آزاده هراتیان نژادی - دانشجوی کارشناسی ارشد هوش مصنوعی
بیتا شادگار - استادیار دانشگاه شهید چمران
علیرضا عصاره - دانشیار دانشگاه شهید چمران اهواز

وب معنایی که با هدف ایجا د ارتباط و تعامل مستقیم ماشین ها و بدون دخالت بشر طرح شد، اکنون با چالش بزرگ تعامل آنتولوژی ها روبروست. این مقاله درپی یافتن تناظر بین موجودیتهای آنتولوژی با استفاده از روش های یادگیری ماشین است. بدین ترتیب، تنها هفت معیار شباهت را در سطوح مختلف برای آنتولوژی های واقعی انتخاب می کند. از معروف ترین دسته بندی کننده های تحت نظارت مثل ماشین بردارهای پشتیبان (SVM) و k نزدیک ترن همسایه (KNN) و درخت تصمیم گیری (DT) برای دسته بندی موجودیت ها استفاده می کند، که هر یک با پارامترهای مناسب تنظیم شده اند. مدل نهایی بدون نیاز به بازخورد کاربر و کاملاً اتوماتیک است. هم ترازی تنها بر مبنای اطلاعات موجود د راسناد OWL است و نیازی به نمونه های آنتولوژی نیست. نتایج حاصل از تست مدل، بیانگر انتخاب روش مناسب و تنظیم صحیح پارامترهاست، به طوری که قادر به تامین نتایج قابل قبول همراه با کاهش قابل ملاحظه ی هزینه ی محاسباتی است. نتایج حاصل از روش SVM بالاترین کارایی را داراست.

همترازی آنتولوژی، درخت تصمیم گیری، ماشین بردار پشتیبان، k نزدیک ترین همسایه