیکی در آنتولوژی (پایگاه شناخت) به عنوان دانش پویا ذخیره می‌شود. سپس یک سری قواعد علّی خاص حوزه پیش‌بینی در قالب منطق مرتبه اول به ماشین تزریق می‌گردد. برای مدل کردن دانش ایستا علاوه بر پایگاه قواعد، از چندین پایگاه شناخت بزرگ شامل پایگاه شناخت عمومی نظیر DBpedia، پایگاه شناخت واژگان نظیر FarsNet و پایگاه شناخت افعال نظیر VerbNet، به عنوان دانش ضمنی برای تعمیم دادن رویدادها و تولید مدل پیش‌بینی استفاده می‌شود. در نهایت، تمامی این مدل‌ها در قالب استاندارد زبان پایگاه شناخت وب (OWL)، به منظور انجام استنتاج علّی تجمیع می‌شوند. ارزیابی تجربی و عملی در اخبار واقعی نشان داد، که روش پیشنهادی برای پیش‌بینی اخبار عملکرد بهتری نسبت به روش‌های پایه دارد.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سینا دامی | sina dami
استادیار، مجتمع دانشگاهی فناوری اطلاعات ارتباطات و امنیت، دانشگاه صنعتی مالک اشتر، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

حسین شیرازی | hossein shirazi
دانشیار، مجتمع دانشگاهی فناوری اطلاعات ارتباطات و امنیت، دانشگاه صنعتی مالک اشتر، تهران، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی مالک اشتر (Malek ashtar university of technology)

احمد عبداله زاده بارفروش | ahmad abdollah zadeh barforoush
استاد، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیر کبیر، تهران، ایران

نشانی اینترنتی http://jscit.nit.ac.ir/index.php/jscit/article/view/Vol.5_No.4_2
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده JSCIT
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات