به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

semantic processing

در نشریات گروه فناوری اطلاعات
تکرار جستجوی کلیدواژه semantic processing در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه semantic processing در مقالات مجلات علمی
  • سینا دامی *، حسین شیرازی، احمد عبدالله زاده بارفروش
    در این مقاله یک روش جدید برای پیش بینی رویدادهای اخبار در محیط های متنی ارائه شده است. روش پیشنهادی، از طریق تعمیم رویدادهای علت و سپس پیش بینی رویدادهای معلول آن با استفاده از قواعد علی، قادر به تولید مدل پیش بینی رویداد است. برای این منظور، ابتدا رویدادهای موردنظر ازطریق یک مدل بازنمایی رویداد در سطح معنا از پیکره متنی اخبار استخراج شده و در قالب یک مدل گرافیکی در آنتولوژی (پایگاه شناخت) به عنوان دانش پویا ذخیره می شود. سپس یک سری قواعد علی خاص حوزه پیش بینی در قالب منطق مرتبه اول به ماشین تزریق می گردد. برای مدل کردن دانش ایستا علاوه بر پایگاه قواعد، از چندین پایگاه شناخت بزرگ شامل پایگاه شناخت عمومی نظیر DBpedia، پایگاه شناخت واژگان نظیر FarsNet و پایگاه شناخت افعال نظیر VerbNet، به عنوان دانش ضمنی برای تعمیم دادن رویدادها و تولید مدل پیش بینی استفاده می شود. در نهایت، تمامی این مدل ها در قالب استاندارد زبان پایگاه شناخت وب (OWL)، به منظور انجام استنتاج علی تجمیع می شوند. ارزیابی تجربی و عملی در اخبار واقعی نشان داد، که روش پیشنهادی برای پیش بینی اخبار عملکرد بهتری نسبت به روش های پایه دارد.
    کلید واژگان: پیش بینی اخبار، بازنمایی رویداد، پردازش معنایی، آنتولوژی، استنتاج علی، منطق رتبه اول
    Sina Dami *, Hossein Shirazi, Ahmad Abdollahzadeh Barforoush
    A novel method for future event prediction is proposed in textual environment. Proposed method is able to produce an event prediction model through generalization of cause events and then predict the effect events by using causal rules. First, the events of interest are extracted from domainspecific texts via an event representation model at semantic level, and are stored in the form of a graphical model in ontology as a posteriori (dynamic) knowledge. Then, a set of domain-specific causal rules in first-order logic (FOL) are fed into the machine as a priori (common-sense) knowledge. In addition to this common-sense knowledge, several large-scale ontologies containing DBpedia, VerbNet and WordNet are used for modeling contextual (static) knowledge and generalizing events. Finally, all types of these knowledge are integrated in a standard Web ontology Language (OWL) to perform causal inference. Empirical evaluation on real news articles showed that our method was better than the baselines.
    Keywords: News Prediction, Event Representation, Semantic Processing, Ontology, Causal Inference, FOL
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال