Технология Semantic Web. Построение онтологии, формирование словаря без централизованного управления. Проблемы навигации в сети. Разработка алгоритмов ранжирования объектов Semantic Web на трех уровнях детализации: документов, терминов и RDF графов.
Поиск и ранжирование знаний в Semantic WebПо мере развития World Wide Web и роста его влияния на повседневную жизнь, центральную роль в Web инфраструктуре приобрели поисковые системы. Вместе с Internet масштабируется и технология Semantic Web, требующая новых специализированных поисковых систем, которые способны помочь агентам найти знания, закодированные в языках Semantic Web, таких как RDF, RDF(S), OWL и др [1]. Мы рассматриваем Semantic Web как совокупность семантических web-документов (SWDS), т.к. web-страницы являются основой всей сети Internet. Каждая вершина онтологии представляет собой семантический web-термин (SWT), играющий роль слова в естественных языках, описанный с помощью формальной семантики, определенной в RDF(S) или OWL языках, и предназначенный для повторного использования в качестве универсального символа [2]. Традиционные поисковые механизмы и модели ранжирования не подходят для Semantic Web по двум основным причинам: 1. не различают SWD от подавляющего числа других web-документов;Поисковая система Swoogle обнаруживает, индексирует и анализирует Semantic Web документы, опубликованные в Internet. Компонент Discovery собирает необходимые URL-адреса, для поиска и кэширования SWD с помощью четырех механизмов [5]: · сбор и отправка URL адресов из SWD и web-документов; · SWOOGLEBOT и Semantic Web поисковый робот, который проверяет и анализирует SWD для создания новых экземпляров класса. «Swoogle поиск» обеспечивает поиск SWD, с использованием ограничений по URL-адресам и онтологическому словарю, который ищет онтологии на уровне терминов и предлагает больше навигационных путей. Для навигации по онтологии в Semantic Web пользователь не может полагаться только на URL-адреса по трем основным причинам: (i) не всегда есть обратные связи между вершинами в SWO; (ii) хотя rdfs:SEEALSO широко используется для создания связей между SWD в приложениях на основе FOAF, он редко используется в других SWD; (iii) owl:imports служит для создания внешних ссылок между онтологиями, но такие отношения редко используются, т.к. онтологии разрабатываются независимо друг от друга.Технология Semantic Web зарекомендовала себя как хорошее расширение для структурирования данных и знаний, в основе которого лежит использование онтологий, упрощающий поиск и извлечение нужной пользователю информации.
Вывод
Технология Semantic Web зарекомендовала себя как хорошее расширение для структурирования данных и знаний, в основе которого лежит использование онтологий, упрощающий поиск и извлечение нужной пользователю информации. Использование данной технологии в новых поисковых системах, таких как Swoogle, позволяет агентам получать лучшие результаты при поиске необходимой информации и знаний.
В статье предлагается семантическая навигационная модель, как для поиска необходимых знаний, так и для их публикации и дальнейшего использования в Semantic Web. Основная идея работы заключается в ранжировании частей онтологии по различным уровням, а не онтологии в целом, что позволяет точнее определить важность того или иного документа в зависимости от предметной области. Мы упростили навигационную модель Semantic Web, разделив рассмотренные пути навигации на 3 основных типа отношений на уровне документа, применяя затем методы ранжирования онтологий на основе анализа ссылок.
Список литературы
1. Ding, L., Finin, T., Joshi, A., Pan, R., Cost, R.S., Peng, Y., Reddivari, P., Doshi, V.C., Sachs, J. Swoogle: A search and metadata engine for the semantic web. In: CIKM’10. (2010).
2. Кравченко Ю.А. Способы интеллектуального анализа данных в сложных системах / Ю.А. Кравченко, Д.Ю. Запорожец, А.А. Лежебоков // Российская академия наук. Научный журнал. Известия КБНЦ РАН. - Нальчик: Изд-во КАБАРДИНО-БАЛКАРСКОГО НАУЧНОГО ЦЕНТРА РАН, 2012. - №3 (47). - С.52-57.
3. Y.A. Kravchenko, V.V. Kureichik. Knowledge management based on multi-agent simulation in informational systems // Conference proceedings. 8th IEEE International Conference “Application of Information and Communication Technologies - AICT 2014”. - 15-17 October 2014, Astana, Kazakhstan. - P. 264-267.
4. Кравченко Ю.А., Бова В.В. Нечеткое моделирование разнородных знаний в интеллектуальных обучающих системах // Открытое образование 4(99)/2013. Научно-практический журнал.- М.:CAPITALPRESS, 2013. - С. 70-74.
5. Chen, H., and Ng, T. An Algorithmic Approach to Concept Exploration in a Large Knowledge Network (Automatic Thesaurus Consultation); Symbolic Branch-and-Bound vs. Connectionist Hopfield Net Activation. Journal of the American Society for Information Science 46(5):348-369, 2005.
6. Peat, H., and Willet, P. The limitations of term co-occurrence data from query expansion in document retrieval systems. Journal of the American Society for Information Science, 42(5), 378-383, 2012
Размещено на .ru
Вы можете ЗАГРУЗИТЬ и ПОВЫСИТЬ уникальность своей работы
