فایل ورد کامل استخراج خودکار اطلاعات کارشناس برای پایگاه دانش اینترنت اشیا

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل استخراج خودکار اطلاعات کارشناس برای پایگاه دانش اینترنت اشیا،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۸ صفحه

با توسعه سریع تکنولوژی IOT، نیاز به بازدهی موثر و دقیق دامنه دانش در حال افزایش است. استخراج خودکار اطلاعات کارشناس از صفحات عظیم وب و مدل نمایشی پویا و یکپارچه برای پایگاه دانش مهم است. با این حال، تفاوت های آشکار در ساختار و معناشناسی محتوا از صفحات وب بین هر دو وبسایت نشان می دهد که خزنده وب سنتی، معنای صفحه وب را درک نمی کند و اطلاعات بحرانی کارشناس را استخراج می کند. بنابراین، یک مدل نمایه حرفه ای شش بعدی معرفی شد و سپس یک روش برچسب گذاری توالی با مدل LSTM-CRF برای استخراج اتوماتیک اطلاعات غنی معنادار مبتنی بر ساختار سازمانی، معنی کلمات و ویژگی های متخصصان ارائه شد. نتایج آزمایش بر روی مجموعه داده های آزمایشی نشان داد که نرخ دقیق و فراخوان در مورد تجربه کار و زمینه تحقیق کارشناسان به ترتیب ۶۷.۸، ۶۶.۶ و ۸۲.۴ و ۷۹.۶ است. علاوه بر این، میانگین F در مورد برخی از ویژگی های مشخص متخصص مانند نام، عنوان، ایمیل، دستاورد و غیره، به ۸۲.۵ می رسد که بهتر از نتایج الگوریتم های MEMM و LSTM است.

کلمات کلیدی: اینترنت اشیا | مدل مشخصات کارشناس | یادگیری عمیق | برچسب زدن تکراری

عنوان انگلیسی:

Expert Information Automatic Extraction for IOT Knowledge Base

~~en~~ writers :

Lu Yi, Rao Yuan, Sun Long, Li Xue

With the rapid development of IOT technology, the requirement of effective and ccurate retrieval of domain knowledge i
g wing. Automatically extract vari us information of expert from the massive web pages and generate a dynamic and wholeness
profile model are important for knowledge base. However, the obvious differences in structure and content semantics of web
pages between any two websit s shows traditional web crawler ar hard to understand the semantic of the web pag and extract
th critical information of expert. Therefore, a six-dimension expert profile model w s ntroduced and then a sequence tagg ng
method with LSTM-CRF model was proposed to automatically extract rich semantic information basing on organization
structure, meaning of words and attributes of experts. The results of the experiment on test data sets illustrated that the precisio
rate and recall rate about the job experience and research field of experts are 67.8%, 66.6% and 82.4%, 79.6%, respectiv ly. In
addition, the overall average F value about some obvious features of expert, such as name, title, email, achievement, etc., reaches
۸۲.۵%, which is better than the results by MEMM and LSTM algorithms.

Keywords: Internet of Things | Expert profile model | Deep Learning | Sequence Tagging;

$$en!!