ارزش گذاری ارجاعات غیر مستقیم در شبکه های استنادی با استفاده از تلفیق داده ها
Publish place: Soft Computing Journal، Vol: 7، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 120
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SCJKA-7-2_003
تاریخ نمایه سازی: 31 تیر 1401
Abstract:
انجام هر فعالیت علمی نیازمند آگاهی از فعالیت های مرتبط پیشین است. شبکه های استنادی از جمله شبکه هایی هستند که هر سند در آن، به عنوان حلقه ای از یک زنجیره با اسناد قبلی و بعدی خود مقایسه می شود و اسنادی که بیشترین تعداد ارجاعات را دریافت کرده اند به عنوان موثرترین اسناد آن حوزه شناخته می شوند. تعداد استنادهای دریافتی هر مدرک نشان دهنده جایگاه آن در تحقیقات انجام شده در آن حوزه است. مقالاتی با تعداد استنادهای دریافتی زیاد، در تحقیقات آن حوزه دارای سهم قابل توجهی هستند. بنابراین ضرورت رتبه بندی اسناد با در نظر گرفتن ویژگی های مهم آن ها و ساختار شبکه های استنادی تا حد زیادی احساس می شود. یک چالش پیش رو در این بخش، وجود ارجاعات غیرمستقیم و تعیین ویژگی های مناسب است که باعث ایجاد پیچیدگی در این رتبه بندی می شود. در نتیجه، ارائه راهکاری که بتواند تاثیر چنین ارجاعاتی را به شکل مناسبی لحاظ کند، دارای اهمیت است. در این مقاله روشی به منظور ارزش گذاری بر روی اسناد با استفاده از برخی معیارهای تعریف شده در شبکه های استنادی ارائه شده است. ترکیب چندین معیار به دست آمده از این شبکه ها موجب حاصل شدن نتایج بهبود یافته و دقیق تری می شود. لذا روش پیشنهادی به کمک ترکیب ویژگی ها و تلفیق داده ها و با بهره گیری از روش عملگر میانگین وزنی مرتب شده، امتیاز اسناد را محاسبه نموده و رتبه بندی آن ها را انجام می دهد. رتبه بندی طبق معیار رتبه صفحه با به کارگیری ویژگی های شبکه های استنادی انجام شده است و روش تلفیق داده ها با روش های دیگر مقایسه شده که نتایج حاکی از عملکرد بهتر روش تلفیق داده ها دارد. مقایسه خطای رتبه بندی در مقایسه با یک روش مرجع با کاهش متوسط خطای حدود دو درصد در کل آزمایش ها نیز این نتایج را تایید می کند.
Keywords:
Authors
مهدی سالخورده حقیقی
دانشگاه صنعتی سجاد
فاطمه ساجدی
دانشگاه صنعتی سجاد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :