داده های پیوندی

در این نوشتار ضمن طرح ایده داده های پیوندی، رویکرد انتشار، اشتراک و برقراری پیوند میان پاره های داده ، اطلاعات و دانش در وب معنایی، بخشی از اشکالات احتمالی در تبدیل رکوردهای مستند سرعنوانهای موضوعی فارسی به داده های پیوندی با روش پیمایشی شناسایی شد. 11233 رکورد مستند موضوع فارسی در سه نظام – فهرست پیوسته کتابخانه ملی ایران، فهرست پیوسته کتابخانه کنگره و گنجینه کتاب های نوسا – مورد کاوش قرار گرفت و چگونگی برقراری پیوند میان موضوعات فارسی و انگلیسی در 9519 رکورد مشترک در فارسی و کنگره، ثبت گردید. نتایج نشانگر آن است که برقراری پیوند میان موضوعات فارسی و انگلیسی در 20 درصد رکوردها با خطا مواجه می شود. بیش ترین بروز خطا مربوط به نامشخص بودن نظام موضوعی (6/7%) در پایگاه مستند موضوعی کتابخانه ملی ایران است. پیشنهاد می شود جهت تبدیل صحیح و فراهم ساختن امکان پیوند میان موضوعات فارسی و انگلیسی، قبل از تبدیل رکوردهای مستند موضوع به داده های پیوندی، خطاهای موجود در جریان پیش پردازش ها شناسایی و برطرف گردد.

هدف:بررسی آخرین وضعیت تحولات در زمینه تثبیت مدل های اف. آر. بی. آری در پیوند با محیط داده های پیوندی که از سوی ایفلا در حال انجام است. روش شناسی:روش کتابخانه ای و مرور متون مرتبط. یافته ها:ضرورت یکدست کردن و یکپارچه سازی مفاهیم و برطرف کردن ابهامات گزارش شده در سه مدل اف. آر. بی. آری (اف. آر. بی. آر.، فراد، و فراساد)، منجر به دو فعالیت توسعه ای هماهنگ سازی و تثبیت شد. تثبیت، مستلزم گردهم آوردن سه مدل اصلی اف. آر. بی. آری در مدلی منسجم و تثبیت شده برای کاربرد آسان تر بود؛ در نتیجه مدل جدیدی با عنوان ""مدل ارجاعی کتابخانه ای اف. آر. بی. آر."" شکل گرفت. فرایند یکپارچه سازی، صرفاً ترکیب سه مدل و ویرایش آنها نبود، بلکه این مدل حاصل مدل سازی و بازطراحی بوده است که با هدف رفع محدودیت ها در مدل های اف. آر.بی. آری انجام شده است. نتیجه گیری:مدل مرجع کتابخانه ای اف .آر. بی. آر. با بازاندیشی در تعریف و نوع وظایف کاربران، موجودیت ها، روابط، و ویژگی های تعریف شده برای مدل های اف .آر. بی. آری و تثبیت آنها در قالب مدلی یکپارچه، زمینه لازم برای تکمیل کارکردهای قبلی این مدل ها و امکان کشف دانش و همگام شدن با الزامات محیط داده های پیوندی را فراهم می کند.

گراف دانش به عنوان یکی از بسترهای مهم جهت ورود به عرصه وب معنایی و توسعه ابزارهای پردازش زبان طبیعی شناخته می شود. تا کنون پایگاه های دانش مختلفی در زبان های متعدد ایجاد شده است اما فقدان چنین پایگاهی مختص به زبان فارسی در کاربردهای پژوهشی و صنعتی کاملا مشهود است. در این مقاله جامع ترین پایگاه دانش زبان فارسی به صورت عمومی و چند دامنه ای مشتمل بر ۵۰۰ هزار موجودیت و ۷ میلیون رابطه میان آن ها با عنوان فارس بیس ارائه می گردد که به صورت متن باز در دسترس است. منابع اطلاعاتی فارس بیس عبارتند از: اطلاعات ساخت یافته ویکی پدیا مانند جعبه های اطلاعاتی، جداول وب و همچنین اطلاعاتی که توسط ماژول استخراج گر رابطه از متن خام استخراج شده اند. موجودیت های گراف دانش در یک هستان شناسی برگرفته از دی بی پدیا و سفارشی شده برای فارس بیس، سازمان دهی شده است. به منظور پیوند جعبه های اطلاعاتی ویکی پدیا به هستان شناسی بیش از ۷۰۰۰ نگاشت میان الگوها و خصیصه های ویکی پدیا با هستان شناسی برقرار شده است. همچنین با روش های یادگیری ماشین و با نظارت خبرگان، قسمتی از هستان شناسی و تعدادی از موجودیت ها به فارس نت متصل شده اند. مدل داده ای گراف دانش فارسی بر اساس استاندارد وب معنایی و به صورت RDF پیاده سازی شده است بنابراین داده ها به صورت سه تایی در پایگاه دانش ذخیره شده و می توان از طریق زبان SPARQL پرس وجوهای معنایی را بیان نمود. در حال حاضر اطلاعات متنوعی به صورت ساخت یافته راجع به اشخاص مشهور، مکان های مهم، سازمان ها و شرکت ها، آثار ادبی و هنری، گونه های زیستی شامل گیاهان و حیوانات، رویدادها، زیست شناسی و اخترشناسی در این گراف قابل دسترسی است. به منظور خدمت رسانی به موتورهای جستجو یک سامانه جستجو روی موجودیت ها و گزاره های آن پیاده سازی شده است. فارس بیس از چهار جنبه صحت، فراخوانی، پوشش و تازگی اطلاعات مورد ارزیابی قرار گرفته که نتایج به دست آمده حکایت از غنی بودن آن دارد. بستر گراف دانش می تواند در کاربردهای بسیاری نظیر موتورهای جستجو، سامانه پرسش و پاسخ، بازیابی اطلاعات، پردازش زبان طبیعی، تشخیص موجودیت، مشابهت یابی متن و هر کاربردی که نیازمند موجودیت های فارسی و ارتباط میان آن هاست مورد استفاده قرار گیرد

مقدمه: هدف از این پژوهش، معرفی و بررسی مدل بیب فریم [1] به عنوان چارچوب کتابشناختی جدیدی است که به عنوان جایگزین مارک با کاربست بهتر در محیط داده های پیوندی مطرح شده است. روش شناسی: مقاله از نوع مروری - تحلیلی است که کاربری بیب فریم را در توصیف کتابشناختی منابع و معرفی ویژگی های این مدل نوظهور مورد تجزیه و تحلیل قرار داده است. یافته ها: هدف اصلی از معرفی بیب فریم کمک به یافتن مسیر مناسب برای انتقال پیشینه های کتابشناختی در بستر مارک به محیط داده های پیوندی با حفظ تبادل داده ای پایدار و صرفه جویی در هزینه های به اشتراک گذاری و فهرست نویسی است. طرح اساسی و اولیه مدل بیب فریم به عنوان یک راهکار نوآورانه کتابخانه ای برای جایگزینی فهرست نویسی ماشین خوان بوده است. باید توجه داشت که بیب فریم با تمرکز بر روابط داده های کتابشناختی تسهیل گر، بر ایجاد و سازمان دهی داده ها (به جای پیشینه ها) در محیط های داده ای تمرکز دارد. نتیجه گیری: توسعه مدل بیب فریم پاسخی به تأثیر اطلاعات شبکه ای برخط، کارکردهای موتورهای جستجو، نیاز به منظم کردن و یافتن مجموعه های کتابخانه ای و استانداردسازی منابع کتابشناختی برای اتصال به محیط داده های پیوندی است. بررسی سوابق و ساختار بیب فریم نشان می دهد که این مدل، ظرفیت حل مسائل محیط کتابخانه ای را در رویارویی با الگوهای جدید کتابشناختی و محیط وب (نظیر جستجوی دقیق، کنترل مستندات [2] ، رده بندی [3] ، ترابری داده ها [4] و ابهام زدایی) دارد. [1] . BIBFRAME (Bibliographic Framework) [2] . Authority Control [3] . Classification [4] . Data Portability

یکی از تحولات اخیر در حوزه سازماندهی اطلاعات، ایجاد پیوند وارتباط میان پیشینه های فراداده ای بر اساس الگوهای مفهومی است. این امر زیرساخت های لازم برای پیاده سازی روش "داده های پیوندی" در فهرست های کتابخانه ای را فراهم می سازد. یکی ازجدیدترین الگوهای مفهومی ارائه شده توسط فدراسیون بین المللی انجمن ها و مؤسسات کتابداری، مدل مفهومی مرجع کتابخانه ای است. این پژوهش با هدف تعیین کارکردپذیری پایگاه اصطلاحنامه پزشکی فارسی مبتنی بر مارک ایران بر اساس مدل مرجع کتابخانه ای ایفلا انجام پذیرفته است. پژوهش با روش پیمایشی- تحلیلی- تطبیقی با رویکرد کیفی است. جامعه آماری متشکل از کل پیشینه های اصطلاحنامه پزشکی فارسی، موجود در نرم افزار جامع کتابخانه ملی (رسا) است که در زمان انجام پژوهش، شامل 9190 پیشینه بوده است. ابتدا ماتریس انطباق بین مدل مرجع کتابخانه ای با فرمت مستندات یونی مارک وسپس با فرمت مستندات مارک ایران، تهیه شد وپس از تایید توسط متخصصان، عناصر موجود در مدل مرجع کتابخانه ای کمی سازی شد. پس از آن، میزان انطباق ساختاری بر اساس اختصاص امتیازهای وزنی به عناصر مدل، محاسبه شد تجزیه و تحلیل داده ها با استفاده از آمار توصیفی و نرم افزار SPSS23 انجام شد. یافته ها نشان داد فرمت مستندات مارک ایران از لحاظ تعداد خصیصه های دارای معادل در مدل مرجع کتابخانه ای قابلیت انطباق 33/83 را دارد. اصطلاحنامه پزشکی فارسی از لحاظ ساختاری با مدل مرجع کتابخانه ای 29/83 درصد، انطباق دارد. عناصر مدل مرجع کتابخانه ای در فرمت مستندات مارک ایران در اصطلاحنامه پزشکی فارسی، هم از لحاظ تعداد هم از لحاظ نوع فیلد دارای انطباق قابل قبولی است.

هدف: هدف نخست تعیین میزان انطباق ساختاری بین استاندارد توصیف آرشیوی کدگذاری شده (ای.ا.دی.) و مارک ایران است. هدف دیگر تعیین عناصر ای.ا.دی. با اولویت بالاست تا با مقداردهی فیلدهای معادل آن عناصر در مارک ایران آمادگی انتقال رکوردهای آرشیوی سازمان اسناد و کتابخانه ملی ایران به ای.ا.دی. فراهم شود. روش: گام های پژوهش عبارت بود از: 1) تدوین نگاشت بین ای.ا.دی. با یونی مارک و سپس با مارک ایران؛ 2) کمی سازی استاندارد ای.ا.دی.؛ 3) امتیازگذاری وزنی عناصر ای.ا.دی.؛ 4) تعیین میزان انطباق ساختاری ای.ا.دی. با یونی مارک و سپس مارک ایران و 5) تعیین عناصر ای.ا.دی. با اولویت بالا. یافته ها: داده های نگاشت بین ای.ا.دی. و یونی مارک و نیز مارک ایران نشان داد از 107 عنصر ای.ا.دی.، 77 عنصر در یونی مارک و 72 عنصر در مارک ایران دارای فیلد معادل اند. میزان انطباق ساختاری یونی مارک با ای.ا.دی. 73 درصد و با مارک ایران 68.7 درصد است. از 107 عنصر ای.ا.دی. تعداد 75 عنصر دارای اولویت بالا شناخته شد. نتیجه گیری: خدمت عمده این پژوهش در افزودن دانش به حوزه سازماندهی اطلاعات در کشور و جهان تدوین نگاشت بین استاندارد ای.ا.دی. با یونی مارک و مارک ایران است. این نگاشت صرفا ابزار سنجش میزان انطباق ساختاری این دو استاندارد نیست و به خودی خود ارزشمند است. در این نگاشت از فیلدهای بلوک 4 برای برقراری ارتباط بین رکوردهای آرشیوی استفاده شده است. این درحالی است که آرشیویست های سازمان اسناد و کتابخانه ملی ایران برای تنظیم و توصیف اسناد از این فیلدها استفاده نمی کنند و اکثر رکوردها را در سطح پرونده ایجاد می کنند. بنابراین یکی دیگر از اولویت ها در تنظیم و توصیف مواد آرشیوی سازمان تهیه شیوه نامه برای به کار گیری و برقراری ارتباط بین سطوح چهارگانه اسناد با استفاده از فیلدهای بلوک 4 است. 73 درصد انطباق ای.ا.دی. با یونی مارک می تواند نویدی برای کشورهایی باشد که رکوردهای آرشیوی خود را در یونی مارک ذخیره کرده اند و هم اکنون می خواهند برای حرکت به سمت داده های پیوندی و متصل شدن به وب معنایی دادهای خود را به ای.ا.دی. منتقل کنند. اما نبود فیلد معادل برای 30 عنصر به ویژه برای فیلدهای الزامیِ ای.ا.دی. مهم است. ما عناصر بدون فیلد معادل را برای کمیته مارک ایران ارسال خواهیم کرد تا این کمیته برای آن عناصر فیلدهای جدیدی را پیشنهاد وبرای کمیته دائمی یونی مارک ارسال کند

هدف: مرور مطالعات انجام شده در رابطه با موضوع داده های پیوندی و شناسایی بیشترین موضوعات پرداخته شده در این موضوع، مزایا و چالش های موجود. روش: روش پژوهش مرور نظام مند است. در جستجوی اولیه در وبگاه علوم مشخص شد که 20 مجله بنا به نتایج پژوهش دارای بیشترین تولیدات علمی موضوع داده های پیوندی در مقوله علم اطلاعات و دانش شناسی اند. پس از بررسی و پایش 22966 مقاله استخراج و سپس با استفاده از راهنمای استاندارد پریزما، نهایتاً 20 مقاله انتخاب شد. ابزار پژوهش از نوع سیاهه وارسی بر مبنای معیارهای ورود و خروج بود و برای تجزیه وتحلیل اطلاعات از آمار توصیفی استفاده شد. یافته ها: وب معنایی، هستی شناسی، داده های باز پیوندی، تعامل پذیری، شباهت داده ها، پردازش زبان طبیعی، فراداده و کتابخانه دیجیتال بیشترین موضوع هایی است که در مقالات موردنظر به آنها پرداخته شده است. مزایا و چالش های فنی(مرتبط با مجموعه داده های پیوندی، ابزارهای داده های پیوندی مرتبط با مسائل فناورانه، و هستی شناختی)، عوامل مالی و انسانی در مقالات بررسی شد. در ادامه طبق یافته ها مشخص شد که مزایا و چالش های داده های پیوندی هر دو به تفکیک به مقوله فنی و زیرمقوله فرعی«مزایا و چالش های مرتبط با مجموعه داده های پیوندی» هر کدام با 35 درصد اختصاص یافته است. امکان کشف گسترش موجودیت ها با بررسی انواع پیوند در داده های پیوندی، ایجاد پیوند مناسب داده ها با داده های سایر خدمات پیوسته، بهبود در کشف داده های باز، افزایش رؤیت پذیری داده های پیوندی با داده های سایر خدمات پیوسته از جمله مزایای مرتبط با مجموعه داده های پیوندی، و تنوع بیش از حد داده های بین رشته ای، پیچیدگی واژگانِ در دسترسی، مشکلات مربوط به فهرست نویسی منابع از جمله چالش های مرتبط با مجموعه داده های پیوندی است. طبق یافته های پژوهش، بیشترین روش ها و ابزارهای به کارگیری داده های پیوندی مربوط به «نظام ساده سازماندهی دانش» یا اسکاس، هستی شناسی دی.بی.پدیا، هستی شناسی کتابشناختی و اف.اُ.ا.اف. به ترتیب با 7، 7، 5 و 4 فراوانی است. راهکارها و پیشنهادهایی در مقالات مورد بررسی نیز در رابطه با به کارگیری داده های پیوندی ارائه شد که باز، مفید، قابل کشف، سالم و پیوندی بودن داده ها از جمله آنها است. نتیجه گیری: با توجه به مطالعات مورد بررسی، برای پیاده سازی و به کارگیری داده های پیوندی در کتابخانه ها، مراکز اطلاع رسانی و پروژه های مختلف خارجی از روش ها و ابزارهای مختلفی استفاده شده است که با وجود چالش های موجود، سازماندهی، جستجو، و بازیابی اطلاعات را تسهیل کرده است و مزایای مختلفی نیز به همراه دارد. پژوهشگران علم اطلاعات و دانش شناسی، مهندسان نرم افزار و... با آگاهی از موارد مطرح شده در این پژوهش می توانند در معماری کتابخانه های دیجیتال و پروژه های مبتنی بر وب موفق تر عمل کنند.

با ظهور وب معنایی، تعریف و استفاده از ویژگی های معنایی در الگوریتم های یادگیری رتبه بندی هم مطرح شده است. یک چالش مهم در این زمینه عدم استفاده از ویژگی های جامع و همچنین، عدم ترکیب کامل از ویژگی های متنی و معنایی است. در این مقاله، با تعریف ویژگی های معنایی جدید در چهار دسته ویژگی های مبتنی بر گراف و پایگاه دانش، ویژگی های مبتنی بر تکرار موجودیت، ویژگی های مبتنی بر فیلدهای متنی، و ویژگی های مبتنی بر نمایش برداری کلمات و متون به این چالش پاسخ داده شده است. جهت ارزیابی از مجموعه داده MQ-2007 متعلق به LETOR4، که حاوی ویژگی های متنی آماده است، و شش الگوریتم یادگیری رتبه بندی استاندارد استفاده شده است. نتایج تجربی نشان می دهد که ویژگی های معنایی و نیز ترکیب آن ها با ویژگی های متنی باعث بهبود 50 درصدی نسبت به استفاده از تنها ویژگی های متنی می شوند. در انتها، از یک الگوریتم انتخاب ویژگی برای انتخاب بهترین ویژگی های معنایی استفاده شده که منجر به بهبود 7 درصدی نسبت به الگوریتم های رتبه بندی بدون انتخاب ویژگی شده است.

هدف : هدف پژوهش حاضر، ارائه مدل بهینه کاربردپذیری فناوری های وب معنایی در نظام ذخیره و بازیابی اطلاعات در کتابخانه مبتنی بر نظر خبرگان حوزه علم اطلاعات و دانش شناسی و ارزیابی آن با روش مدل سازی معادلات ساختاری واریانس محور است. روش: پژوهش براساس رویکردهای کیفی (تحلیل اسنادی و پنل دلفی) و کمّی (تحلیل عاملی تأییدی) انجام شده و ابزار گردآوری داده ها پرسش نامه بوده است. جامعه پژوهش را خبرگان علم اطلاعات و دانش شناسی با فعالیت در حوزه کاربردپذیری فناوری های وب معنایی تشکیل داده اند. در کل، دوازده نفر از خبرگان با استفاده از نمونه گیری هدفمند و به روش پنل دلفی در این پژوهش مشارکت داشته اند که در سطح بین المللی گزینش شده اند. تجزیه وتحلیل داده ها به روش معادلات ساختاری واریانس محور و مدل سازی کمینه مربعات جزئی با استفاده از نرم افزار اسمارت پی.ال.اس. صورت گرفته است. یافته ها: مدل مفهومی پژوهش حاضر، کاربردپذیری فناوری های وب معنایی در فعالیت های چهار بخش نظام ذخیره و بازیابی اطلاعات در کتابخانه، شامل فراهم آوری، سازمان دهی، فهرست پیوسته دسترسی همگانی (اُپک)، و پروفایل کاربری را نشان داده است. مدل مفهومی با استفاده از برازش سه مدل اندازه گیری، ساختاری، و کلی انجام شده است. به منظور اطمینان از پایایی پرسش نامه، مقادیر پایایی آلفای کرونباخ و پایایی ترکیبی محاسبه شدند. مقادیر آلفای کرونباخ و پایایی ترکیبی پژوهش حاضر مساوی و بالاتر از 7/0 به دست آمدند که پایایی مطلوب پرسش نامه را تأیید می کنند. روابط معنی دار بین مؤلفه های فناوری های هستی شناسی + اسکاس + داده های پیوندی با بخش های سازمان دهی، فراهم آوری، و اُپک برای انجام فعالیت هایی همچون سازمان دهی و مدیریت دانش، پیوند بین فراداده ها، پیوند بین منابع مرتبط، تبدیل اطلاعات کتاب شناختی به فرمت آر.دی.اف.، انتشار و اشتراک گذاری داده ها، رابط کاربری کاربرپسند، کنترل واژگان، گسترش پرس وجوی کاربر، و رتبه بندی معنادار نتایج جست وجو با توجه به نیاز اطلاعاتی کاربر و نیز روابط معنی دار بین فناوری های فواف+ داده های پیوندی در بخش اُپک، برازش مطلوب مدل ساختاری را تأیید کرده اند. نتایج تحلیل عامل تأییدی نشان دهنده مطلوبیت و مقبولیت ساختار متغیرهای مکنون در سطح شاخص ها و مؤلفه های مدل پیشنهادی است. مقدار نیکویی برازش مدل پیشنهادی با 64/0 برابر شده است که نشان دهنده برازش قوی مدل کلی است. نتیجه گیری: وجود فناوری های وب معنایی در نظام ذخیره و بازیابی اطلاعات در کتابخانه به گزینش، ذخیره و سازمان دهی، و بازیابی معنایی اطلاعات منجر می شود که این امر بین کاربر و نظام کتابخانه ای ارتباط و تعامل معنایی ایجاد می کند. با توجه به برازش قوی مدل پیشنهادی در این پژوهش، می توان از آن به منزله مدلی متناسب با نظام ذخیره و بازیابی اطلاعات در کتابخانه برای ذخیره، جست وجو، و بازیابی معنایی اطلاعات استفاده کرد.

ظهور وب معنایی در جهت تحقق بازیابی معنایی اطلاعات است و در حال حاضر در داده های پیوندی تجلی یافته است. کتابخانه ها در تولید و مدیریت داده های مستند و معتبر فراوانی نقش دارند و می توانند نقشی مؤثر در نظام های اطلاعاتی پیش رو ایفا کنند و می توانند با اجرایی کردن داده های پیوندی گامی در این مسیر بردارند. هدف از انجام این پژوهش ارائه چارچوبی برای انتشار و تبدیل سرعنوان های موضوعی فارسی مورداستفاده کتابخانه ملی ایران به صورت داده های پیوندی و ایجاد پیوند با مجموعه داده ای مشابه است. پژوهش حاضر از نوع کاربردی است؛ با استفاده از روش کتابخانه ای به طراحی چارچوبی برای انتشار سرعنوان های موضوعی پرداخته و برای اطمینان از امکان انتشار داده ها، روش موردنظر مورد پیاده سازی قرار گرفته است. بدین ترتیب ابتدا داده های موضوعی فارسی مورد پاک سازی و ویرایش قرار گرفتند، سپس با نرم افزار اپن ریفاین به آر.دی.اف تبدیل شدند و با سرعنوان های موضوعی کتابخانه کنگره پیوند دریافت کردند. داده های موردمطالعه پس از نگاشت به اسکاس به یک فایل آر.دی.اف در قالب ترتل تبدیل شدند. فایل تبدیل شده ابتدا وارد مخزن آر.دی.اف جینا فوسکی شد و سپس در رابط کاربری اسکاسموس در محیط وب نمایش داده شد. به طورکلی این چارچوب می تواند در فرایند انتشار داده های مستند کتابخانه ملی در قالب داده های پیوندی مورداستفاده قرار گیرد. در این چارچوب امکان برقراری پیوند با مجموعه داده های مشابه نیز در نظر گرفته شده است و پیاده سازی نمونه ای از داده ها با موفقیت انجام پذیرفت.