عنوان مقاله

+



فهرست/چکیده

+

بخشی از متن:
ﻇﻬﻮر وب، دادهﻫﺎ و اﻃﻼﻋﺎت زﯾﺎدی در ﻣﻮﺿﻮﻋﺎت ﻣﺨﺘﻠﻒ در اﺧﺘﯿﺎر ﻫﻤﮕﺎن ﻗﺮار ﮔﺮﻓﺘـﻪ اﺳـﺖ. اﯾـﻦ داده ﻫﺎ ﮐﻪ اﮐﺜﺮا در ﻗﺎﻟﺐ ﻓﺎﯾﻞ¬ﻫﺎی HTML اراﺋﻪ ﺷﺪه اﻧﺪ، ﻓﺮﺻﺖ ﻣﻨﺎﺳـﺒﯽ را در اﺧﺘﯿـﺎر ﮐـﺎرﺑﺮان وب ﻗـﺮار داده ﺗﺎ ﺑﺘﻮاﻧﻨﺪ ﺑﺎ ﺟﺴﺘﺠﻮی ﮐﻠﻤﺎت ﮐﻠﯿﺪی ﻣﻨﺎﺳﺐ ﺑﻪ داده ﻫﺎی ﻣﻮرد ﻧﯿﺎز ﺧﻮد دﺳـﺖ ﯾﺎﺑﻨـﺪ. اﻣـﺎ اﻣـﺮوزه ﺑـﺎ وﺟﻮد اﻧﺒﻮﻫﯽ از اﻃﻼﻋﺎت ﮔﻮﻧﺎﮔﻮن در وب، ﺟﺴﺘﺠﻮ ﺑﺮ اﺳﺎس ﮐﻠﻤﺎت ﮐﻠﯿﺪی، ﻣﺎ را ﺑﻪ ﺗﻌﺪاد زﯾﺎدی ﺻﻔﺤﻪ وب ﻣﯽ¬رﺳﺎﻧﺪ ﮐﻪ ﯾﺎﻓﺘﻦ اﻃﻼﻋﺎت ﻣﻮرد ﻧﯿﺎز در آن دﺷﻮار و زﻣﺎﻧﺒﺮ اﺳﺖ. وب ﻣﻌﻨﺎﯾﯽ ﺟﻬﺖ رﻓﻊ ﻣـﺸﮑﻼﺗﯽ از اﯾـﻦ ﻗﺒﯿﻞ ﺑﻪ ﻋﻨﻮان ﻧﺴﻞ ﺟﺪﯾﺪ وب ﺟﺎری، ﺗﻮﺳﻂ آﻗﺎی ﺗﯿﻢ ﺑﺮﻧﺮز ﻟﯽ [۱] ﻣﻌﺮﻓﯽ ﺷﺪ.
وب ﻣﻌﻨﺎﯾﯽ ﺑﻪ ﻋﻨﻮان ﺷﺎﺧﻪ ﺟﺪﯾﺪی از وب ﺟﺎری ﻻزم دارد ﺗـﺎ ﺑـﻪ اﻃﻼﻋـﺎت ﻣﻮﺟـﻮد در وب دﺳﺘﺮﺳـﯽ داﺷﺘﻪ ﺑﺎﺷﺪ. اﻣﺎ اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب ﺟﻬﺖ ﻧﻤـﺎﯾﺶ آن ﺑـﻪ اﻧـﺴﺎنﻫـﺎ ﺳـﺎزﻣﺎﻧﺪﻫﯽ ﺷـﺪه¬اﻧـﺪ. ﻟـﺬا ﺑـﺮای اﺳﺘﺨﺮاج اﻗﻼم اﻃﻼﻋﺎﺗﯽ از اﺑﺰاری ﺑﻨﺎم Wrapper اﺳﺘﻔﺎده ﻣﯽﺷـﻮد. در اﯾـﻦ ﻧﻮﺷـﺘﻪ ﺑـﺮ اﺳـﺘﺨﺮاج از ﻣﻨـﺎﺑﻊ اﻃﻼﻋﺎﺗﯽ  ﺗﻤﺮﮐﺰ ﻣﯽﮐﻨﯿﻢ و اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﻣﺒﺘﻨﯽ ﺑﺮ ﯾﮏ Crawler ﮐﻪ ﺑﺎ اﺳﺘﻔﺎده از ﯾﮏ آﻧﺘﺎﻟﻮژی داﻣﻨﻪ ﺑﻪ ﺷﻨﺎﺳﺎﯾﯽ اﻗﻼم اﻃﻼﻋﺎﺗﯽ ﻣﯽﭘﺮدازد را ﭘﯿﺸﻨﻬﺎد ﻣﯽﮐﻨﯿﻢ.
ﮐﻠﻤﺎت ﮐﻠﯿﺪی: وب ﻣﻌﻨﺎﯾﯽ، ﺣﺎﺷﯿﻪﮔﺬاری ﻣﻌﻨﺎﯾﯽ، آﻧﺘﺎﻟﻮژی، RDF، ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت، Wrapper.
 
مقدمه
در اﯾﻦ ﺑﺨﺶ ﺑﻪ ﺑﺮرﺳﯽ ﻣﺸﮑﻞ وب ﺟﺎری ﭘﺮداﺧﺘﻪ و وب ﻣﻌﻨﺎﯾﯽ را ﺑﻪ ﻋﻨﻮان ﯾﮏ راه ﺣﻞ ﻣﻌﺮﻓـﯽ ﻣـﯽﮐﻨﯿﻢ. ﺳﭙﺲ ﯾﮑﯽ از ﭼﺎﻟﺶﻫﺎی ﻣﻮﺟﻮد در وب ﻣﻌﻨﺎﯾﯽ را ﺗﺸﺮﯾﺢ ﮐﺮده و ﻣﺤﺪوده ﺑﺤﺚ ﺧﻮد را ﻣﺸﺨﺺ ﻣﯽکنیم.
ﻣﺸﮑﻞ وب ﮐﻨﻮﻧﯽ
ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ رﺷﺪ روزاﻓـﺰون وب و ﺑـﺎ وﺟـﻮد ۴۰۰ ﻣﯿﻠﯿـﻮن وب ﺳـﺎﯾﺖ [۱۶] و ﭼﻨـﺪﯾﻦ ﻣﯿﻠﯿـﺎرد ﻣﻨـﺎﺑﻊ اﻃﻼﻋﺎﺗﯽ ﺷﺎﻣﻞ ﺻﻔﺤﺎت HTML، ﻓﺎﯾﻞﻫﺎی ﺻﻮﺗﯽ و وﯾﺪﺋﻮﯾﯽ، ﺗـﺼﺎوﯾﺮ ﻓﺎﯾـﻞﻫـﺎی RSS،XML و ﻏﯿـﺮه ﻋﻤﻼً وب ﺟﺎری ﺑﻪ ﯾﮏ ﮐﺘﺎﺑﺨﺎﻧﻪ ﺑﺰرگ از ﻣﻨﺎﺑﻊ و اﻃﻼﻋﺎت ﻣﺨﺘﻠﻒ ﺗﺒﺪﯾﻞ ﺷﺪه اﺳﺖ
 
ﺷﮑﻞ ۱: ﻧﻤﻮدار رﺷﺪ ﺳﺎﯾﺖ ﻫﺎی اﯾﻨﺘﺮﻧﺘﯽ[۱۶]
ﻣﻮﺗﻮرﻫﺎی ﺟﺴﺘﺠﻮﮔﺮ ﻣﺎﻧﻨﺪ ﮔﻮﮔﻞ و ﯾﺎﻫﻮ و ﻏﯿﺮه، ﺑﻪ ﮐﺎرﺑﺮان ﺧﻮد اﻣﮑـﺎن ﺟـﺴﺘﺠﻮ ﺑـﺮ اﺳـﺎس ﮐﻠﻤـﺎت ﮐﻠﯿﺪی ﻣﺸﺨﺺ را ﻣﯽ دﻫﻨﺪ. اﻣﺎ ﺑﺰرﮔﺘﺮﯾﻦ ﻣﺸﮑﻞ در ارﺗﺒﺎط ﺑﺎ اﯾﻦ ﺷﯿﻮه ﺟﺴﺘﺠﻮ، ﮐﻪ ﺑﻪ آن ﺟﺴﺘﺠﻮی ﮐـﻮر ﻫﻢ ﮔﻔﺘﻪ ﻣﯽﺷﻮد، ﯾﺎﻓﺘﻦ ﮐﻠﻤﺎت ﮐﻠﯿﺪی ﻣﻨﺎﺳﺐ ﻣﯽﺑﺎﺷﺪ. اﻟﺒﺘـﻪ ﻧﺒﺎﯾـﺪ ﻓﺮاﻣـﻮش ﮐﻨـﯿﻢ ﮐـﻪ وب ﺑـﺎ ﻫﻤـﯿﻦ وﺿﻌﯿﺖ ﻣﻮﺟﻮد ﻧﯿﺰ ﯾﮏ ﻣﻮﻓﻘﯿﺖ ﺑﺰرگ ﺑﻪ ﺣﺴﺎب ﻣﯽآﯾﺪ. ﺗﺎ ده ﺳﺎل ﭘﯿﺶ، ﻫﺮﮔﺰ ﮐﺴﯽ ﻓﮑﺮ آن را ﻧﻤﯽ ﮐﺮد ﮐﻪ روزی اﯾﻨﺘﺮﻧﺖ ﺑﺘﻮاﻧﺪ ﺗﺎ اﯾﻦ ﺣﺪ در ﺷﯿﻮه زﻧﺪﮔﯽ اﻧﺴﺎنﻫﺎ، اﺧﺒﺎر و اﻃﻼع رﺳﺎﻧﯽ، ارﺗﺒﺎﻃﺎت و ﻏﯿـﺮه ﺗـﺎﺛﯿﺮ ﺑﮕﺬارد.
اﻣﺎ از ﻃﺮﻓﯽ دﯾﮕﺮ، وب ﻣﻮﺟﻮد، دارای ﯾﮏ ﻣﺸﮑﻞ اﺳﺎﺳﯽ ﻣﯽﺑﺎﺷﺪ. ﻣﯽﺗﻮان ﮔﻔﺖ ﮐﻪ ﭼﺎﻟﺶ اﺳﺎﺳﯽ در ارﺗﺒﺎط ﺑﺎ وب آن اﺳﺖ ﮐﻪ ﻣﻨﺎﺑﻊ ﻣﻮﺟﻮد ﺗﻨﻬﺎ ﺑﺮای اﻧﺴﺎن ﻫﺎ ﻗﺒﻞ ﻓﻬﻢ و اﺳﺘﻔﺎده ﻣﯽﺑﺎﺷﺪ. ﺑﻨﺎﺑﺮاﯾﻦ ﻣﺎﺷﯿﻦ هر ﺟﺴﺘﺠﻮ، اﺷﺘﺮاک و ﯾﮑﭙﺎرﭼﻪ ﺳﺎزی اﻧﺒﻮﻫﯽ از اﻃﻼﻋﺎت، ﻣﺤـﺪودﯾﺖﻫـﺎی زﯾـﺎدی دارﻧـﺪ. در ﺣـﺎل ﺣﺎﺿـﺮ ﻣﺎﺷﯿﻦﻫﺎ ﺟﻬﺖ ﺷﻨﺎﺧﺖ ﻣﺤﺘﻮی و اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب، ﻧﯿﺎز ﺑﻪ داﻧﺶ اﻧﺴﺎﻧﯽ دارﻧﺪ و ﺑﺪون آن ﺗﻨﻬـﺎ ﻣـﯽﺗﻮاﻧﻨﺪ ﮐﻮرﮐﻮراﻧﻪ، وﺟﻮد ﯾﺎ ﻋﺪم وﺟﻮد ﯾﮏ ﮐﻠﻤﻪ ﮐﻠﯿﺪی را ﻣﺸﺨﺺ ﻧﻤﺎﯾﻨﺪ..
وب ﻣﻌﻨﺎﯾﯽ
اﯾﺪه ﺗﻮﺳﻌﻪ وب ﺟﺎری ﺑﺎ ﺗﺰرﯾﻖ ﻣﻘﺪاری اﻃﻼﻋﺎت ﺗﮑﻤﯿﻠﯽ، ﺑﮕﻮﻧﻪای ﮐﻪ اﻃﻼﻋﺎت ﻣﻮﺟﻮد ﻗﺎﺑﻞ ﻓﻬﻢ ﺑﺮای ﻣﺎﺷﯿﻦﻫﺎ ﺑﺎﺷﺪ، ﺑﺮای اوﻟﯿﻦ ﺑﺎر ﺗﻮﺳﻂ آ ﻗﺎی ﺗﯿﻢ ﺑﺮﻧﺮز ﻟﯽ  ﻣﻄﺮح ﮔﺮدﯾﺪ[۱و۲]. اﯾﺸﺎن ﻧﺴﻞ ﺟﺪﯾـﺪی از وب ﺟﺎری را ﺑﺎ ﻧﺎم وب ﻣﻌﻨﺎﯾﯽ ﻣﻌﺮﻓﯽ ﮐﺮدﻧﺪ و ﻫﺪف از وب ﻣﻌﻨﺎﯾﯽ را ﻗﺎﺑﻞ ﻓﻬﻢ ﮐﺮدن اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب و ﻧﯿﺰ اﻓﺰاﯾﺶ ﻗﺎﺑﻠﯿﺖ ﻫﻤﮑﺎری  ﺑﯿﻦ اﻓﺮاد و ﻋﻮاﻣﻞ درﮔﯿﺮ ﺑﺎ داده ﻫـﺎی ﻣـﺸﺘﺮک ﻋﻨـﻮان ﻧﻤﻮد ﻧـﺪ. ﺑﻨـﺎﺑﺮاﯾﻦ وب ﻣﻌﻨﺎﯾﯽ ﻗﺼﺪ ﻧﺪارد ﺗﺎ وب ﻣﻮﺟﻮد را ازﺑﯿﻦ ﺑﺒﺮد ﯾﺎ ﺟﺎﯾﮕﺰﯾﻦ آن ﺷﻮد، ﺑﻠﮑﻪ ﻣﯽﺧﻮاﻫﺪ آن را ﺗﻮﺳﻌﻪ دﻫـﺪ و در ﮐﻨﺎر آن (ﺑﺼﻮرت ﯾﮏ ﻻﯾﻪ ﺑﺮ روی وب ﺟﺎری) ﻗﺮار ﮔﯿﺮد.
در ﺣﻮزه وب ﻣﻌﻨﺎﯾﯽ، ﻣﻨﻈﻮر از ﻗﺎﺑﻞ ﻓﻬﻢ ﻧﻤﻮدن اﻃﻼﻋﺎت ﺑـﺮای ﻣﺎﺷـﯿﻦﻫـﺎ آن اﺳـﺖ ﮐـﻪ ﻣﺎﺷـﯿﻦﻫـﺎ ﺑﺘﻮاﻧﻨﺪ، از اﻃﻼﻋﺎت ﻣﻮﺟﻮد اﺳﺘﻨﺘﺎج ﮐﺮده و اﻃﻼﻋﺎت ﺟﺪﯾﺪی را ﺗﻮﻟﯿﺪ ﻧﻤﺎﯾﻨﺪ. اﯾﻦ اﻃﻼﻋﺎت ﺟﺪﯾﺪ ﻣﯽﺗﻮاﻧﻨﺪ در ﭘﺎﺳﺨﮕﻮﯾﯽ ﺑﻪ ﭘﺮس و ﺟﻮیﻫﺎی ﮐﺎرﺑﺮان ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﯿﺮﻧﺪ. از اﯾﻦ رو ﯾﮑﯽ از اﺟـﺰای ﻣﻬـﻢ در وب ﻣﻌﻨﺎﯾﯽ ﻣﻮﺗﻮر اﺳﺘﻨﺘﺎج ﻣﯽﺑﺎﺷﺪ ﮐﻪ ﺑﺎﯾﺪ ﻣﺒﺘﻨﯽ ﺑﺮ ﯾﮏ ﻣﻨﻄﻖ ﺑﺎﺷﺪ؛ ﻣﺎﻧﻨـﺪ ﻣﻨﻄـﻖ ﻣﺮﺗﺒـﻪ اول/ دوم، ﻣﻨﻄـﻖ ﺗﺸﺮﯾﺤﯽ و ﻏﯿﺮه.
در وب ﻣﻌﻨﺎﯾﯽ ﺗﻤﺮﮐﺰ ﺑﺮ روی دادهﻫﺎ اﺳﺖ و ﺳﻌﯽ ﻣﯽﺷﻮد ﺗﺎ از واﺑﺴﺘﮕﯽ دادهﻫﺎ ﺑﻪ ﺑﺮﻧﺎﻣﻪ ﯾـﺎ ﺑﺮﻧﺎﻣـﻪﻫﺎی ﺧﺎص ﺑﮑﺎﻫﺪ. ﺑﺪﯾﻦ ﻣﻨﻈﻮر ﻻزم اﺳﺖ ﺗﺎ ﺳﻤﺎﻧﺘﯿﮏ و ﺳﺎﺧﺘﺎر ﻧﯿﺰ ﺑﻪ درون دادهﻫـﺎ ﺗﺰرﯾـﻖ ﮔـﺮدد [۳]. در اﯾﻦ ﺻﻮرت ﯾﮏ داده ﻫﻮﺷﻤﻨﺪ ﺧﻮاﻫﯿﻢ داﺷﺖ ﮐﻪ ﻣﯽﺗﻮاﻧﺪ در ﯾﮑﯽ از ﭼﺎرﭼﻮبﻫﺎی وب ﻣﻌﻨﺎﯾﯽ، ﺑﺪون ﻧﯿـﺎز ﺑﻪ ﺑﺮﻧﺎﻣﻪای ﺧﺎص، اﺳﺘﻔﺎده ﺷﺪه و در ﻓﺮاﯾﻨﺪ اﺳﺘﻨﺘﺎج ﻣﻨﻄﻘﯽ ﺷﺮﮐﺖ ﻧﻤﺎﯾﺪ.
ﺟﺎﯾﮕﺎه آﻧﺘﺎﻟﻮژی در وب ﻣﻌﻨﺎﯾﯽ
ﻫﺮ ﭼﻨﺪ ﺑﻬﺒﻮد در ﺟﺴﺘﺠﻮی اﻃﻼﻋﺎت ﯾﮑﯽ از ﻣﻬﻤﺘﺮﯾﻦ اﻫﺪاف وب ﻣﻌﻨﺎﯾﯽ ﻣﯽﺑﺎﺷﺪ وﻟـﯽ وب ﻣﻌﻨـﺎﯾﯽ ﮐﺎرﺑﺮدﻫﺎی دﯾﮕﺮی ﻧﯿﺰ دارد، ﻣﺎﻧﻨﺪ؛ اﺷﺘﺮاک اﻃﻼﻋﺎت و ﯾﮑﭙﺎرﭼﻪﺳﺎزی اﻃﻼﻋﺎت. ﺑﺮای رﺳﯿﺪن ﺑﻪ اﯾﻦ اﻫﺪاف ﺑﺎﯾﺪ ﯾﮏ ﻣﺪل ﻣﻌﻨﺎﯾﯽ از داﻣﻨﻪ ﻣﻮرد ﺑﺤﺚ ﺧﻮد ﺗﻌﺮﯾﻒ ﻧﻤﺎﯾﯿﻢ. در وب ﻣﻌﻨـﺎﯾﯽ از آﻧﺘـﺎﻟﻮژیﻫـﺎ ﺟﻬـﺖ ﻣـﺪل ﺳﺎزی ﻣﻌﻨﺎﯾﯽ اﺳﺘﻔﺎده ﻣﯽﺷﻮد. در واﻗﻊ، آﻧﺘﺎﻟﻮژیﻫﺎ اﺑﺰاری ﺟﻬﺖ ﺗﻮﺻﯿﻒ ﻣﻔﺎﻫﯿﻢ ذﻫﻨﯽ ﺑـﺸﺮ ﻣـﯽﺑﺎﺷـﺪ و ﻧﻘﺸﯽ ﮐﻠﯿﺪی را در وب ﻣﻌﻨﺎﯾﯽ و ﻣﺪﯾﺮﯾﺖ داﻧﺶ اﯾﻔﺎ ﻣﯽﮐﻨﺪ. آﻧﺘﺎﻟﻮژی ﻫﺎ را ﻣﯽﺗﻮان ﺑﺎ زﺑﺎنﻫﺎی ﻣﻨﻄﻘـﯽ ﻣﺎﻧﻨﺪ ﻣﻨﻄﻖ ﻣﺮﺗﺒﻪ اول و دوم، ﻣﻨﻄﻖ ﺗﺸﺮﯾﺤﯽ،OWL ،RDF و ﯾﺎ ﺣﺘﯽ ﺑﺎ ﯾﮏ ﻣﺪل ﮔﺮاﻓﯿﮑـﯽ ﻣﺎﻧﻨـﺪ UML نمایش داد.
وب ﻣﻌﻨﺎﯾﯽ، ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻧﯿﺴﺖ
همانطور ﮐﻪ ﮔﻔﺘﻪ ﺷﺪ، وب ﻣﻌﻨﺎﯾﯽ ﺳﻌﯽ دارد ﺗﺎ اﻃﻼﻋﺎت ﻣﻮﺟﻮد در وب را ﺑﺮای ﻣﺎﺷﯿﻦﻫـﺎ ﻗﺎﺑـﻞ درک ﮐﻨﺪ. وﻟﯽ ﻫﺮﮔﺰ ﻗﺼﺪ آن را ﻧﺪارد ﺗﺎ ﺑﻪ ﻣﺎﺷﯿﻦﻫﺎ ﻗﺎﺑﻠﯿﺖﻫﺎی ﺟﺎدوﯾﯽ ﺑﺒﺨﺸﺪ ﺗﺎ ﺑﺎ اﻧـﺴﺎنﻫـﺎ رﻗﺎﺑـﺖ ﮐﻨﻨـﺪ ﺑﻠﮑﻪ ﺗﻨﻬﺎ ﺳﻌﯽ دارد از ﺳﺮﻋﺖ و ﻗﺪرت ﻣﺎﺷﯿﻦﻫﺎ در ﭘﺮدازش اﻃﻼﻋﺎت ﻣﻮﺟﻮد، ﺟﻬﺖ ﺣـﻞ ﺑﺮﺧـﯽ ﻣـﺸﮑﻼت اﻧﺴﺎنﻫﺎ اﺳﺘﻔﺎده ﻧﻤﺎﯾﺪ.
وب ﻣﻌﻨﺎﯾﯽ ﺳﻌﯽ دارد، ﺗﻌﺎﻣﻞ ﺑﯿﻦ اﻧﺴﺎنﻫﺎ و ﻣﺎﺷﯿﻦﻫﺎ، در ﺳﻄﺢ اﻧﺴﺎنﻫﺎ ﺻـﻮرت ﮔﯿـﺮد ﯾﻌﻨـﯽ ﺑﺠﺎی آﻧﮑﻪ اﻧﺴﺎن ﻫﺎ اﻃﻼﻋﺎت، دﺳﺘﻮرات و ﯾﺎ ﻧﯿﺎزﻣﻨﺪیﻫﺎی ﺧﻮد را ﺑـﻪ زﺑـﺎﻧﯽ ﮐـﻪ ﺑـﻪ زﺑـﺎن ﺳـﻄﺢ ﻣﺎﺷـﯿﻦ ﻧﺰدﯾﮏﺗﺮ اﺳﺖ اﻋﻼم ﻧﻤﺎﯾﻨﺪ، آن ﻫﺎ را در ﺳﻄﺤﯽ ﻧﺰدﯾﮏﺗﺮ ﺑﻪ ﺳﻄﺢ زﺑﺎن ﻣﺎدری و ادراﮐﺎت ذﻫﻨﯽ ﺧﻮد وارد ﻧﻤﺎﯾﻨﺪ، ﺑﻄﻮرﯾﮑﻪ ﻣﺎﺷﯿﻦ آن ﻣﻮارد را درک ﮐﺮده و اﻃﻼﻋﺎت داده ﺷﺪه را ﭘﺮدازش ﻧﻤﻮده و ﻧﺘـﺎﯾﺞ را در ﻫﻤـﺎن ﺳﻄﺢ، ﺑﻪ اﻧﺴﺎنﻫﺎ ﻣﻨﺘﻘﻞ ﻧﻤﺎﯾﺪ. از اﯾﻦ رو وب ﻣﻌﻨﺎﯾﯽ، ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻧﯿﺴﺖ وﻟﯽ از روشﻫﺎ و ﺗﮑﻨﯿﮏﻫﺎی ﻣﻄﺮح ﺷﺪه در ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻣﺎﻧﻨﺪ (ﭘﺮدازش زﺑﺎن ﻃﺒﯿﻌﯽ)  اﺳﺘﻔﺎده ﻣﯽ ﮐﻨﺪ.
 
فهرست مطالب:
ﭼﮑﯿﺪه
مقدمه
وب ﻣﻌﻨﺎﯾﯽ
ﺟﺎﯾﮕﺎه آﻧﺘﺎﻟﻮژی در وب ﻣﻌﻨﺎﯾﯽ
وب ﻣﻌﻨﺎﯾﯽ، ﻫﻮش ﻣﺼﻨﻮﻋﯽ ﻧﯿﺴﺖ
ﺑﺎزﯾﺎﺑﯽ و اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﺑﺮای وب ﻣﻌﻨﺎﯾﯽ
ﻣﻌﺮﻓﯽ وب ﻣﻌﻨﺎﯾﯽ
ﻣﺸﮑﻼت وب ﻣﻮﺟﻮد
ﻧﯿﺎز ﺑﻪ ﺑﺎزﻧﻤﺎﯾﯽ داﻧﺶ
 آﺷﻨﺎﯾﯽ ﺑﺎ اﺟﺰای اﺳﺎﺳﯽ وب ﻣﻌﻨﺎﯾﯽ
RDF
Ontology
Agent
ﻣﻌﻤﺎری وب ﻣﻌﻨﺎﯾﯽ
آﺷﻨﺎﯾﯽ ﺑﺎ ﺧﺎﻧﻮاده اﺳﺘﺎﻧﺪاردﻫﺎی XML
(XML Schema Definition (XSD
XPATH
آﺷﻨﺎﯾﯽ ﺑﺎ Resource Description Framework) RDF)
ﻧﻤﺎﯾﺶ داﻧﺶ ﺑﺎ اﺳﺘﻔﺎده از RDF
RDF/XML 
آﺷﻨﺎﯾﯽ ﺑﺎ RDF Schema (RDFS) 
ﻣﻌﺮﻓﯽ Taxonomy
ﻣﻌﺮﻓﯽ ﻃﯿﻒ آﻧﺘﺎﻟﻮژی
ﻣﻌﺮﻓﯽ آﻧﺘﺎﻟﻮژی
ﺗﻌﺮﯾﻒ آﻧﺘﺎﻟﻮژی در ﺗﮑﻨﻮﻟﻮژی اﻃﻼﻋﺎت (IT)
ﺗﻮﺻﯿﻒ ﻣﻨﻄﻘﯽ آﻧﺘﺎﻟﻮژی ﻫﺎ
ﺳﻄﻮح ﺑﺎزﻧﻤﺎﯾﯽ داﻧﺶ
ﻣﺸﮑﻞ ﻧﮕﺎﺷﺖ ﻣﻌﻨﺎﯾﯽ
ﺧﻼﺻﻪ ﻣﻄﺎﻟﺐ
ﻣﺪﯾﺮﯾﺖ داﻧﺶ و ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت
ﺑﺮرﺳﯽ ﻣﺸﮑﻞ
ﻧﻘﺶ آﻧﺘﺎﻟﻮژیﻫﺎ
ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت ﺑﺮای وب ﻣﻌﻨﺎﯾﯽ
WEBOQL 
World Wide Web Wrapper Factory) W4F-
OntoKnowledge 
OntoPrise 
KIM 
OntoGather  
ﺟﻤﻊ ﺑﻨﺪی ﻣﻄﺎﻟﺐ
اراﺋﻪ ﯾﮏ ﭼﺎرﭼﻮب ﺟﻬﺖ ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت
ﺗﺤﻠﯿﻞ ﻣﺴﺎﻟﻪ ﺑﺎزﯾﺎﺑﯽ اﻃﻼﻋﺎت
اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﺻﺮﯾﺢ و اﻃﻼﻋﺎت ﺿﻤﻨﯽ 
ﻣﻘﺎوﻣﺖ در ﺑﺮاﺑﺮ ﺗﻐﯿﯿﺮات ﻣﻨﺎﺑﻊ
ﻣﻌﺮﻓﯽ ﭼﺎرﭼﻮب ﭘﯿﺸﻨﻬﺎدی
ﺳﻨﺎرﯾﻮی دو: ﺟﺴﺘﺠﻮی ﻣﻌﻨﺎﯾﯽ
ﺳﻨﺎرﯾﻮی ﺳﻪ: اﺳﺘﺨﺮاج اﻃﻼﻋﺎت ﺑﺼﻮرت اﺗﻮﻣﺎﺗﯿﮏ
ﻓﻌﺎﻟﯿﺖ ﻫﺎی ﺑﻌﺪی
منابع و مأخذ

======