اعلام جامعة بابل | اطروحة دكتوراه في كليةتكنولوجيا المعلومات تناقش"تحسين استرجاع المعلومات المعزز دلاليا"

اطروحة دكتوراه في كليةتكنولوجيا المعلومات تناقش"تحسين استرجاع المعلومات المعزز دلاليا"

نشر بواسطة : ضحى فاضل عباس

تاريخ الخبر : 06/11/2024 25:10:06 PM

عدد المشاهدات : 101

اطروحة دكتوراه في كلية تكنولوجيا المعلومات تناقش"تحسين استرجاع المعلومات المعزز دلاليًا في سحابة البيانات المفتوحة المرتبطة"

ضحى فاضل عباس
قسم البرمجيات في كلية تكنولوجيا المعلومات يناقش اطروحة دكتوراه " تحسين استرجاع المعلومات المعزز دلاليًا في سحابة البيانات المفتوحة المرتبطة"
لطالب الدكتوراه ( احمد مهدي عبدالكاظم عبد ) و بإشراف (د. اسعد صباح هادي ) في قسم البرمجيات . و ذلك في الساعة التاسعة من صباح يوم الاربعاء المصادف 6/11/2024 و على قاعة المؤتمرات في كلية تكنولوجيا المعلومات .

بينت الاطروحة إن تحتوي سحابة البيانات المفتوحة المرتبطة على عدد كبير من صفحات الويب الخاصة بعلاقات المؤلفين مع تمثيلات وتصنيفات محددة، مثل النشر الأكاديمي والتعاون العلمي للمؤلف وروابط ((FOAF للمؤلفين وما إلى ذلك.
يواجه العديد من المستخدمين أو الطلاب من التعبير عما يستفسرون عنه في محرك بحث مما يؤدي إلى الغموض وعدم كفاية النتائج المستردة من محرك البحث (SE). إن التعبير السيئ يجعلنا نوسع الاستعلام الذي كتبه المستخدم من قبل ونصقله بإضافة بعض المفردات لجعله مفهومًا من خلال عملية البحث عن طريق تضمين الميزات المتعلقة بكل كلمة رئيسية، كما استفدنا من عرض الرسم البياني المعرفي (KGV) من خلال تمثيل ميزة لكل كلمة رئيسية للاستعلام كرسوم بيانية وتصور العقد لشبكة التفاف الرسم البياني. رسم الخرائط بين الرؤوس وإضافة رابط سلبي وتدريب تلك الشبكة بعد التضمين، ثم التحقق مما إذا كانت هناك معلومات تصل لاسترداد البيانات من الرابط المتوقع. ستحصل تقنيات QE على جميع المستندات المتعلقة بتوسيع وتحسين الاستعلام، وفي نفس الوقت تمثل تلك المستندات كرسوم بيانية معرفية للرسم والتحقق من التشابه بين ربط الرسم البياني بناءً على مؤلفين لهما نفس المجال المثير للاهتمام أو يتشاركان تعاونهما في نشر الأوراق.
تهدف هذه الأطروحة إلى بناء نماذج تعلُّم آلي متطورة لاسترجاع البيانات الأكثر صلة. يتم تحسين تنبؤات الارتباط من خلال ثلاثة نماذج تم تطويرها: علاقة المؤلف السلبية المتوقعة (PNLAR)، ونموذج فصل المؤلف (ABERT)، ونموذج تضمين الرسم البياني للانتباه (AGEM). سيؤدي هذا إلى إنشاء مسار أو حواف بينهما كتضمين ارتباط. وسيزيد من دقة استرجاع المستندات أو الأوراق بناءً على استعلام المستخدم.
استخدام نموذج التدريب المسبق مع نهج تضمين GNN المدمج لسحابة LOD للحصول على المعلومات الأكثر صلة من خلال ربط العديد من المشاركين في الروابط أو التقاط المعلومات من منشور مختلف يتطلبه استعلام المستخدم. نظرًا لقلة الانتولوجي المتعلقة بنشر الأوراق الأكاديمية، فقد تم بناء مصدر معرفي (Academic Paper Citation اونتولوجي ) بدوره لشرح المفاهيم المستخدمة في هذا المجال بطريقة دلالية. يرتبط مفهوم الأنطولوجيا الأكاديمية بالمؤلف والورقة والمجلة والتنسيق (الاقتباس/الاقتباس من قبل) بين المؤلفين.

أجريت التجارب على مجموعتين من البيانات: مجموعة بيانات Cora ومجموعة بيانات Citeseer. تم استخدام الدقة لقياس جودة النماذج المقترحة لدينا، حيث تبلغ دقة NLPAR 0.866? ويتم تنفيذها بشكل أفضل بنحو 0.866? في Cora و 0.85? في Citeseer.

ت	اسماء اعضاء لجنة المناقشة	اللقب العلمي	الاختصاص الدقيق	مكان العمل	المنصب
1	د. سعد طالب حسون	استاذ	محاكاة شبكات	جامعة بابل / كلية تكنولوجيا المعلومات	رئيساً
2	د. مهدي نصيف جاسم	استاذ	تنقيب بيانات	جامعة تكنولوجيا المعلومات و الاتصالات	عضوا
3	د. علي هادي حسن	استاذ مساعد	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
4	د. امير كاظم هادي	استاذ مساعد	حوسبة سحابية	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا
5	د. احمد شاكر عبدالرضا	استاذ مساعد	تنقيب بيانات	جامعة واسط / كلية علوم الحاسوب و تكنولوجيا المعلومات	عضوا
6	د. اسعد صباح هادي	استاذ	ذكاء اصطناعي	جامعة بابل / كلية تكنولوجيا المعلومات	عضوا و مشرفا