پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (isi) به زبان انگلیسی همراه با ترجمه تخصصی از نشریه الزویر مربوط به سال ۲۰۲۰ دارای ۱۴ صفحه ی انگلیسی با فرمت PDF و ۳۸ صفحه ترجمه فارسی به صورت فایل WORD قابل ویرایش می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی ، بخشی از ترجمه فارسی مقاله و لینک خرید آنلاین ترجمه ی کامل مقاله موجود می باشد.
کد محصول: M1078
سال نشر: ۲۰۲۰
نام ناشر (پایگاه داده): الزویر
نام مجله: Web Semantics: Science, Services and Agents on the World Wide Web
نوع نگارش مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۴ صفحه PDF
تعداد صفحه ترجمه فارسی: ۳۸ صفحه WORD
قیمت فایل ترجمه شده: ۴۲۰۰۰ تومان
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۲۰ : ارزیابی و مقایسه سیستم های هم ترازی آنتولوژی: رویکرد MCDM
عنوان کامل انگلیسی:
Evaluating and comparing ontology alignment systems: An MCDM approach
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله به صورت کامل و تخصصی ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
هم ترازی آنتولوژی در فناوری های “وب معنایی” با کاربردهای بیشمار در رشته های متنوع بسیار ضروری است. با توجه به تنوع و فراوانی سیستم های هم ترازی آنتولوژی ، یک ارزیابی صحیح می تواند سیر تحول هم ترازی آنتولوژی را توصیف کند و کارایی یک سیستم را برای یک حوزه خاص به تصویر بکشد. ارزیابی می تواند به طراحان سیستم کمک کند تا نقاط قوت و ضعف سیستم های خود را بشناسند و به توسعه دهندگان برنامه ها برای انتخاب یک سیستم هم ترازی مناسب کمک کند. این مقاله یک روش ارزیابی و مقایسه جدید مبتنی بر معیارهای عملکرد چندگانه ارائه می دهد که از طریق روش تصمیم گیری چند معیاره (MCDM) ، یعنی روش بهترین-بدترین بیزی (BWM) ، ترجیحات متخصصان را تطابق می دهد. ابتدا ، اهمیت معیار عملکرد برای یک وظیفه / کارکرد خاص با توجه به ترجیحات متخصصان تعیین می شود. سپس سیستم های هم ترازی براساس عملکرد جمعی مبتنی بر تخصص (ECP) ارزیابی می شوند که معیارهای متعدد و همچنین اهمیت کالیبره شد آنها را در نظر می گیرند. برای مقایسه ، سیستم های هم ترازی بر اساس یک طرح احتمالی رتبه بندی می شوند ، به طوری که میزان ترجیح یک سیستم ترازبندی بر دیگری در نظر گرفته می شود. روش پیشنهادی برای شش مسیر به واسطه طرح ارزیابی همترازی آنتولوژی (OAEI) اعمال می شود ، که در آن اهمیت معیارهای عملکرد با طراحی یک نظرسنجی و استخراج ترجیحات متخصصان همترازی آنتولوژی کالیبره می شوند. بر این اساس ، سیستم های هم ترازی شرکت کننده در OAEI 2018 ارزیابی و رتبه بندی می شوند. در حالی که روش پیشنهادی برای نشان دادن کاربردی بودن آن در شش مسیر OAEI اعمال می شود ، همچنین می تواند برای هر معیار یا کاربرد همترازی آنتولوژی اعمال شود.
واژه های کلیدی: همترازی آنتولوژی ، رتبه بندی ، ارزیابی ، MCDM ، BWM بیزی
۱.مقدمه
همترازی آنتولوژی فرآیند یافتن ماهیت های مشابه در دو آنتولوژی مختلف است که پازل های مشابهی از اطلاعات را به روش های مشخص بیان می کند. از آنجا که همترازی آنتولوژی کاربردهای گسترده ای دارد و می تواند بسیاری از مسائل دنیای واقعی را حل کند ، تحقیقات زیادی در مورد این مسئله در ادبیات و همچنین تعداد قابل توجهی از سیستم های هم ترازی وجود دارد. طرح ارزیابی همترازی آنتولوژی (OAEI) بیش از یک دهه است که به کار گرفته می شود که اهداف آن نظارت بر پیشرفت این رشته و مقایسه سیستم های مختلف همترازی نظام مند در چندین معیار استاندارد با همترازی مرجع اصلی ، می باشد. علی رغم پیشرفت فوق العاده برای توسعه سیستم های هم ترازی برای چالش های مختلف مانند آنتولوژی های پیچیده و بزرگ مقیاس [۱،۲] ، تلاش کمی برای ایجاد ابزاری قابل اعتماد برای ارزیابی و مقایسه سیستم ها انجام شده است [۳].
۵.نتیجه گیری
در این مقاله ارزیابی و مقایسه سیستم های هم ترازی با توجه به معیارهای عملکرد چندگانه به عنوان یک مسئله تصمیم گیری چند معیاره (MCDM) ، که در آن معیارهای عملکرد و سیستم های هم ترازی به ترتیب به عنوان معیارها و گزینه ها عمل می کنند ، مدل سازی شده است. ما ترجیحات متخصصان هم ترازی آنتولوژی را در معیارهای عملکرد برای مسیر های مختلف OAEI استخراج کردیم تا اهمیت هر معیار و همچنین میزان ترجیح یک معیار را نسبت به دیگری اندازه گیری کنیم. بر اساس این کالیبراسیون ، ما معیار عملکرد جمعی مبتنی بر تخصص (ECP) را معرفی کردیم که شامل چندین امتیاز عملکرد برای ارزیابی و مقایسه سیستم های هم ترازی است. ما نشان دادیم که رتبه بندی سیستم های هم ترازی بر اساس ECP متفاوت از F-measure می باشد ، که فقط شامل دقت و فراخوانی است. علاوه بر این ، برتری رتبه اعتباری سیستم های هم ترازی توسط یک نمودار موزون و جهت دار بدست آمده و به تصویر کشیده می شود. در حالی که ما آزمایشات را روی مسیرهای OAEI متمرکز کردیم تا کاربرد مقایسه و ارزیابی مبتنی بر MCDM را نشان دهیم ، از روش پیشنهادی می توان برای ارزیابی و مقایسه سیستم های هم ترازی آنتولوژی برای هر وظیفه یا کاربردی بر اساس معیارهای عملکرد چندگانه استفاده کرد…
Abstract
Ontology alignment is vital in Semantic Web technologies with numerous applications in diverse disciplines. Due to diversity and abundance of ontology alignment systems, a proper evaluation can portray the evolution of ontology alignment and depicts the efficiency of a system for a particular domain. Evaluation can help system designers recognize the strength and shortcomings of their systems, and aid application developers to select a proper alignment system. This article presents a new evaluation and comparison methodology based on multiple performance metrics that accommodates experts’ preferences via a multi-criteria decision-making (MCDM) method, i.e., Bayesian best–worst method (BWM). First, the importance of a performance metric for a specific task/application is determined according to experts’ preferences. The alignment systems are then evaluated based on proposed expert-based collective performance (ECP) that takes into account multiple metrics as well as their calibrated importance. For comparison, the alignment systems are ranked based on a probabilistic scheme, where it includes the extent to which one alignment system is preferred over another. The proposed methodology is applied to six tracks from ontology alignment evaluation initiative (OAEI), where the importance of performance metrics are calibrated by designing a survey and eliciting the preferences of ontology alignment experts. Accordingly, the participating alignment systems in the OAEI 2018 are evaluated and ranked. While the proposed methodology is applied to six OAEI tracks to demonstrate its applicability, it can also be applied to any benchmark or application of ontology alignment.
Keywords: Ontology alignment, Ranking, Evaluation, MCDM, Bayesian BWM
۱.Introduction
Ontology alignment is the process of finding similar entities in two different ontologies stating similar pieces of information in distinct ways. Since ontology alignment has extensive applications and can address many real-world problems, there is numerous research on this problem in the literature as well as a significant number of alignment systems. Ontology alignment evaluation initiative (OAEI) has been taken place for more than a decade whose objectives are to monitor the advancement of this field and compare systematically various alignment systems on several standard benchmarks with known reference alignment. Despite the tremendous progress for developing alignment systems for different challenges such as complex and large-scale ontologies [1,2], little efforts have been taken for developing a reliable means for evaluation and comparison of the systems [3]…
۵.Conclusion
This paper modeled the evaluation and comparison of alignment systems with respect to multiple performance metrics as a multi-criteria decision-making (MCDM) problem, where performance metrics and alignment systems served as the criteria and alternatives, respectively. We elicited the preferences of ontology alignment experts on the performance metrics for different OAEI tracks to calibrate the importance of each metric as well as the extent to which one metric is preferred over another. Based on this calibration, we introduced the expert-based collective performance (ECP) metric that includes multiple performance scores for evaluation and comparison of alignment systems. We showed that the rankings of alignment systems in order of ECP is different from those of F-measure, which only includes precision and recall. In addition, the credal outranking of alignment systems obtained and visualized by a weighted, directed graph. While we focused the experiments on the OAEI tracks to demonstrate the applicability of the MCDM-based comparison and evaluation, the proposed methodology can be used to evaluate and compare ontology alignment systems for any tasks or application based on multiple performance metrics…
| مقالات مرتبط با این موضوع |
|
دانلود رایگان مقاله بیس ۲۰۲۱ رشته مدیریت با ترجمه تخصصی |