داده کاوی و استقرار دادگان اصطلاحنامه چندزبانه فرهنگی ایران (اصفا) در چهارچوب کریسپ (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: نظام ساده سازماندهی دانش (اسکاس) یک مدل داده ای رایج برای به اشتراک گذاری و پیونددهی نظام های سازماندهی دانش از طریق وب است. اسکاس، مسیر مهاجرت استاندارد و کم هزینه را برای انتقال نظام های سازمان دانش موجود به وب معنایی ارائه می دهد. پیوستن اصفا به جریان وب معنایی نیازمند تبدیل و استقرار دادگان اصفا براساس اسکاس در قالب گراف آر.دی.اف. است. به این منظور باید رکوردهای مبتنی بر مارک ایران مهندسی مجدد شوند. هدف پژوهش حاضر، مهندسی مجدد دادگان اصفا با داده کاوی آنها در چهارچوب کریسپ و استقرار آنها بر روی پلتفرم اسکاسموس است.روش: این پژوهش از نوع توسعه ای – کاربردی است و از روش شناسی کریسپ-دی.ام.، از نوع بدون نظارت و خوشه بندی سلسله مراتبی برای داده کاوی استفاده شده است. در مرحله اول درک کسب و کار، هدف اصلی تبدیل دادگان اصفا به مدل داده ای اسکاس در قالب گراف آر.دی. اف. تعیین شد. در مرحله درک داده، داده های میراثی اصفا شامل 11006 رکورد ذخیره شده در قالب مارک ایران و شامل 18 حوزه، آموزش و پرورش، ادبیات، ارتباطات، اقتصاد، تاریخ، تصوف و عرفان، جامعه شناسی، جغرافیا، حقوق، روان شناسی، زبان شناسی، دین، علوم سیاسی، فلسفه، فناوری و علوم تجربی، کتابداری و اطلاع رسانی، مدیریت و فرهنگ و هنر است. در مرحله سوم-آماده سازی داده- داده های مفقود و پرت شناسایی و ویرایش شد. برای انتخاب ویژگی ها در لایه پیش پردازش مهندسی داده، عناصر ضروری برای تبدیل به اسکاس شناسایی و جدول انطباق آنها با فیلدهای مارک ایران تدوین گردید. در مرحله مدل سازی، مقادیر ویژگی هدف با تکنیک خوشه بندی سلسله مراتبی و با استفاده از ماکروکد در اکسل تولید شد. ارزیابی مدل با تکنیک بررسی بصری و روش نمونه گیری تصادفی مورد تایید قرار گرفت. در مرحله ششم تبدیل داده های مارک ایران به اسکاس در قالب گراف آر.دی.اف. با استفاده از ابزار اسکاس پلی انجام و داده ها به بستر پلتفرم ووک بنچ انتقال یافت. با استفاده از قالب تورتل، دادگان اصفا در پلتفرم اسکاسموس مستقر شد.یافته ها: یافته اصلی پژوهش، استقرار و توسعه دادگان اسکاس اصفا در پلتفرم منبع باز اسکاسموس به نشانی skosmos.nlai.ir است. مجموع رکوردها پس از ایجاد رکوردهای مربوط به حوزه و مجموعه برای خوشه بندی به 11880 رکورد افزایش یافت. در مرحله آماده سازی داده یکی از یافته های مهم، تدوین جدول انطباق بین عناصر هسته اسکاس و فیلدهای مارک ایران بود.نتیجه گیری: در این پژوهش با بهره گیری از علم داده، روش نوآورانه ای برای داده کاوی دادگان اصطلاحنامه ای به کار رفت. روش شناسی های به کار رفته در ادبیات این پژوهش تنها در دو مرحله آماده سازی و استقرار و توسعه از شش مرحله به کار رفته در این پژوهش جا گرفتند.Data Mining and Deployment of Multilingual Iranian Cultural Thesaurus (ASFA) Dataset in the CRISP Framework
Purpose: The Simple Knowledge Organization System (SKOS) is a widely used data model for sharing and linking knowledge organization systems on the web. It offers a cost-effective way to migrate existing knowledge organization systems to the Semantic Web. To integrate ASFA into the Semantic Web, the ASFA dataset needs to be converted and deployed as an RDF graph based on SKOS. To achieve this, the records in ASFA''''s Iran MARC format must be re-engineered. This study aims to re-engineer the ASFA dataset using data mining in the CRISP framework and deploy it on the open-source platform Skosmos. Method: The study used the developmental-applied type of research and employed the CRISP-D.M. methodology, unsupervised type, and hierarchical clustering technique for data mining to start the project, we first needed to understand the business goal. This goal was to convert the ASFA dataset into the SKOS data model, creating an RDF graph. It was discovered that ASFA''''s heritage data comprises 1,880 records categorized into 18 fields, including education, literature, communication, economy, history, Sufism and mysticism, sociology, geography, law, psychology, linguistics, religion, political science, philosophy, technology, experimental science, librarianship and information, management, culture, and art. The data was prepared by identifying and correcting missing and outlier data and before starting the project, our team needed to fully comprehend the business''''s objective. The ultimate goal was to convert the ASFA dataset into the SKOS data model. This was done to better comprehend the business objective. Creating an RDF graph. The modeling stage utilized the hierarchical clustering technique macrocode in Excel to generate target feature values. The model was evaluated through a visual inspection technique and random sampling method. In the sixth step, Iran MARC data was converted to SKOS as an RDF graph using the SkosPlay tool, and the data was transferred to the Vocbench platform. ASFA Dataset was deployed on the Skosmos platform using the Turtle format.Findings: The main finding of this study is the deployment and development of ASFA Dataset based on SKOS/RDF on the open source platform Skosmos at kosmos.nlai.ir. The total number of records increased to 11,880 records creating collection records for clustering. One of the important findings during the data preparation stage was the compilation of the mapping table between SKOS core elements and Iran MARC fields.Conclusion: By integrating stages of methodologies used in the literature review within the CRISP framework, an innovative method was developed for converting thesauri into a lightweight ontology based on SKOS/RDF graph format.
تبلیغات
