جستجوي كليدواژه در پايگاه داده هاي گرافي با تاكيد بر وزن كليدواژه ها

دكتراي تخصصي

جستجوي كليدواژه به عنوان جايگزيني براي زبان‌هاي پرس‌وجوي ساخت‌يافته، يك واسط ساده و كاربرپسند را به منظور جستجو و بازيابي اطلاعات از پايگاه‌داده‌هاي با ساختار گرافي فراهم مي‌كند. اين روش نسبت به روش‌هاي كلاسيك بازيابي اطلاعات در پايگاه‌داده‌ها، انتزاع كاربر از ساختار فضاي جستجو را حفظ مي‌كند. پرس‌وجوهاي كليدواژه به صورت مجموعه‌اي از كليدواژه‌ها بيان¬مي¬شود و پاسخ‌هاي آنها به شكل مجموعه‌اي از ساختارهاي متصل هستند كه روابط بين كليدواژه‌هاي موردپرسش را در گراف نشان مي‌دهند. سادگي بيان پرس‌وجو در اين روش موجب شده است تا پيچيدگي كار با داده‌هاي گرافي تماما به مرحله پردازش پرس‌وجو واگذار شود. در نتيجه، پاسخگويي به پرس‌وجوهاي كليدواژه، نيازمند پردازش پيچيده متني و ساختاري داده‌هاي گرافي مي¬باشد. يكي از چالش‌هاي عمده در پردازش پرس‌وجوي كليدواژه، بازيابي مجموعه پاسخ‌هاي مرتبط به پرس‌وجو است كه عموما به دليل اندازه بزرگ اين مجموعه، نيازمند زمان طولاني پردازش مي¬باشد. در اين رساله، روش‌هايي براي بازيابي پاسخ‌هاي يك پرس‌وجو با تاكيد بر حفظ يك نظم تقريبي از ترتيب نهايي آن‌ها ارائه شده‌است. اين روش‌ها با تخمين تقريبي وزن پاسخ‌هاي كامل-نشده، سعي دارند پاسخ‌هاي برتر را قبل از ديگر پاسخ‌ها بازيابي نمايند. بازيابي پاسخ‌ها در يك نظم تقريبي، امكان ارائه مجموعه پاسخ‌هاي برتر قبل از بازيابي مجموعه كل پاسخ‌هاي مرتبط را فراهم مي‌كند. اين روش‌ها از شاخص‌گذاري، بخش‌بندي و هرس گراف داده در جهت افزايش ميزان بهره‌‌وري سيستم استفاده مي‌كنند. دومين چالش عمده در روش‌هاي جستجوي كليدواژه، تعيين درجه ارتباط پاسخ‌هايي به شكل زيرگراف به پرس‌وجوي كاملا متني متناظر است. درجه اين ارتباط به محتواي متني پاسخ و فشردگي ساختاري آن بستگي دارد. اين چالش در ادبيات موضوع به ندرت مورد بحث و مطالعه قرار گرفته¬است، در حالي كه دقت سيستم جستجوي كليدواژه كاملا به ترتيب ليست پاسخ‌ها وابسته است. در اين رساله، درجه ارتباط پاسخ‌ها به پرس‌وجو بر اساس مدل¬سازي پاسخ و پرس‌وجو و محاسبه نزديكي اين مدل‌ها برآورد مي‌شود. در مدل‌سازي يك پاسخ، ويژگي‌ها ساختاري پاسخ به همراه وزن كليدواژه‌ها در هر گره تا سطح خصيصه در يك مدل واحد تجميع مي‌شوند. اين مدل به طور مستقيم روي زيرگراف‌ها طراحي شده و قادر به حفظ اهميت محلي واژه‌ها در گره‌ها است. پرس‌وجو نيز به دو روش ساده و توسعه‌يافته مدل‌سازي مي‌شود. مدل ساده پرس‌وجو بر اساس كليدواژه‌هاي ورودي كاربر برآورد مي‌شود، در حالي‌كه در مدل توسعه‌يافته، از اطلاعات شبه‌بازخورد براي توسعه پرس‌وجو و تخمين مدل آن استفاده مي‌شود. سيستم‌هاي پيشنهادي در اين رساله در قالب يك چارچوب كلي شامل مدل‌سازي داده‌ها، شاخص‌گذاري داده‌هاي گرافي، جستجوي پاسخ‌هاي مرتبط و رتبه‌بندي ليست پاسخ‌ها طراحي شده‌اند. نتايج ارزيابي تجربي اين سيستم‌ها روي سه مجموعه دنياي واقعي، اثربخشي و بهره‌وري سيستم‌هاي پيشنهادي نسبت به ديگر سيستم‌هاي مطرح در حوزه جستجوي كليدواژه را تاييد مي‌كند.

192115

دانشگاه علم و صنعت ايران

نرم افزار

دكتر حسن نادري