چارچوب ترکیبی (یادگیری-دانش‌محور) برای فیلتر محتوایی اطلاعات و مدیریت منابع اطلاعاتی

روش‌های فیلتر محتوایی مبتنی بر دانش، روش‌های موثری برای جستجو، فیلتر کردن و مدیریت اطلاعات هستند. در این مقاله، یک چارچوب بدیع فیلتر و مدیریت منابع اطلاعاتی متنی معرفی می‌شود. روش پیشنهادی از دانش جمعی/گروهی مدل شده در آنتولوژی و پایگاه‌های دانش ساخت‌یافته جهت توسعه روش‌های محاسبه معنایی شباهت استفاده می‌کند. از روش‌های محاسبه معنایی شباهت توسعه داده شده برای فیلتر و دسته‌بندی کردن اسنادی استفاده می‌شود که حاوی اطلاعات متنی منطبق با ترجیحات کاربری هستند. همچنین، روش‌های توسعه داده شده در یک مدل «ترکیب خبرگان» با یکدیگر یکپارچه می‌شوند تا تصمیمات مرتبط با فیلتر و مدیریت منابع اطلاعاتی، از طریق اجتماع دانش خبره‌ها اتخاذ گردد. یکپارچه‌سازی روش‌های مبتنی بر دانش در مدل یادگیری ماشین «ترکیب خبرگان» ایده بدیع پیشنهادی در این مقاله است. نتایج ارزیابی نشان می‌دهد اجماع خبرگی روش‌های مبتنی بر دانش در مدل یادگیری گروهی «ترکیب خبرگان» عملکرد سیستم را ارتقاء می‌بخشد و منجر به دسته‌بندی دقیق اسناد متنی می‌شود.

A Hybrid Ensemble (Learning) of Knowledge-based Approaches for Content-based Filtering and Managing Information Resources

Knowledgeoriented contentbased filtering techniques are among the most effective ways to search, filter, and manage information resources. In this paper, a novel filtering framework for (textual) information resource management purposes is introduced. The proposed method uses the collective knowledge of ontology and structured knowledge bases for developing semantic similarity methods. The semantic similarity methods are used to filter and classify documents in accordance with user preferences. Also, the knowledgebased semantic similarity methods are integrated in a “Mixture of Experts” model so that information resources and documents are filtered and managed based on the collective knowledge of these methods (experts). The integration of knowledgebased methods in the learning &Mixture of Experts& model is a novel idea and one of the main contribution of this paper. The evaluation results suggest that the integration of knowledgebased semantic similarity measures in &Mixture of Experts& model improves system performance and leads to the accurate classification of documents.