وب معنایی یکی از مباحث جذاب و روز دنیای IT است که میتوانید در این وبلاگ از 0 تا 100 مفاهیم آن را مورد مطالعه قرار دهید.مطالب مندرج در این وبلاگ از سایتها،مجلات و مقالات گوناگونی انتخاب می شوند و عدم ذکر منابع در انتهای هر پست دلیل بر سرقت آنها نیست.بلکه تنها وتنها به این دلیل است که اینجا ایران است و صدای ما را از انتهای آخر ایران(یعنی میبد)می شنوید!لطفا تعجب نکنید،شما واقعا صدای ما را می شنوید.مگه نه خرزو خان!!!
لينک هاي دوستان
ارتباط با ما درباره من آرشيو صفحه اصلي

ارسال شده در : 1387/3/24 04:47 PM هستی شناسی Ontology
هستی شناسی یا آنتولوژی علم شناخت و دسته بندی مفاهیمی است که موجود هستند یا ممکن است در زمینه های مختلف وجود داشته باشند به عبارت دیگر علم آنتولوژی کاتالوگی حاوی دسته بندی مفاهیم موجود یا احتمالاً موجود در یک حوزه مشخص است به طور کلی علم آنتولوژی ریشه در فلسفه دارد این علم آنتولوژی سعی در شناخت مفاهیم دارد و در ادامه نگاه ارسطویی در طبقه بندی و دسته بندی مفاهیم موجود تلاش می کند در نهایت در فلسفه مدرن امروزی علم آنتولوژی حاصل شناخت مفاهیم دسته بندی و طبقه بندی مفاهیم است در شکل 4 نمونه ای از یک تقسیم بندی از دید فلسفه را پیرامون مفاهیم موجود در اطرافمان می بینید.
اما بین آنتولوژی در فلسفه و آنتولوژی در علم کامپیوت یک تفاوت اساسی وجود دارد در فلسفه ما از نظم و ترتیب میان مفاهیم به آنتولوژی می رسیم (دقیقاً مانند شکل 4 که نوعی از ترتیب میان دسته بندی ها دیده می شود) اما در علم کامپیوتر ما دارای چنین ترتیبی نیستیم و آنتولوزی را از روی ترتیبی که خود برای مفاهیم در نظر می گیریم استخراج می کنیم اما میان آنتولوژی در فلسفه و آنتولوژی در علوم کامپیوتر تفاوت بزرگی وجود دارد نگاه آنتولوژی در فسلفه نگاهی جامع و جهان شمول است و سعی می شود که همه مفاهیم مورد بررسی قرار بگیرند در حالی که آنتولوژی در علم کامپیوتر دارای دامنه بسیار کوچک تری است و اصولاً نیازی نیست که مواردی که در حیطه بحث ما نیستند وارد آنتولوژی بحث ما شوند به این ترتیب در هنگام اجرا آنتولوژی در علم کامپیوتر نسبت به آنتولوژی در فسلفه از سبکبالی بیشتری برخوردار است نکته جالب تر طرز نگاه به بحث آنتولوژی در علم کامپیوتر است متخصصین هوش مصنوعی به آنتولوژی نگاهی بسیار جامع تر دارند معمولاً آن ها سعی می کنند که از آنتولوژی در حوزه مدل کردن دانش و تطابق دانش استفاده کنند کاری که ذاتاً نیازمند نوعی جامع نگری است در مقابل آنتولوژی در وب معنایی به مفاهیم نگاهی باریک بیناه نه تر دارد همان طور که بیان شد برای غلبه بر مشکلات موجود در RDF باید تا آن جا که می توانیم صریح باشیم پس در آنتولوژی در وی معنایی تلاش می کنیم که به جای نگاه کلی و سعی در پوشش دادن وسیع همه مفاهیم 0مفاهیم معادل) Object, individual, concept مفاهیم مربوط بپردازیم.
در اینجا سعی می شود مفاهیم دسته بندی ها و کلاس های مفاهیم ارتباطات بین مفاهیم صفات مفاهیم توابع مفاهیم رویدادهایی که برای یک مفهوم می تواند رخ دهد قوانین جاری بر هر مفهوم محدودیت های هر مفهوم و شرایط قیاس بین مفهوم ها مشخص شود به این ترتیب با نگاه به مفاهیم مورد نیاز امکان پیاده سازی و رسیدن به جواب برای وب معنایی بسیار آسان تر و قابل دسترس تر از مسائل هوش مصنوعی است تیم برنرزلی آنتولوژی را برای وب معنایی این گونه معرفی می کند « متن یا فایلی که ارتباط بین عناصر را تعریف می کند.» میچ یکی دیگر از دانشمندان بزرگ حوزه وب معنایی آنتولوژی را مجموعه پنج عنصر تعریف می کند o={C,R,H,c,rel,AO} که در آن c مجموعه مفاهیم R مجموعه ارتباطات Hc مجموعه ارتباط سلسله مراتبی مفاهیم است که به آن taxonomy می گویند Hc(C1,C2) به این معنی است که C1 زیر مفهومی از C2 دقیقاً معادل آنچه در شکل 4 داشتیم است rel تابعی است که ارتباط بین دو مفهوم را که دارای taxonomy نیستند مشخص می کند Ao مجموعه قوانین و محدودیت هایی است که تحت یک زبان خاص منطق بیان می شود به این ترتیب آنتولوژی دارای جایگاهی منطقی و تعریفی مدون می شود.
زبان نشوتن آنتولوژی یا OWL
Web ontology language از خانواده زبان هایی است که برای مدل کردن دانش استفاده می شود معمولاً با این گونه زبان ها آنتولوژی هایی را برای مسائل هوش مصنوعی طراحی می کنند ساختار زبان OWL تا حدود زیادی بر گرفته از دو زبان OWL-DL و OWL-lite است که البته هر دو این زبان ها مبتنی بر منطق توصیفی هستند در OWL همخ از زبان RDF و هم از زبان XML پشتیبانی شده است به این ترتیب میان آنتولوژی و فراداده پیوندی قوی برقرار شده است.
در طی مراحل پیشرفت وب معنایی و علم انواع مختلفی از آنتولوژی معرفی شده است و طیف وسیعی از آنتولوزی ها وجود دارد این طیف از بیان و معرفی ضمنی مفاهیم تا بیان صریح مفاهیم و موضوعات وابسته به آن ها را شامل می شود نکته جالب این که با توجه به نیاز می توان از قسمت های مختلف این طیف وسیع استفاده کرد و الزاماً نیاز نیست که همیشه از پیچیده ترین سیستم موجود استفاده کرد که این مطلب نیز به راحتی پیاده سازی وب معنایی کمک می کند در شکل 5 این طیف از آنتولوژی را می بینید هر چه زا چب به راست برویم ارائه ها صریح تر می شوند.
اما سوال اصلی همچنان باقی است چگونه می توان یک آنتولوژی ساخت؟ برای ساختن آنتولوژی راه حل های بسیار زیاد و پیچیده ای وجود دارد اما در اینجا یکی از ساده ترین راه حل ها را معرفی می متیم.
برای ساختن آنتولوژی از یک فرهنگ لغت بسط داده شده (Extended lexicon) استفاده می کنیم. این فرهنگ لغت نه تنها حاوی معنی لغات است بلکه لغاتی را که به نوعی با لغت مورد نظر ما ارتباط منطقی دارد مشخص کرده است به این ترتیب همه مفاهیم مورد نظر در بحث خاص خود اعم از اشیاء یا اشخاص Object صفات subjevt افعال Verb و وضعیت های ممکن State همراه با وابستگانشان را از فرهنگ لغت استخراج می کنیم و آنتولوژی خود را می سازیم.
در نهایت ما با قرار دادن فرا داده و در کنار آنتولوژی این امکان را به وجود می آوریم که مفاهیم به طور دقیق و کامل تعریف شوند اما مشکل همچنان باقی است به یاد داشته باشید که هدف مشارکت میان انسان و کامپیوتر است ( باید زبان یکدیگر را بفهمند) با آنتولوژی و فرا داده احتمالاً این امکان وجود دارد که کامیپوتر و ماشین زبان یکدیگر را بفهمند اما ذاتاً این ترکیب امکان مکالمه را ندارد بنابراین ما باید روشی را پیدا کنیم که به کمک آن بتوانیم امکان این مکالمه را فراهم کنیم در اینجا داست که شما ناخود آگاه عامل ها یا ایجنت ها Agent یا همان برنامه های کوچکی که در بستر اینترنت به مراوده اطلاعات می پردازند را به یاد می آورید بله در حقیقت این ایجنت ها هستند که در بستر وب ارتباط شما را با کامپیوتر برقرار می کنند از طرف دیگر چون شما به طور معمول با ایجنت خود در ارتباط هستید پس شما توانسته اید با کامپیوتر برقرار می کنند پس اگر ایجنت شما آنتولوژی مورد نظر را داشته باشد می تواند با کامپیوتر مربوط ارتباط برقرار کند از طرف دیگر چون شما به طور معمول با ایجنت خود در ارتباط هستید پس شما توانسته اید با کامپیوتر به تبادل اطلاعات بپردازید و قضیه حل شده است به عنوان مثال شما می خواهید بلیتی تهیه کنید و شرایط را به ایجنت خود می گویید و ایجنت با داشتن آنتولوژی مناسب از بهترین خط هواپیمایی برای شما مناسبت ترین در دل خود مفهوم عظیمی از پیچیدگی دارد. اما در اینجات یک مسئله وجود دارد و آن هم این است که ایجنت من آنتولوژی خود را دارد و ازآنتولوژی به کار رفته در ایجنت شرکت هواپیمایی دیگر مثل آلیتالیا خبر ندارد ( نه مفاهیم، نه ساختار، نه محدودیت ها، ... هیچ چیز) پس چگونه این دو می توانند با یکدیگر به مکالمه بپردازند در حقیقت پاشنه آشیل بحث وب معنایی همین جا است ما با داشتن بیش از هشت میلیارد صفحه در بستر وب پس از مدتی با مجموعه کثیری از آنتولوژی های مختلف روبه رو می شویم که حتی با وجودی که ممکن است به یک موضوع مربوط باشند، اما با هم بر هم منطبق نباشند این موضوع درست همانند بحث خرید بلیت است مثلاً اگر آنتولوژی ایجنت شرکت همابا آنتولوژی ایجنت شرکت آلیتالیا فرق کند، مراوده اطلاعات میسر نیست با وجود این که هر دو در یک حوزه کاری فعالیت می کنند این مشکل هنوز هم به عنوان یکی از مسائل اساسی در بحث وب معنایی مطرح است اما با این حال برای حل این مشکل چهار روش مختلف پیشنهاد شده است روش اول افزودن آنتولوژی ها به یکدیگر ترکیب می کنند و می توانند با یکدیگر به تبادل اطلاعات بپردازند و نتایج به دست آمده نیز برای کاربر قابل فهم است البته در این روش ممکن است دامنه های مشابه روی هم بیافتند و به اصطلاح پدیده Domain overlapping رخ دهد که موجب نتایج غیر دلخواه و غیر شفاف می شود.
روش دوم مطابقت دادن دو آنتولوژی با یکدیگر است به این ترتیب که همه عناصر موجود میان دو آنتولوژی با هم مطابقت ایجنت ها با یکدیگر به مراوده اطلاعات می پردازند با توجه به این که ایجنت هایی که به یک حوزه مربوط هستند  معمولاً با یکدیگر با تبادل اطلاعات می پردازند این احتمال وجود دارد که دو آنتولوژی قابل انطباق باشند اما این موضوع همیشه صادق نیست از سویی به غیر از هزینه محاسباتی که این انطباق دارد تا لحظه آخر نمی توان مطمئن بود که آیا ارتباط برقرار می شود یا خیر؟
روش سوم نگاشت Alignment میان آنتولوژی ها است در این روش میان دو آنتولوژی مختلف قسمت هایی به هم نگاشت می شود تشخیص این که کدام قسمت هایی به هم نگاشت شوند خود بحث بسیار پیچیده ای است اما از مزیت های این روش این است که قسمت های تکمیلی و اضافی دامنه مورد نظر به وسیله دو آنتولوژی پوشش داده می شود.
روش چهارم برآیند integration آنتولوژی ها است به این صورت که با استفاده از روش هایی مانند نگاشت تحلیل، اضافه کردن و منطبق کردن و.... مفاهیم به یک آنتولوژی واحد برسیم که برای همه ایجنت ها یکسان باشد و بسته به دامنه مورد نیاز هر بار به یک قسمت آن مراجعه شود.
در حقیقت رسیدن به چنین استانداردی در سطح جهانی امری بسیار سخت و مشکل است وجود چنین چیزی با ماهیت پویا و داینامیک دینای فناوری امروز اصلاً همگن نیست و الزاماً اگر هم قرار به بحث وجودی آن باشد باید به نوعی برای آن ماهیتی داینامیک در نظر گرفت.
نظرات ( 9 ) ارسال نظر لينک دائم


ارسال شده در : 1387/3/23 04:55 AM المبارکة التولدتین!

salam rofagha

gofte budin ke khundane in hajm az mataleb baraye har shab sakhte,manam 2shab esterahat dadam va emshabam ye jashne tavalode asasi darim o az farda shab dobare shab az no o ruzi az no

tavalode dota az dustaye nazaniname(ke labate esme hichkodum nazanin nist)yekishun hasan aghas ke kheyli mahe(az unyeki bishtar)unam faghat bekhatere formate surateshe,ke kamelan mesle mah saf o sufe va dar zir ham tasviresho darin,ke ba shomareye 12 dar jenahe rast tup mizane,va che mikooooooooooooooooooooone in hasan,barikalla be hasan<:-p

 

 

 

 

 

albate yekam ham ghiyafash nurani mizane ke fekr konam kare photoshope,ziad jedi nagirin

amma be tarze kamelan jalebi,tavalode unyeki dustam ham tu hamin ruze(yani 26 khordad)esme unyeki dustam hosseine,albate be shedat gole. va dalilaye ziady ham baraye gol budanesh hast,mohemtarineshun haminke ba man refighe va ya inke ba hamin hasan aghaye ma baradar o dadashan ba ham:D in refighemun ham besyar pesare khosh tinatie,bar hasbe etefagh kermuni ham hastan ke khob in khodesh kheylie,rasti inam rikhto ghiyafeye hoosein aghas

 

 

 

 

 

albate hosein agha tu jenahe rast tup mizane va hame uno be onvane padideye league maybod mishnasan va moteasefaneh chandta az tamashagar namaha ham hastan ke uno ba alfaze badi mesle ali daei ya payane rafat morede khatab gharar midan ke khode hossein agha ba metanatesh bahashun kenar miad va ziad be hashiye nemire

kholasash inke  tavalode in 2ta dadash ke 26om hastesh mobarak,dombe manam 3charak:D

ishalla andazeye ghelagh(hamun kaaghe vali yekam khoshgeltar,nokesho amal karde o postesho boronze karde o az in ghaer o fera dge)nakhsuzan in hossein agha ke ma kheyli aziatesh kardim,va ta marze kachali ham bordimesh:P

rasti keykeshun ham amadas,man be namayandegi hame futesh mikonamo baratun miaram az tikehash,hamunja poshte mizetun beshinin ta biad(yani miad?)are,miad:P

rasti hasan o hessein jan,korzu khaan o shaaskhin ham salam miresunan,migan tavalodetun mobarak:D
نظرات ( 6 ) ارسال نظر لينک دائم


ارسال شده در : 1387/3/20 02:04 AM آنچه در وب معنایی داریم
 فراداده یا Meta Data
فرداده یا متادینا داده ای درباره خود داده است به عنوان مثال یک کتابخانه را در نظر بگیرید داده هایی که در کارتابل محل قرار گرفتن کتاب را مشخص می کنند به خودی خود معنی ندارند اما اطلاعاتی را در رابطه با داده ها می دهند ( به راحتی می توان کتاب را معادل با داده ها دانست) که محل آن ها در بستر کتابخانه مشخص می شود.
در سال 1995 در دوبلین ایالت اوهایوی امریکا نشستی برگزار شد در آن نشست برای نخستین بار برای متادیتای استفاده شده در بستر وب استانداردی تعریف شد از این استاندارد به عنوان استاندارد Dublin core یاد می کنند لغت Dublin اشاره به محل و لغت Core اشاره به محوریت نقش متادیتا است در این کنفرانس به هر داده موجود در وب به عنوان یک منبع اطلاعاتی نگاه شده و برای آن مجموعه ای شامل 15 عنصر (source ,coverage , rights, date , type, format, identifier ,languge, relation, subject, description,publisher, contributor title, creator )
تعریف شده استدر سال های اخیر با اضافه کردن سه عنصر جدید این استاندارد کامل تر شد و هنوز هم هر ساله این کنفرانس برگزار می شود برای اطلاعات بیشتر به سایت www.dublincore.org مراجعه کنید.
در عمل Dublin core  نخستین حرکت رسمی در جهت توسعه فراداده بود اما به زودی نیازهای جدید دیگری مطرح شد که نشان داد وجود مجموعه ای از عناصر برای همه داده ها نه تنها کافی نیست بلکه جوابگوی بسیاری از سوال ها ینز نخواهد بود به این ترتیب با استفاده از مبحث Dublin core معماری warwick framework متولد شد که عملاً از Dublin core به عنوان یکی از لایه های اصلی این معماری استفاده شده بود (توضیحات بیشتر در رباطه با Waewick framework را می توانید در اینترنت بیابید.
پیشرفت در راستای فرداده به سرعت دنبال می شد تا در نهایت RDF سرنام Resource description framework متولد شد RDF زبانی است که برای بیان فرا داده استفاده می کنیم با کمی اغماض می توانیم RDF را حاصل بسط جامع earwick framework بدانیم اگر بخواهیم در رابطه با RDF یک توضیح کلی بدهیم می توانیم این طور بیان کنیم که در RDF تمام اشیاء موجود در بستر وب مانند صفحات وب تصاویر فایل ها و ... به عنوان منابعی در نظر گرفته می شوند که در رابطه با آن ها می توان جملاتی را بیان کرد و RDF تمام اشیاء موجود در بستر وب مانند صفحات وب تصاویر فایل ها و ... به عنوان منابعی در نظر گرفته می شوند که در رابطه با آن ها می توان جملاتی را بیان کرد و RDF با توجه به ساختار کلی این جملات شروع به ساختن فراداده برای صفات مشخصی می کند( می توانید استاندارد Dublin core را در RDF به وضوح می بینید.)
با ارائه RDF بحث فراداده به بلوغ مطلوبی رسید اما این تازه ابتدای راه بود چرا که فرا داده نه تنها کافی نبود بلکه جوابگوی بسیاری از مشکلات را حل می کرد .
اما مشکل اصلی RDF عدم پشتیبانی از ارتباط است به بیان دقیق تر صرف داشتن فرا داده به این معنی نیست که انسان و کامپیوتر زبان یکدیگر را بفهمند و بتوانند با یکدیگر ارتباط برقرار کنند اگر به یاد داشته باشید در تعریف اصلی وب معنایی هدف امکان کار کردن انسان و ماشین به صورت مشترک بیان شد.
بدیهی است اگر من نتوانم با کامپیوتر به مراوده و مکالمه(به معنی فهمیدن زبان یکدیگر) بپردازم قطعاً نمی توان به صورت مشترک کاری را انجام دهم حال سوال اصلی این است است که اگر من بتوانم هر داده خود را با فراداده مجهز کنم تا کامپیوتر آن را درک کند در چه شرایطی ممکن است فرا داده دوباره با مشکل مواجه شود؟ به طور مشخص RDF با چهار مشکل صریح روبه روست.
مشکل اول تعدد معانی یا Polysemy است یعنی لغتی که چندین معنی مختلف دارد. این پدیده در همه زبان های دنیا وجود دارد در زبان فارسی لغاتی مانند شیر یا گور جزء این دسته از لغات هستند.
مشکل دوم ایهام یا Ambiguity است در همه زبان های دینا از این اصطلاحات به وفور استفاده می شود و البته همان طور که می دانیم این اصطلاحات ممکن است و البته همان طور که می دانیم این اصطلاحات ممکن است دارای معنایی باشند که با معنی لغوی آن هیچ سنخیتی ندارد به این جمله ها دقت کنید به فرستش دنبال نخود سیاه» از این خرس یه مو هم بکنی غنیمته، یه چایی بزن تو رگ، معنی همه این جملات را حتی بچه های دبستانی نیز می دانند اما اگر قرار باشد در طی انجام کاری کامپیوتر با یکی از این جملات برخورد کند به یقین رفتار متفاوتی از خود بروز می دهد مثلاً تقاضای خرید نخود سیاه می کند یا ممکن است فرمان ترزیق چایی را در رگ صادر کند همان طور که می بینیم گاهی ساده ترین رفتارها برای ما انسان ها می تواند بغرنج ترین مسائل را برای کامپیوترها به وجود آورد.
مشکل سوم هم معنی ها یا synonyms هستند با توجه به این که موتورهای جست و جو مبتنی بر کلمات کار می کنند در بسیاری از مواقع نتیجه به دست آمده اصلاً دلخواه نیست و از سوی دیگر به طور ذاتی موتورهای جست و جو فقط نتایجی را بر می گردانند که حاوی لغت مورد نظر باشد در حالی که نمایش اطلاعاتی که حاوی لغاتی مترادف با واژه مورد نظر هستند نیز می تواند برای ما مفید باشد مثلاً اگر جواب های جست و جو با لغت وحشتناک یا دهشت انگیز بشود می تواند برای ما مفیدتر باشد.
مشکل چهارم دانش بیان نشده tacit knowlekge است در بسیاری از ارتباطات روزانه ما حد مشخصی از دانش را برای فرد مقابل خود قائل هستیم ( می دانیم که بعضی از چیزها را همه می دانند) و مبتنی بر این سطح با فرد مقابل خود ارتباط برقرار می کنیم امادر رابطه با کامپیوتر چنین نیست . اما راه حل این مشکل ها چیزی نیست جز بیان صریح موضوعات موجود در دامنه مورد بحث عناصر موضوع مورد بحث ویژگی های این عناصر و ارتباط هایی که با یکدیگر دارند از طرف دیگر باید حد و حدود دامنه مورد بحث نیز دقیقاً مشخص شود نکته دیگر امکان به اشتراک گذاشتن ساختار ادراکی که برای ماشین و انسان از یک موضوع وجود دارد میان آن است برای این کار باید نرم افزاری وجود داشته باشد بسیاری از Software Agent همین کار را انجام می دهند و عمل آخر در نهایت جداسازی دامنه دانش اطلاعاتی با دامنه دانش عملیاتی از یکدیگر است در اینجا یک نکته بسیار مهم وجود دارد دانش اطلاعاتی دانشی است که می تواند شما را در جهت تصمیم گیری کمک کند اما دانش عملیاتی دانشی است که به کمک آن شما تصمیمی را که گرفته اید اجرا می کنید تفکیک این دو دانش از یکدیگر بسیار مهم وحیاتی است چون دسترسی به دانش اطلاعاتی این امکان را به وجود می آورد که بتوانیم از دانش های اطلاعاتی که در حوزه های مختلف وجود دارد در حوزه های دیگری که از نظر شرایط نزدیک هم هستند استفاده کنیم. مثلاً قرار ملاقات گذاشتن با رئیس شرکت یا قرار ملاقات گذاشتن با استاد دانشگاه به رغم آن که دو حوزه مختلف هستند اما بسیار به یکدیگر شبیه هستندو این امکان را فراهم می کنند که بتوان از دانش یک حوزه در حوزه دیگر استفاده کرد.
جمیع این مسائل و راه حل ها ما را به سمت مفهومی به نام هستی شناسی یا آنتولوژی Ontology راهنمایی می کند.
SPARQL زبانی برای انجام پرس و جو از اطلاعات RDF است این زبان اولین بار در آوریل سال 2006 منتشر شد و در اوریل سال 2008 از طرف W3c به صورت استاندارد توصیه شده در آمد.

GRDDL زبان دیگری است که این امکان را فراهم می کند تا از میان فایل های با فرمت XML یا XHTML اطلاعات را در قالب RDF استخراج کنیم این زبان در سپتامبر سال 2007 به صورت استاندارد در امد.

در ادامه به بحث Ontology خواهیم پرداخت
نظرات ( 445 ) ارسال نظر لينک دائم


ارسال شده در : 1387/3/19 02:55 AM نیاز کنونی دنیای IT
در حقیقت نیاز کنونی دنیای IT را با دو مثال می توانیم مشخص کنیم مثال اول شما می توانید در سایت گوگل لغت شبکه را جست و جو کنید جوابی که گوگل به شما می دهد به ترتیب شامل مواردی مثل شبکه هتل های ایران شرکت خدمات میزبانی سایت، شبکه کارمندان ایرانی کانادایی شبکه مدرسه سازمان بورس اوراق بهادار و ... است که در این جست و جو از 5280000 پاسخ گوگل بیشتر آن ها به درد شما نمی خورد از سوی دیگر مواردی که ذکر کردم همگی از جمله مواردی هستند که در صفحه اول پاسخ جست و جو دیده می شود.
مثال دوم من به دنبال شرکتی می گردم که خدمات میزبانی سایت ارائه کند پس در گوگل جست و جو می کنم خدمات میزبانی سایت و 3660000 پاسخ دریافت می کنم که به طور قطع زمان ندارم همه آن ها را چک کنم از سوی دیگر می دانم که می خواهم سرور دارای SQL server باشم نیازمند پشتیبانی 24 ساعته هستم پس این بار جست وجو می کنم خدمات میزبانی سایت سرور کانادا ارزان پشتیبانی 24 ساعته SQL server و گوگل جوابی ندارد حال اگر من بخواهم علاوه بر موارد فوق میزبان سایت امکان پشتیبانی از پنج زیر دامنه حجم انتقال اطلاعات بیشتر از بیست گیگابایت ارائه تعداد نامحدود آدرس ایمیل و ... را داشته باشد چگونه می توانم جواب خود را پیدا کنم؟ در حقیقت نیاز دنیای IT اول دسته بندی درست اطلاعات و دوم همگن کردن اطلاعات مربوط به هم و ارائه درست این اطلاعات به کاربر بر اساس نیاز او است.
چگونه می توانیم وب را بهتر کنیم؟
در ساختار فعلی اینترنت ما دارای دو عنصر پایه ای مشخص هستیم اول داده، دوم پیوند یا همان URL  همان طور که می دانید برای بهینه کردن ساختار وب فعلی باید اطلاعاتی را به این مجموعه اضافه کنیم برای این کار از معماری شکل 3 که به آن معماری کیک عروسی (به دلیل لایه لایه بودن) می گویند استفاده می کنیم همان طور که در این شکل می بینید لایه اول و دوم (وجود لایه دوم در بستر وب فعلی اکنون به عنوان استاندارد مطرح است چرا که در هر صفحه وب باید آبجکت ها و روابط میان آن ها خارج از استاندارد مرورگرها معلوم و مشخص باشد. ساختار فعلی وب است با اضافه کردن لایه های بعدی به لایه اول به وب معنایی می رسیم این معماری دو ویژگی اساسی دارد اول آن که ساختار جدید با ساختار قبلی متداخل نیست یعنی هر دو سیستم می توانند در کنار یکدیگر قرار بگیرند دوم این که این ساختار با ویژگی اصلی شبکه اینترنت که همان مفهوم غیر متمرکز بودن است تضادی ندارد به این ترتیب هر کس می تواند جدا از بقیه به پیاده سازی این ساختار در حیطه خود بپردازد.

در ادامه به توضیح ساختار بالا ومعرفی فناوری های لازم برای وب معنایی می پردازیم.
نظرات ( 5 ) ارسال نظر لينک دائم


ارسال شده در : 1387/3/18 03:24 AM وب معنایی چیست؟ چرا وب معنایی؟
وب معنایی یک فناوری واحد برای پاسخ گویی به یک نیاز واحد نیست به عبارت دیگر چندین فناوری مختلف در کنار یکدیگر با ارتباطی مشخص منجر به طراحی سیستمی می شوند که می تواند پاسخگوی طیف وسیعی از نیازهای دنیای IT امروز باشد به این ترتیب برای شناختن وب معنایی باید چندین موضوع را مورد بررسی قرار دهیم:
1-شرایط فعلی دنیای IT
2- نیاز کنونی دنیای IT
3- راه حل های موجود برای رفع مشکل کنونی دنیای It
4- آشنایی با تک تک فناوری های به کار رفته در مبحث وب معنایی
5- چگونگی برقراری تعامل فناوری های به کار رفته در وب معنایی با هم و تأثیرات آن ها بر یکدیگر برای این که بتوانیم بحث را کمی بازتر کنیم باید ابتدا شرایط کنونی دنیای IT را مشخص می کنیم در دنیای امروزه به رغم پیشرفت های بسیار زیادی که انجام شده است همچنان انتقال اطلاعات از طریق بستری به نام انسان انجام می شود و کامپیوترها شبکه ها و به بیان جامع تر و دقیق تر ماشین ها فقط به انتقال داده ها می پردازند ( توجه کنید که اطلاعات از پردازش داده ها به دست می آیند). از سوی دیگر در دنیای امروز ما با حجم انبوی از داده ها روبه رو هستیم اگر بخواهم دقیق تر بیان کنم به نقل از روزنامه نیویورک تایمز در سپتامبر سال 2005 یعنی دقیقاً در همان سالی که وب معنایی چهره عملیاتی به خود گرفت گوگل تعداد 336/684/168/8 صفحه وب را مورد پیمایش قرار می داد. ( پیدا کردن این که در سال 2008 این عدد چه قدر است را به عهده خودتان می گذارم داده بیشتر به معنی اطلاعات بیشتر است و بدیهی است که به دست آوردن همه اطلاعات از داده ها در توانایی یک انسان نیست از طرف دیگر سیستمی وجود ندارد که بتواند خروجی این حجم داده را برای انسان تعبیر کند و به بیان دیگر شما می توانید با یک موتور جست وجوی امروزی مانند گوگل داده های بیشتر از هشت میلیارد صفحه وب را جست وجو کنید به عنوان مثال شما در سایت  گوگل عبارت مجله شبکه را جست و جو می کنید و گوگل به شما 000/670/1 خروجی می دهد در اینجا کدام یک از جواب ها مورد نیاز شما است؟ آیا شما می توانید تمام این صفحات را بررسی کنید؟ مشکل اصلی هم همین است موتوری وجود ندارد که داده های به دست آمده از موتور جست و جو را برای شما تعبیر کند (این تعبیر از هر جنبه ای می تواند باشد مثلاً کیفیت) این وظیفه خود شما است که داده های به دست آنده را تعبیر کنید یعنی به دست آوردن اطلاعات از داده ها به عهده خود شما است.
به رغم تمام پیشرفت های صورت گرفته کامپیوترها فقط توانسته اند در نقش نمایشگر داده ها و تا حدی مدیریت کننده داده ها ظاهر شوند نه بیشتر اگر بخواهیم به این موضوع کمی دقیق تر نگاه کنیم متوجه می شویم که تعبیر و انتقال اطلاعات به مفهومی به نام هوشمندی نیاز دارد که اغلب ماشین های امروزی از آن بی بهره هستند به این ترتیب شاید با خود بگویید پس علم هوش مصنوعی که سعی می کند ماشین ها را هوشمند کند می تواند پاسخگوی مشکل ما باشد چون اگر ماشین ها هوشمند باشند می توانند داده ها را پردازش اطلاعات را استخراج و سپس تعبیر کنند و آنچه را که مورد نیاز شما است تحویل دهند این تفکر شما بسیار دقیق و درست است اما علم هوش مصنوعی در طی این سال ها در رسیدن به این هدف بسیار ناموفق بوده و بحث هوشمندی شوند، کاری کنند که همین ماشین های فعلی بتوانند فارغ از بحث هوشمندی داده ها را تا حد ممکن در قالب اطلاعات تعبیر شده برای ما در بیاورند.
تفاوت انسان و ماشین
یکی از مسائل اساسی در بحث وب معنایی نوع نگرش به داده ها است. نکته اساسی و مهم این است که انسان هازبان ماشین و ماشین ها زبان انسان را نمی فهمند به این ترتیب نه تنها انتقال اطلاعات میان انسان و ماشین امکان پذیر نیست بلکه ماشین ها نیز در انتقال اطلاعات میان خود با مشکلات فراوانی روبه رو هستند ایده وب معنایی برای رفع این مشکل متولد شد تیم برنرزلی و دوستانش با نگرش به این هدف وب معنایی را چنین معرفی می کنند وب معنایی شاخه ای از وب فعلی است که در آن به اطلاعات معانی دقیقی تخصیص داده شده است به گونه ای که کامپیوترها و انسان ها بتوانند با یکدیگر به صورت مشترک به کار بپردازند.
این تعریف از چندین جنبه مهم است نخست آن که وب معنایی شاخه ای از وب فعلی است و به آرامی جایگزین آن خواهد شد دوم این که در وب معنایی به ازای هر داده تعدادی معنای مناسب به آن تخصیص داده می شود سوم این که هدف انجام اعمالی است که به وسیله انسان و ماشین به صورت مشترک انجام شود توجه داشته باشید که در اینجا نوع عمل مد نظر نیست و برای نوع مشارکت محدودیتی در نظر گرفته نشده است. به این ترتیب این تعریف می تواند دامنه بسیار بزرگی را شامل شود.
نظرات ( 4 ) ارسال نظر لينک دائم

< آخرين صفحه صفحه بعدي >