عنوان پایان‌نامه
استخراج خبرگی برای یک سامانه خبره یابی درحوزه های پژوهشی
- دانشجو
- نفیسه ترکزاده ماهانی
- رشته تحصیلی
- مهندسی کامپیوتر - هوش مصنوعی - رباتیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2588;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66202
- تاریخ دفاع
- ۱۴ مرداد ۱۳۹۳
- چکیده
- سطح خبرگی افراد را می توان بر اساس اسناد نوشته‌شده توسط آن ها، پروژه های تحقیقاتی و فعالیت های علمی ای که هرروز انجام می دهند، تعیین کرد. فرآیندی که در آن، بر اساس میزان خبرگی افراد، خبره های هر موضوع تعیین می شوند، خبره یابی نامیده میشود. در این پژوهش ابتدا به بررسی روشهای مختلف خبره یابی پرداخته و آن ها را بر اساس منابع اطلاعاتی بکار گرفته‌شده، به دو دسته کلی تقسیم می کنیم؛ روش های مبتنی بر متن کاوی و روش های مبتنی بر شبکه های اجتماعی. ما برای انجام وظیفه خبره یابی، خبره ها را بر اساس اطلاعات موجود در سه منبع اطلاعاتی مختلف آنها، تشخیص می دهیم. این سه منبع عبارت‌اند از نگارشهای افراد، روابط اجتماعی آن ها و اطلاعات علم سنجی مربوط به آن ها. سپس نظریه ترکیب شواهد دمپسترشفر برای ترکیب نتایج به‌دست‌آمده از تک تک منابع اطلاعاتی و یافتن یک رتبه بندی نهایی، مورداستفاده قرارگرفته است. برای ارزیابی ایده‌ی مدل، این روش روی مجموعه داده ای استاندارد DBLP پیاده سازی شده و با ترکیب اطلاعات دو ساختار اعتقادی مختلف و بدون اشتراک، توسط نظریه دمپسترشفر، برای برخی از پرس وجوها نتایج مطلوبی حاصل‌شده است که حاکی از سودمندی این روش ترکیب شواهد در این کاربرد است. نهایتاً با استفاده از روش پیشنهادی، معیار ارزیابی MAP به 63/25 رسیده است. کلمات کلیدی : فرآیند خبره یابی، ترکیب شواهد، نظریه دمپسترشفر، استخراج خبرگی.
- Abstract
- The expertise level of experts can be extracted based on their written documents, research projects and scientific activities they do every day. The process in which the experts of every field are determined according to their expertise is called Expert Finding. In this research, first we investigate the hitherto expert finding methods and clustered them into two main categories based on used information resources; text mining-based methods and social network-based methods. In the model proposed, we recognize the experts according to the information of their three different information resources: 1) Publications, 2) Social interactions 3) Scientometric information. Finally, Dempster-Shafer theory has been employed for combination of the obtained results of individual resources to find a final ranking. It has been shown in DBLP standard data that there happens a desired synergy between two utilized bodies of knowledge we used in Dempster-Shafer combination for some specific queries. Overally, acquired Mean Average Precision (MAP) is 25.63 employing the proposed approach. Keywords - Expert finding process, Evidence combination, Dempster-Shafer theory, Expertise extraction.
