Knowledge Seeker - Ontology Modelling for Information Search and Management: A Compendium

KnowledgeSeeker یک سیستم مفید برای توسعه برنامه های کاربردی هوشمند مختلف مانند موتور جستجوی مبتنی بر هستی شناسی، سیستم طبقه بندی متن مبتنی بر هستی شناسی، سیستم عامل هستی شناسی، و سیستم وب معنایی و غیره است. KnowledgeSeeker شامل چهار جزء هستی شناسی مختلف است. ابتدا، مدل نمایش دانش ¡V Ontology Graph را تعریف می کند. دوم، یک فرآیند یادگیری هستی شناسی که بر اساس آمار مربع کای برای یادگیری خودکار نمودار هستی شناسی از متون برای حوزه های مختلف پیشنهاد شده است. سوم، یک روش تولید هستی شناسی را تعریف می کند که نتیجه یادگیری را به قالب گراف هستی شناسی برای پردازش ماشین تبدیل می کند و همچنین می تواند برای اعتبار سنجی انسانی تجسم شود. چهارم، عملیات هستی‌شناختی مختلفی را تعریف می‌کند (مانند اندازه‌گیری شباهت و طبقه‌بندی متن) که می‌توانند با استفاده از نمودارهای هستی‌شناسی تولید شده انجام شوند. هدف نهایی چارچوب سیستم KnowledgeSeeker این است که بتواند سیستم اطلاعات سنتی را با کارایی بالاتر بهبود بخشد. به ویژه، می تواند دقت سیستم طبقه بندی متن را افزایش دهد و همچنین هوش جستجو را در موتور جستجو افزایش دهد. این را می توان با تقویت سیستم با هستی شناسی قابل پردازش ماشین انجام داد.

The KnowledgeSeeker is a useful system to develop various intelligent applications such as ontology-based search engine, ontology-based text classification system, ontological agent system, and semantic web system etc. The KnowledgeSeeker contains four different ontological components. First, it defines the knowledge representation model ¡V Ontology Graph. Second, an ontology learning process that based on chi-square statistics is proposed for automatic learning an Ontology Graph from texts for different domains. Third, it defines an ontology generation method that transforms the learning outcome to the Ontology Graph format for machine processing and also can be visualized for human validation. Fourth, it defines different ontological operations (such as similarity measurement and text classification) that can be carried out with the use of generated Ontology Graphs. The final goal of the KnowledgeSeeker system framework is that it can improve the traditional information system with higher efficiency. In particular, it can increase the accuracy of a text classification system, and also enhance the search intelligence in a search engine. This can be done by enhancing the system with machine processable ontology.