عنوان پایان‌نامه
استخراج روابط معنایی ازمتون نیمه ساختیافته وغیرساخ
- رشته تحصیلی
- مهندسی کامپیوتر -نرم افزار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1358;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 36629;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 1358
- تاریخ دفاع
- ۱۸ مهر ۱۳۸۶
- دانشجو
- علی رضا وظیفه دوست
- استاد راهنما
- مسعود رهگذر
- چکیده
- در این پایان نامه به موضوع استخراج اتوماتیک دانش از متن پرداخته شده است. این دانش برای استفاده در سیستمهای مبتنی بر تئوری استدلال مقبول انسان گونه استفاده می شود. در این تئوری، سعی شده است، مدلی از نحوه ی استدلال انسان پیشنهاد شود. این مدل بر اساس دو بخش کلی است. بخش اول به بازنمایی دانش می پردازد و بخش بعدی به الگوهای استدلال مقبول انسان گونه. سیستمهای مبتنی بر این تئوری که اکنون در زمینه ی بازیابی اطلاعات وجود دارند، از این تئوری برای نزدیک کردن روش جستجوی اطلاعات با روش بشری که بر پایه ی دانش از پیش است، استفاده می کنند. اما مشکلی که در این روشهای وجود دارد، ساخت پایگاه دانشی است که توصیفگر پیکره ی متنی باشد. با توجه به وجود ساختاری از نمایش دانش به نام هستی شناسی که بسیار شبیه پایگاه دانش موجود در تئوری استدلال مقبول است و وجود روشهایی برای استخراج خودکار از متن، هدف این پژوهش، بکاربردن آن روشها در استخراج پایگاه دانش مربوط به تئوری استدلال مقبول انسان گونه قرار گرفت. پایگاه دانش هدف، مجموعه ای از روابط میان مفاهیم است. در این پژوهش به ساخت اتوماتیک بخشی از آنها که رابطه های IS-A، Attribute-of، Similarity، ِDependency و Statement هستند پرداخته شده است. دراین راسته روشهای موجود بهبود داده شده اند یا روشهای جدیدی برای استخراج روابط پیشنهاد شده است. در نهایت این روابط در یک کاربرد واقعی مورد آزمایش قرار گرفته است و در بعضی از آنها مانند IS-A تا 12 درصد بهبود وجود داشته است. کلمات کلیدی:تئوری استدلال مقبول انسان گونه، هستی شناسی، استخراج خودکار، بازیابی اطلاعات
- Abstract
- In this thesis the main area of work is automatic knowledge extraction from text. This knowledge will be used in systems which are based on Human Plausible Reasoning Theory (HPR). In this theory a model for inference process in human have been propoused. This model is based on two parts. Frist part is about how knowledge is represented and the second part is about human plausible reasoning patterns. This theory is currently used in some information retrieval systems for closing search mechanism to human approach of search which is based on pre-gathered knowledge. But the problem here is how to build such a knowledge base for describing a text corpus. Considering a structured known as ontology for knowledge representation which is very similar to knowledge base of HPR and exsitance of some methods for automatically learning of ontology from text, the goal of this study is applaying these methods for extracting HPR knowledge base automatically from text. The intended knowledge base is a collection of concepts and relations between them. In the current study we noticed to extraction of some of them e.g., IS-A, Attribute-of, Similarity, Dependency and Statmenets. In this way some of current approaches of ontology learning have been enhanced and also some new appraches have been propoused. Finally this knowledge base was evaluated in a real application based on HPR and we have for some of them like IS-A relations, an enhancement about 12 %. Key words: Human Plausible Reasoning, Ontology, Automatic Learning, Information Retrieval
