بهبود خوشه بندی گراف های مقیاس بزرگ در سامانه های تطابق آنتولوژی

آنتولوژی ها به عنوان ساختارهای هوشمند، پایه و اساس وب معنایی شدند و توانستند از طریق قابل فهم نمودن اطلاعات موجود برای ماشین ها تسهیلاتی جهت جستجو، اشتراک و یکپارچه سازی اطلاعات در وب فراهم نمایند. آن ها به علت اینکه توسط افراد مختلف و یا به شیوه های گوناگون ایجاد شده اند، دچار ناهمگنی هایی می باشند. برای حل این ناهمگنی ها سامانه های تطابق آنتولوژی به وجود آمده اند. امروزه با توجه به ماهیت کاربردها به کارگیری آنتولوژی های مقیاس بسیار بزرگ در کاربردهای عملی همچون حوزه های پزشکی اجتناب ناپذیر است. با این حال به کارگیری آنتولوژی های بزرگ هنوز با چالش هایی همچون کمبود حافظه مصرفی مواجه است. تحقیق حاضر با هدف تسهیل ناهمگنی ها در سامانه های تطابق آنتولوژی مطرح شده است و یکی از چالش های موجود در سامانه های مذکور یعنی نحوه بخش بندی آنتولوژی های بزرگ را مورد بررسی قرار داده است و با ارائه روشی جدید برای خوشه بندی مفاهیم درون آنتولوژی، علاوه بر برطرف نمودن مشکلات مطرح شده، موجب افزایش دقت سامانه های تطابق آنتولوژی شده است. طبق ارزیابی نتایج سامانه پیشنهادی با دو سامانه فالکون-ای.او و سامانه پیشنهادی توسط الجگوی ، بهبود در میزان دقت نگاشت آنتولوژی ها حاصل شده است. همچنین در مقایسه با نتایج طرح ارزیابی بین المللی نگاشت آنتولوژی ها نتایج سامانه پیشنهادی هم تراز با ده سامانه برتر اول می باشد.