ارائه یک سازمان دهنده اسناد متنی مبتنی بر هستی شناسی جهت خوشه بندی متون آموزش الکترونیک

قیمت: 46,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

ارائه یک سازمان دهنده اسناد متنی مبتنی بر هستی شناسی جهت خوشه بندی متون آموزش الکترونیک

عنوان لاتین

A Semantic Ontology-based Document Organizer to Cluster eLearning Documents

خوشه بندی متن تکنیک مفیدی جهت سازمان دهی مجموعه بزرگی از اسناد متنی به گروه های معنادار است. سودمندی آن از این جهت است که هر خوشه با کلماتی مرتبط با آن متن، برچسب گذاری می شود. رویکرد قدیمی برای خوشه بندی متن بازنمایی به صورت کسیه لغات است. که اغلب روابط معنایی بین متون را در نظر نمی گیرد. از این رو خوشه بندی مبتنی بر آنتولوژی(هستی شناسی) پیشنهاد شده است. در زمینه‎ی آموزش الکترونیک، حاشیه نویسی غنی تر مواد آموزشی، با به کار بردن آنتولوژی های مناسب، روشی برای پرداختن به قابلیت استفاده مجدد و بازسازی اشیای یادگیری مهیا کرده است. از طریق فراهم کردن یک زیرساختار معنایی که در آن به طور صریح، معانی و روابط بین مفاهیم مورد استفاده در برچسب گذاری اشیای یادگیری بیان شده است، کیفیت مورد نظر در بسته پیشنهادی یادگیری تضمین می شود. در این مقاله یک رویکرد خوشه بندی متن مبتنی بر آنتولوژی بر اساس الگوریتم خوشه بندی دو مرحله ای ارائه می شود و عملکرد آن با خوشه بندی معمولی مقایسه می شود. آنتولوژی از طریق تعریف یک چارچوب که شامل چارچوب سنتی مانند هم وقوعی لغات، و همچنین وزن های روابط بین لغات است، ایجاد می شود. آزمایشات ما بر روی پایگاه داده مجموعه مقالات ICVL (کنفرانس بین المللی در یادگیری مجازی) در حوزه آموزش الکترونیک انجام شده است. آنتولوژی که توسط ما پیاده سازی شده است، یک تحقیق متفاوت است. نتایج نشان می دهد که بهره گیری از آنتولوژی کیفیت خوشه بندی را افزایش می دهد.

Document clustering is a useful technique to organize large sets of documents into meaningful groups. The usefulness is appreciated by labeling the clusters with relevant words that describe their associated documents. The traditional approach for document clustering, i.e. bag-ofwords representation, often ignores the semantic relations between terms. Hence, ontology-based document clustering is proposed. In the context of e-Learning, the richer annotation of learning materials, via the use of appropriate ontologies is a way to deal with the reusability and remix of learning objects. Through providing a semantic infrastructure that will explicitly declare the semantics and relations between concepts used in labeling learning objects, the desired quality in the learning offer can be ensured. This paper proposes an ontology-based document clustering approach based on two-step clustering algorithm and compares its performance with the conventional clustering. Ontology is introduced through defining a weighting scheme that integrates traditional scheme, i.e. co-occurrences of words, with weights of relations between words in ontology. Our experimental evaluations are performed on ICVL (International Conference on Virtual Learning) paper collection as dataset with e-Learning domain ontology as the background knowledge. The ontology was implemented by us through a different research. The results show that inclusion of ontology increases the clustering quality.