اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شماره‌ها | 1,244 |
| تعداد مقالات | 9,008 |
| تعداد مشاهده مقاله | 7,864,593 |
| تعداد دریافت فایل اصل مقاله | 4,717,783 |
بهره برداری از بازخورد ارتباط در جستجوی نمودار دانش | ||
| مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی | ||
| مقاله 3، دوره 2، شماره 2، اسفند 1400، صفحه 33-43 اصل مقاله (1.21 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| زهرا masoudinezhad* 1؛ حسن نادری2؛ عبدالباقی قادرزاده3 | ||
| 1خیابان نواب صفوی بین سهروردی و مدرس پلاک 238 طبقه دوم | ||
| 2دانشگاه علم و صنعت ایران | ||
| 3دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی سنندج، سنندج، ایران | ||
| تاریخ دریافت: 01 آبان 1400، تاریخ بازنگری: 16 دی 1400، تاریخ پذیرش: 09 بهمن 1400 | ||
| چکیده | ||
| نیاز به نرم افزار و یا به صورت کلی سیستمی که بتواند به صورت روزانه اطلاعات مهمی ( که فرد احساس می‌کند ممکن است در آینده به آنها نیاز پیدا کند) را در خود ذخیره کند و در زمان لازم این اطلاعات را در اختیار فرد قرار دهد، لازم و ضروری به نظر می‌رسد. سعی بر این است تا در این مقاله با ارایه سیستمی به انسان کمک شود تا با ذخیره کامل اطلاعات در گذشت زمان بتواند در هر زمانی که نیاز به اطلاعاتی داشت ( که به دلیل مشغله‌های ذهنی قادر به یادآوری آنها نیست) بتواند با یادآوری بخشی از اطلاعات موردنیاز خود به تمامی اطلاعات خود به صورت کامل دست یابد. در سیستم پیشنهادی اطلاعات در ابتدا در گراف دانشی ذخیره می‌شود، این گراف دانش دارای ارتباطاتی بین نودها است که به دلیل وجود همین ارتباط‌ها و با استفاده از روش‌های جستجوی کلیدی بهترین و کامل‌ترین پاسخ به کاربر برگردانده می‌شود. کاربر به صورت روزمره اطلاعات مهم خود را،که می‌شنود و یا می‌خواند و گمان می‌کند ممکن است در آینده به آنها نیاز پیدا کند را به صورت کامل در این سیستم ذخیره می‌کند و در زمان لازم فقط با یادآوری بخشی از اطلاعات به کل آن اطلاعات دسترسی پیدا می‌کند. پس از ذخیره داده‌ها در گراف دانش( که دارای ارتباط‌های خاصی بین نودها است) ذخیره می‌شود و با روش‌های جستجوی کلیدی اطلاعات را بازیابی می‌کند. روش ارائه شده کمک بهینه‌ای به بازیابی اطلاعات از دست رفته انسان خواهد کرد. | ||
| کلیدواژه‌ها | ||
| نمودار دانش؛ بازخورد ارتباط؛ حافظه انسان | ||
| عنوان مقاله [English] | ||
| Utilize communication feedback in search of knowledge charts | ||
| نویسندگان [English] | ||
| zahra masoudinezhad1؛ - -2؛ abdolbaghi ghaderzadeh3 | ||
| 1department of computer, islamic azad university of sanandaj | ||
| 2department of computer- Iran university of science &technology | ||
| 3department of computer, islamic azad university of sanandaj | ||
| چکیده [English] | ||
| The need for a software or a system in general that can store important information (which a person feels may be needed in the future) on a daily basis and provide this information to the person at the necessary time, It seems necessary and essential. In this article, an attempt is made to help humans by providing a system so that by fully storing information over time, whenever they need information (which they are unable to recall due to mental preoccupations), they can recall a part of it,Get all the information you need in full. In the proposed system, information is initially stored in a knowledge graph, this knowledge graph has connections between nodes, which return the best and most complete answer to the user due to the existence of these connections and using key search methods to be. On a daily basis, the user stores his important information, which he hears or reads and thinks he may need in the future, in this system, and when necessary, just by reminding him. A part of the information gets access to the whole information. On a daily basis, the user stores his important information, which he hears or reads and thinks he may need in the future, in this system, and when necessary, just by reminding him. A part of the information gets access to the whole information. | ||
| کلیدواژه‌ها [English] | ||
| knowledge graph, feedback communication, human memory | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] B. R. Herganna, an introduction to learning theories, translated by Ali Akbar Seif, Ch IV, Tehran, Doran, p.423 و،1397( in persian).
[2] B. R. Herganeh, previous, p. 433,1397(in persian).
[3] Rita. L. Atkinson, The field of psychology, translated by Mehdi Ganji, Ch. 10, p. 421,2013(in persian).
[4] Christian Bizer, Tom Heath, and Tim Berners-Lee. Linked Data – The Story So Far. International journal on semantic web and information systems, 5(3):1–22, 2009. [5] Douglas B Lenat. CYC: A large-scale investment in knowledge infrastructure. Communications of the ACM, 38(11):33– 38, 1995. [6] Samuel Sarjant, Catherine Legg, Michael Robinson, and Olena Medelyan. “All you can eat” ontology-building:Feeding Wikipedia to Cyc. In Proceedings of the 2009 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology-Volume 01, pages 341–348, Piscataway, NJ, 2009. IEEE Computer Society. [7] Denny Vrandeˇci´c and Markus Krötzsch. Wikidata: a Free Collaborative Knowledge Base. Communications of the ACM, 57(10):78–85, 2014. [8] Jens Lehmann, Robert Isele,Max Jakob, Anja Jentzsch, Dimitris Kontokostas, Pablo N. Mendes, Sebastian Hellmann, Mohamed Morsey, Patrick van Kleef, Sören Auer, and Christian Bizer. DBpedia – A Large-scale, Multilingual Knowledge Base Extracted from Wikipedia. Semantic Web Journal, 6(2), 2013. [9] George A Miller. WordNet: a lexical database for English.Communications of the ACM, 38(11):39–41, 1995. http: //dx.doi.org/10.1145/219717.219748. [10] Farzaneh Mahdisoltani, Joanna Biega, and Fabian M.Suchanek. YAGO3: A Knowledge Base from Multilingual Wikipedias. In Conference on Innovative Data Systems Research,2015. http://www.cidrdb.org/cidr2015/ Papers/CIDR15_Paper1.pdf. [11] Andrew Carlson, Justin Betteridge, Richard C Wang, Estevam R Hruschka Jr, and Tom M Mitchell. Coupled semisupervised learning for information extraction. In Proceedings of the third ACM international conference on Web search and data mining, pages 101–110, New York, 2010. [12] L.Terveen and D.W.McDonald.Social matching: A framework and research agenda. ACM Trans. Comput-Hum. Interact., 12(3),2005. [13] W.Eberle and L. Holder. Applying graph-based approaches to insider threat detection. In Proc.of the 5th Annual Workshop on Cyber Security and Information Intelligence Research , pages 206-208,2009. [14] B. Zong , R. Raghhavendra, M. Srivatsa, X. Yan, A. K. Singh, and KW Lee. Cloud service placement via subgraph matching . In ICDE,2014. [15] L. Del Corro, R. Gemulla, “ClausIE: clause-based open information extraction”, In Proceedings of the 22nd international conference on World Wide Web, pp. 355-366, International World Wide Web Conferences Steering Committee, 2013. [16] O. Etzioni, A. Fader, J. Christensen, S. Soderland, M. Mausam, “Open information extraction: The second generation”, In Proceedings of the TwentySecond international joint conference on Artificial Intelligence-Volume Volume One, pp. 3-10, AAAI Press, 2011. [17] Heiko Paulheim: Knowledge Graph Refinement:A Survey of Approaches and Evaluation Methods, Published 2017 in Semantic Web DOI:10.3233/SW-160218. | ||
|
آمار تعداد مشاهده مقاله: 121 تعداد دریافت فایل اصل مقاله: 85 |
||
