ارتقای گراف دانش با بهره‌گیری از روش ترجیحات گزینشی

ترابیان, نجمه; ردایی, هما; مینایی بیدگلی, بهروز; جهانشاهی, محسن

***************«بسم الله الرحمن الرحیم» نشریه علمی «پردازش علائم و داده‌ها» با مجوز رسمی از کمیسیون نشریات وزارت علوم، تحقیقات و فناوری، صاحب امتیاز: پژوهشگاه توسعه فناوری‌های پیشرفته ***************

Signal and Data Processing Journal A scientific journal officially licensed by the Commission for Scientific Publications of the (MSRT). Publisher: Research Ceter for Developmen of Technologies

EN FA

دوره 23، شماره 1 - ( 3-1405 ) جلد 23 شماره 1 صفحات 50-37 | برگشت به فهرست نسخه ها

Mendeley

Zotero

RefWorks

Torabian N, Radaei H, Minaei-Bidgoli B, Jahanshahi M. Enhancing Knowledge graph with Selectional Preferences. JSDP 2026; 23 (1) : 3
URL: http://jsdp.rcisp.ac.ir/article-1-1479-fa.html

ترابیان نجمه، ردایی هما، مینایی بیدگلی بهروز، جهانشاهی محسن. ارتقای گراف دانش با بهره‌گیری از روش ترجیحات گزینشی. پردازش علائم و داده‌ها. 1405; 23 (1) :37-50

URL: http://jsdp.rcisp.ac.ir/article-1-1479-fa.html

ارتقای گراف دانش با بهره‌گیری از روش ترجیحات گزینشی

نجمه ترابیان

، هما ردایی

، بهروز مینایی بیدگلی^*

، محسن جهانشاهی

چکیده: (9 مشاهده)

در فرآیند ساخت گراف‌های دانش از کلان‌داده‌ها، بسیاری از اجزای ضروری دانش نادیده گرفته می‌شوند. «پیش‌بینی پیوند» برای رفع این چالش و توسعه روش‌هایی جهت افزودن روابط از دست رفته به گراف‌های دانش پدید آمده است. به رغم پیشرفت‌های قابل توجه، روش‌های کنونی پیش‌بینی پیوند همچنان نیازمند بهبود هستند تا به سطح دقت مورد نیاز برای کاربردهای عملی در صنعت برسند. این پژوهش رویکردی نوآورانه ارائه می‌دهد که با بهره‌گیری از ترجیحات گزینشی، دقت پیش‌بینی پیوند در گراف‌های دانش را افزایش می‌دهد. ترجیحات گزینشی تاکنون در حوزه پردازش متن مورد استفاده قرار می‌گرفته است. این پژوهش ادعا می‌کند که اعمال ترجیحات گزینشی بر گراف دانش می‌تواند با استفاده از الگوهای باهم‌آیی موجودیت‌ها و روابط در گراف دانش، عملکرد پیش‌بینی پیوند را بهبود بخشد. برای آزمون این فرضیه، رویکرد پیشنهادی روی مجموعه داده معیار فارسی «فارس‌پیش‌بین» که ویژه وظیفه پیش‌بینی پیوند طراحی شده از طریق اعمال ترجیحات گزینشی بر روی دگرنمایی‌های متنی پیاده‌سازی شده است. آزمایش‌های این رویکرد بهبود قابل توجهی را در دقت پیش‌بینی پیوند گزارش می‌کند که شاهد محکمی برای تأیید فرضیه اولیه ارائه می‌کند. نتایج نشان می‌دهد که ادغام ترجیحات گزینشی در فرآیند پیش‌بینی، توانایی سیستم را در پیش‌بینی پیوندهای از دست رفته محتمل در گراف دانش به طور مؤثری افزایش می‌دهد. این یافته‌ها، توانمندی ترجیحات گزینشی را برای بهبود عملکرد پیش‌بینی پیوند تأیید می‌کنند. اگرچه نتایج، تأثیر ترکیب ترجیحات گزینشی با دگرنمایی‌های متنی در این پژوهش به اثبات می‌رسد، اما تکرارپذیری این یافته‌ها در سایر تکنیک‌های دگرنمایی متن یا سایر تکنیک‌های دگرنمایی گراف دانش نیازمند بررسی بیشتر است. با این حال، کاربرد موفقیت‌آمیز این روش بر روی داده‌های معیار فارسی، ارزش آن را برای بهبود دقت پیش‌بینی پیوند در زبان‌ها و حوزه‌هایی که الگوهای رابطه‌ای در آنها کمتر مطالعه شده‌اند، برجسته می‌سازد. تحقیقات آینده باید به بررسی ادغام این روش با تکنیک‌های متعارف پیش‌بینی پیوند که بر دگرنمایی متن یا دگرنمایی گراف دانش تکیه دارند، بپردازند تا رویکرد پیشنهادی را برای طیف وسیعی از سیستم‌های موجود قابل اجرا سازند.

شماره‌ی مقاله: 3

واژه‌های کلیدی: پیش‌بینی پیوند، ترجیحات گزینشی، دگرنمایی واژگان، تکمیل گراف دانش، دگرنمایی گراف دانش

متن کامل [PDF 1082 kb] (15 دریافت)

نوع مطالعه: پژوهشي | موضوع مقاله: مقالات پردازش متن
دریافت: 1404/4/29 | پذیرش: 1405/6/2 | انتشار: 1405/3/31 | انتشار الکترونیک: 1405/3/31

ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.