طراحی سامانه نیمه‌خودکار ساخت هستی‌شناسی به‌کمک تحلیل هم‌رخدادی واژگان و روش c-value (مطالعه موردی: حوزه علم‌سنجی ایران)

هستی شناسی ها ابزار بیان رسمی مفاهیم و روابط موجود در قلمرویی خاص هستند. در سال های اخیر تلاش های زیادی برای طراحی روش های یادگیری و خودکار سازی فرایند ساخت هستی شناسی انجام گرفته است. از آنجا که هستی شناسی را مجموعه مفاهیم و روابط آن می دانیم، استخراج مفاهیم و روابط معنایی میان این مفاهیم از اهمیت بسیاری برخوردار است. ساخت انواع هستی شناسی برای انواع قلمروها و کاربردهای گوناگون، فرایندی پرهزینه و زمان بَر بوده و خودکارسازی این فرایند گام مهمی در رفع آن است. فقدان دانش پایه مانند اصطلاح نامه ها یا پایگاه های دانش حوزه ها، اکتساب دانش برای ساخت هستی شناسی آن حوزه ها را مشکل خواهد کرد. در این پژوهش روشی نیمه خودکار برای اکتساب دانش در حوزه علم سنجی ایران ارائه شده که قادر است اطلاعات این حوزه را استخراج کرده و در فرایندی، دانش موجود را برای ساخت هستی شناسیِ آن پردازش کند. بدین منظور، ابتدا اسناد مرتبط با حوزه مورد نظر گردآوری شده و به روش متن کاوی، نمایه سازی خودکار گردید. سپس، در مرحله بعدی با استفاده از روش c-value مفاهیم اصلی استخراج شد. آن گاه اسناد مربوطه با استفاده از روش خوشه بندی k-means ، خوشه بندی شدند و برای هر خوشه با محاسبه وزن مفاهیم، بر اساس روش tf-idf مفاهیم کلیدی مناسب استخراج گردید. در پایان، با استفاده از روش تحلیل هم رخدادی واژگان، سلسله مراتب مفاهیم حوزه استخراج شده و هستی شناسی مربوطه ساخته شد. نتایجِ به دست آمده نشان می دهد که این روش در مقایسه با روش های مشابه دقت بسیاری در یادگیری ساخت هستی شناسی داشته است.