بازیابی معنایی و غنی سازی اطلاعات

خلاصه بررسی تجربی انجام شده در کمپین های بزرگ بین المللی، یک ستون اساسی از پیشرفت علمی و تکنولوژیکی سیستم های بازیابی اطلاعات است. چنین فعالیت های ارزیابی مقدار زیادی از داده های علمی و تجربی را تولید می کند که پایه ای برای همه تولید علمی و توسعه سیستم های جدید است. در این کار، ما در مورد چگونگی تفسیر معنایی و ارتباط این داده ها با هدف افزایش تفسیر، به اشتراک گذاری و استفاده مجدد از آنها صحبت خواهیم کرد. ما درباره گردش کار ارزیابی زیر بحث می کنیم و ما یک مدل چارچوب توصیف منابع (RDF) برای این بخش های جریان کاری پیشنهاد می دهیم و از تجربیات تجربی به عنوان یک مطالعه مورد استفاده برای نشان دادن مزایای رویکرد نمایشی معنایی استفاده می کنیم. ما این مدل را به عنوان وسیله ای برای افشای اطلاعات تجربی به عنوان Linked Open استفاده می کنیم داده ها (LOD) در وب و به عنوان مبنایی برای غنی سازی و به طور خودکار اتصال این داده ها با موضوعات تخصصی و پروفایل های متخصص.در این زمینه، یک رویکرد محور متمرکز برای جستجوی متخصص پیشنهاد شده است، با توجه به استخراج موضوعات تخصصی، زمینه سازی معنایی آنها با ابر LOD و ارتباط آنها با داده های تجربیIR روش های متعددی برای تعیین مشخصات کارشناس و یافتن کارشناسان مورد تجزیه و تحلیل و ارزیابی قرار می گیرد. نتایج ما نشان می دهد که می توان پروفیل های متخصص را با استفاده از موضوعات تخصصی به طور خودکار استخراج کرد و رویکردهای متمرکز متفاوتی از زبان پیشرفته تر برخوردار بودند

Keywords:

روش های مدل سازی برای پیدا کردن متخصص.داده های آزمایشی پروفایل تخصصی , جستجوی متخصص ارزیابی بازیابی اطلاعات· چارچوب توصیف منابع غنی سازی معنایی , مدل IR