| قیمت: | 42000تومان |
| دسته بندی: | مدیریت |
سال نشر: ۲۰۲۰
نوع نگارش مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۴ صفحه PDF
تعداد صفحه ترجمه فارسی: ۳۸ صفحه WORD
کد محصول: M1078
نام ناشر (پایگاه داده): الزویر
نام مجله: Web Semantics: Science, Services and Agents on the World Wide Web
عنوان کامل فارسی:
مقاله انگلیسی ترجمه شده ۲۰۲۰ : ارزیابی و مقایسه سیستم های هم ترازی آنتولوژی: رویکرد MCDM
عنوان کامل انگلیسی:
Evaluating and comparing ontology alignment systems: AnMCDM approach
چکیده فارسی:
هم ترازی آنتولوژی در فناوری های “وب معنایی” با کاربردهای بیشمار در رشته های متنوع بسیار ضروری است. با توجه به تنوع و فراوانی سیستم های هم ترازی آنتولوژی ، یک ارزیابی صحیح می تواند سیر تحول هم ترازی آنتولوژی را توصیف کند و کارایی یک سیستم را برای یک حوزه خاص به تصویر بکشد. ارزیابی می تواند به طراحان سیستم کمک کند تا نقاط قوت و ضعف سیستم های خود را بشناسند و به توسعه دهندگان برنامه ها برای انتخاب یک سیستم هم ترازی مناسب کمک کند. این مقاله یک روش ارزیابی و مقایسه جدید مبتنی بر معیارهای عملکرد چندگانه ارائه می دهد که از طریق روش تصمیم گیری چند معیاره (MCDM) ، یعنی روش بهترین-بدترین بیزی (BWM) ، ترجیحات متخصصان را تطابق می دهد. ابتدا ، اهمیت معیار عملکرد برای یک وظیفه / کارکرد خاص با توجه به ترجیحات متخصصان تعیین می شود. سپس سیستم های هم ترازی براساس عملکرد جمعی مبتنی بر تخصص (ECP) ارزیابی می شوند که معیارهای متعدد و همچنین اهمیت کالیبره شد آنها را در نظر می گیرند. برای مقایسه ، سیستم های هم ترازی بر اساس یک طرح احتمالی رتبه بندی می شوند ، به طوری که میزان ترجیح یک سیستم ترازبندی بر دیگری در نظر گرفته می شود. روش پیشنهادی برای شش مسیر به واسطه طرح ارزیابی همترازی آنتولوژی (OAEI) اعمال می شود ، که در آن اهمیت معیارهای عملکرد با طراحی یک نظرسنجی و استخراج ترجیحات متخصصان همترازی آنتولوژی کالیبره می شوند. بر این اساس ، سیستم های هم ترازی شرکت کننده در OAEI 2018 ارزیابی و رتبه بندی می شوند. در حالی که روش پیشنهادی برای نشان دادن کاربردی بودن آن در شش مسیر OAEI اعمال می شود ، همچنین می تواند برای هر معیار یا کاربرد همترازی آنتولوژی اعمال شود.
واژه های کلیدی: همترازی آنتولوژی ، رتبه بندی ، ارزیابی ، MCDM ، BWM بیزی
Abstract
Ontology alignment is vital in Semantic Web technologies with numerous applications in diverse disciplines. Due to diversity and abundance of ontology alignment systems, a proper evaluation can portray the evolution of ontology alignment and depicts the efficiency of a system for a particular domain. Evaluation can help system designers recognize the strength and shortcomings of their systems, and aid application developers to select a proper alignment system. This article presents a new evaluation and comparison methodology based on multiple performance metrics that accommodates experts’ preferences via a multi-criteria decision-making (MCDM) method, i.e., Bayesian best–worst method (BWM). First, the importance of a performance metric for a specific task/application is determined according to experts’ preferences. The alignment systems are then evaluated based on proposed expert-based collective performance (ECP) that takes into account multiple metrics as well as their calibrated importance. For comparison, the alignment systems are ranked based on a probabilistic scheme, where it includes the extent to which one alignment system is preferred over another. The proposed methodology is applied to six tracks from ontology alignment evaluation initiative (OAEI), where the importance of performance metrics are calibrated by designing a survey and eliciting the preferences of ontology alignment experts. Accordingly, the participating alignment systems in the OAEI 2018 are evaluated and ranked. While the proposed methodology is applied to six OAEI tracks to demonstrate its applicability, it can also be applied to any benchmark or application of ontology alignment.
Keywords: Ontology alignment, Ranking, Evaluation, MCDM, Bayesian BWM
تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد
تمامی حقوق مادی و معنوی ترجمه ها برای پارس ترجمه محفوظ می باشد