گیل فان |مقاله | تحقیق| کتاب

تحقیق در مورد Scinfo

Scinfo یعنی سیستم جمع آوری اطلاعات پایداری برای استفاده کردن مدیریت اطلاعاتی سندهای وب

انتزاعی

این مقاله Scinfo یعنی سیستم های جمع آوری اطلاعات پایه ای – عاملی اجرا شده برای ساختار مدیریت اطلاعات که KMAI نامیده می شود را توصیف می کند (سر واژه برای مدیریت دانشی یا اطلاعات ساختگی) . میان سند های مدیریت شده توسط ساختار سندهای اثبات شده ای در وب مانند آژانس های خبری و وب سایتهای اطلاعاتی دولتی موجود است . Scinfo و KMAI حدوداً یکسال توسط رئیس جمهوری برزیل استفاده می شود و به طور رایج برای سازمانهای دولت فدرال دیگر اجرا می شود .

کلمات کلیدی :

جمع آوری اطلاعات ، سیستم های پایه ای – عامل ، مدریریت اطلاعاتی، اطلاعات ساختگی

1.معرفی : در فرضیه مدیریت اطلاعاتی ، آن مهم است تا تصمیمات سازنده ای را برای دست یابی به همه اطلاعات مرتبط داخل و خارج سازمان را فراهم کنند . مقدار زیادی اطلاعات بخش شده در منابع مختلف و متفرق یکی از مشکلات رایج است که توسط سازندگان تصمیم مواجه هستند ( مولنیا 1997) ، خیلی مهم است تا اطلاعات مرتبط را میان همه این مقدار تشخیص دهیم و همه آنها را به درستی ذخیره کنیم ، این یک هدف از KMAI ( مدیریت دانشی با اطلاعات ساختگی) نظام ( ریبیریو در 2004) است و توسط فرآیند جمع آوری اطلاعات پایه ای عامل بدست می اید( آمبیت، نابلوک 1997) ( سیکارا، زنگ 1996) شکل می گیرد توسط Scinfo (سرواژه برای sistema da coleta demformcoes) – سیستم جمع آوری اطلاعات در پرتقال) ، ویژگیهای اصلی سیستم موجود است تا تأئید در وب سایت را انجام دهند ، آهسته در میان متنش رود ، سندهای مبدأ را شناسایی کند و متن مرتبط را بیرون بکشد .

2.ساختار KMAI

ساختار KMAI کمک می کند تا فراهم کنند سازمانها فوراً به اطلاعات مهم برای ساختن فرآیند تصمیمی دست یابی داشته باشند و بر اساس تکنولوژی تحقیق اطلاعات ساختگی ، از آنجایی که تحقیق منفی ساختاری ( scs  یک تفاوت کلاسیک sase based reasoning ) ، و به طور دانیامیکی ارائه مجدد اطلاعات متنی شده ( DSKR ) و اُنتولوژی ( موسچل 2003) ساختار شامل دوره کامل از استراتژی تولید اطلاعات از جمع آوری تا دریافت برای استفاده کننده است . شکل 1 فرضیه KMAI  را با این چرخه نشان می دهد .

چرخه ، با انتخاب منبع های دیجیتال آغاز می شود تا کنترل شود ( حسابرسی کردن اطلاعات ، طراحی کردن اطلاعات ) و نحوه برخورد متفاوت شده ای را با اطلاعات ساختاری و غیر ساختاری ارائه دهد . جمع آوری اطلاعات توسط Scinfo  انجام می شود جایی که هر منبع متفاوت توسط یک عامل کنترل می شود که از وب سایت های خاص تادفتر راهنماها برای ذخیره سند باشد . ( سندهای متنی ، صفحه گسترده ، ایمیل ها ، و گزارشات کلی ) و به طور دیجیتالی در سازمان موجود است . مجموعه ها برای الگوی رایج تغییر یافته است که ارتباط با پایگاه های داده ساختاری شده را فراهم می کنند . فرصت انتخاب شده XML هست ( Extensible Morlcup Language ) Teat mimiy در نظر گرفته شده تا مفاهیم ، آمارها و کلمات مهم گروه سندی را با ساختار کمی آنها بیرون بکشد . ( موسچل 2002) در آن مرحله ، سه نوع اطلاعات استخراج می شود : متادیتا ( اطلاعات سندی رایج مانند عنوان و محقق ) ، فهرست ( اصطلاحاتی که محتوی سند را توصیف می کند ) و مفاهیم ( اصطلاحاتی که متن سند را توصیف می کند ) . همه اطلاعات ذخیره شده در پایه دانشی سیستم با استفاده کننده در محیط وب و از طریق یک سری از رابطه های استفاده کننده موجود است . رابطه استفاده کننده اصلی صفحه تجزیه و تحللی است که استفاده کننده را با تکنیک قادر می سازد که متریک مشا برای با هستی شناسی برای مقایسه کردن بین متن داخل شده و سندهای ذخیره شده به جای استفاده کردن مقایسه کردن کلمات کلیدی استفاده کنند .

3. Scinfo

Scinfo  سیستم جمع آوری اطلاعات پایه ای – عامل است که با سه نوع متفاوت منابع اطلاعاتی سر وکار دارند : وب سایتها ، سیستم های فایل ، پایگاه داده ها. ویژگی های اصلیش شناسایی سندهای مبدأ، استخراج متن و ذخیره سند مختلف است از آنجاییکه ساختار مدیریت دانشی گسترده تر ، فلسفه اش با جمع کردن همه سندهاست که ممکن است شامل اطلاعات مرتبط باشد و سندها را مطابق با محتوایش انتخاب نکند . تجزیه و تحلیل محتوی سندها توسط مدلهای دیگر ساختار انجام می شود . Scinfo برای بیش از یکسال در دو سازمانهای دولتی برزیل استفاده شد و هدفش جمع کردن خبرها در اعداد انتخاب شده آژانس خبری است و سپس حفظ کردن براساس ثبت برای مراجعه آینده و سندهای داخلی توسط سیستم های دیگر فراهم می شود، ورژن D20 زیر ساخت است و در جاوا توسعه می یابد ( اسکل 2000) ورژن 100 در دلفی 7.0 توسعه می یابد نحاتو2003)

1 . 3  معماری Scinfo :

همانطور که در بالا بیان شد ، Scinfo با سه نوع متفاوت منبع ها سروکار دارد وب سایتها سیستم های فایل و پایگاه داده ها برای هر نوع ، یک نوع عامل وجود دارد که مشاهده گر WEB و مشاهده گر فایل و مشاهده گر DB با شکل گیری خاص نامیده می شود تا با ساختار سندی و مرتبط سروکار داشته باشد . هر منبع مشاهده گر خودش دارد . بنابراین ، برای هر وب سایت توسط سیستم کنترل می شود و یک مشاهده گر WEB وجود دارد و غیره .

یک مرور از معماری Scinfo در شکل دو نشان داده شده .

مشاهده گر به منبع ارتباط دارد و وجود سند جدید را تحقیق می کند . این اثبات با مراجعه کردن یک لیست سندهای جمع آوری شده قبلی انجام می شود . برای هر سند جدید ، مشاهده گر محتوایش می گذارد و بیرون می کشد متنی را که ممکن است شامل اطلاعات مرتبط باشد . به منظور شناسایی متن که ممکن است شامل اطلاعات مرتبط در یک سند باشد ، مشاهده گر باید ساختار سند را درک کند . در مورد وب سایتها ، یک تجزیه گرا htm برای شناسایی متن استفاده می شود که باید بیرون کشیده شوند . طی شکل گیری مشاهده گر، یکسری برچسب ها که محاثبه می کند اطلاعات طراحی شده را تعریف می کنند ، بنابراین مشاهده گر تنها محتوی واقعی صفحه وب را بیرون می کشد و متن های غیر وابسته را کنار می گذارد بعد از بیرون کشیدن متن ، آن یک سند yml و kmaidoc را ایجاد می کند که تا مدیر Scinfo ارائه می شود که بعضی اطلاعات کنار سیستم را ذخیره می کند و سند را به فهرست کننده KmAt می فرستد . سند yml بعداً در یک دفتر راهنمای از بیش تعریف شده ذخیره می شود بنابراین سند yml توسط Scinfo ایجاد می شود . شکل 3 یک مثال از سند kmaidoc yml است . همه سند ها توسط ساختار kmai مدیریت می شود تا اسن ساختار را استفاده کنند . یک جمع آوری برنامه زمانی برای هر مشاهده گر تعریف می شود و در شکل گیری اش اساسی می شود این برنامه بر اساس فراوانی آخرین خبر منبع است . برای آزانس های خبری با یک ویژگی خبری جدید تر ، این فراوانی ممکن است در دقایق تعریف شود . ورژن های پیوسته روزنامه ها ، تنها یک بخش جمع شده مورد نیاز است و در صبح انجام می شود . الگوریتم وارد شده و استفاده شده برای جهت یابی داخل منبع (برای مشاهده گرWEB ,FILE ) یک عمق الگوریتم تحقیق اول از تئوری گرف است  ( گراس یلین 1998 )

2 . 3  فرآیند جمع کردن اطلاعات با Scinfo

فرآیند جمع آوری اطلاعات Scinfo شامل 3 مرحله است : شکل گیری مشاهده گر ها ، جمع آوری و پردازش متن اطلاعات و حفظ مشاهده گرها . هر کلام از این مرحله ها بعد توصیف می شود .

1.     2 . 3  شکل گیری مشاهده گرها

دست یابی اطلاعات کلیدی برای تصمیم موثق هست ( بِرد هورست 2000) و با دست یابی این آن مهم است تا بدانیم جائی که اطلاعات مربوط فراهم می شود و چطور به دریافت کنندگان اطلاعات می رسند و چطور متن مرتبط را بیرون می کشند . شکل گیری در 5 مرحله است :

1) حسابرسی اطلاعات            2) تجزیه و تحلیل ساختار و منبع اطلاعات        3) نقشه کشیدن متن اطلاعات              4) امتحان کردن              5) صفحه آرایی

وابسته بودن بر اساس هدف ابتکار مدیریت اطلاعاتی ، انواع متفاوت و منابع اطلاعات ممکن است مرتبط بررسی شود . برای مثال اگر هدف تجزیه و تحلیل تصویر سازماندهی در رسانه هست ( یکی از اجراهای رایج HMAI ) منابع مرتبط همه انواع وب سایتها را خواهد داشت . خبرهایی را درباره سازمان آزاد کند . ( روزنامه نگاران پیوسته ، آژانس های خبری ، در میان دیگران ، به عبارت دیگر ، در یک سازمان جایی که اطلاعات همچنین توسط منابع واقعی فراهم می شود ( DB,S ، گزارشات ، سیستم های دیگر و غیره ) آنها باید به حساب آورده شوند . این نقشه کشی طی فرآیند حسابرسی اطلاعات انجام می شو که اساساً در نقشه کشی پافشاری می کند و منابع اطلاعاتی بخش شده داخل و خارج سازمان را شناسایی می کند ( گومس ، براگا 2001) ، بعد از دانستن جایی رفتن ، یک مشاهده گر باید بداند چه چیزی باید انجام دهیم وقتی آن را انجام می گیرد مسیرهای زیادی ممکن است توسط مشاهده گر گرفته شود در حالیکه آن در ساختار منبع کشیده می شود. مسیر درست با مسیر مرتبط طی تجزیه و تحلیل ساختار ملی تجزیه و تحلیل ساختار پیدا شده است . که ویژگیهای سندها با اطلاعات مرتبط شکل می گیرد و پارامترها ممکن است الگوی نامی ، فرمت ، موقعیت و غیره را با شند اثبات کند . در مالکیت سند که ممکن است شامل اطلاعات مرتبط باشد مشاهده گر ممکن است بداند چطور متن درست را بیرون بکشد . در بیشتر موارد سند شامل اطلاعات مرتبط است که ممکن است در نتایج بازیابی اطلاعات متصل شود . بیرون کشیدن تنها متن اطلاعات مرحله های بعد در مدیریت اطلاعاتی بیشتر مناسب است . تعریف آن چیزی باید از یک سند بیرون کشیده شود بر اساس ساختار سند است . صفحه وب ، بر چسب های html استفاده می شود تا بخش های متفاوت متن را تعیین کند ( عنوان ، محقق ، پیکر ) در گزارشات ، ساختار پروتکل یا الگو ممکن است استفاده شود . جدول در DB و نامهای ثبت شده استفاده می شود . بعد از تعریف پارامترها توسط مشاهده گر استفاده می شود تا اطلاعات را جمع آوری کند . آن باید تست کند تا تعیین کند ایا سندهای جمع آروی شده درست هستند و وقتی که آن به طور کامل کار می کند آن برای صف آرایی آماده است .

 2 . 2 .3  جمع آوری متن اطلاعات

مشاهده گر به مبلغ بعد از برنامه ریزی از بیش منتشر شده ارتباط دارد و تعیین می کند آیا یک سند جدید معتبر هست این برنامه ریزی توسط میزان آخرین خبر منبع تعریف می شود ، همان طور که در زیر بیان شد . یکبار در روز ، در زمان تعریف شده ( هر روز در am 30 : 5 ) در فاصله دقیقه ای ( هر 5 دقیقه) در فاصله روزها ، در زمان تعریف شده ( هر 7 در am 30:5 ) هر سند جدید ارزیابی می شود و به مدیر Scinfo انتقال می یابد که و برای ذخیره ای مسئول است و به فهرست کننده منتقل می شود .

 3 . 2 . 3 نگهداری مشاهده گر

از آنجایی که مشاهده گر اطلاعات از پیش تعیین شده ای را برای ساختار زایش استفاده می کند . آن حسی است تا در منبع و ساختار سند تغییر کند . درمنابع داخلی این مشکل به حداقل رسیده است .

از آن جایی که در بیشتر موارد آن ممکن است تعیین شود تا وقتی که یک تغییر رخ دهد و مشاهده کرد را برای ساختار جدید آماده کند امّا در منابع خارجی به ویژه وب سایت ها این تغییرات ممکن است پیش بینی نشده باشد . Scinfo یک مانیتور دارد که تغییرات را در منابع دنبال می کند و اجرای سیستم را هشدار می دهد .در این موارد فرضه نگهداری درخواست می شود جایی که تغییرات مشخص می شود شکل گیری مشاهده کر اصطلاح می شود . ببینید 4 را برای فرضیه پیشنهاد شده در این شکل .

4 .  تحقیق آینده

ورژن و نوع رایج ( 5 . 2 ) یک بهبود مهم از نوع 5 . 1  است نه تنها معماری فرم افراد بلکه در اصطلاح قابل استفاده ( رابطه در شاخه برای شکل گیری مشاهده) برای نوع بعدی هدف اصلی توسعه فرایند شکل نیمه اتوماتیکی است تا مشاهده گرهای را با گنجاش انطباق خود فراهم کند . شکل گیری نیمه اتوماتیکی شکل گیری مشاهده گرهای WEB یک کاری است که بعضی دانش در پروتکل http و html مورد نیاز است . برای نوع جدید فرضه نیمه اتوماتیک پیشنهاد خواد شد . قادر ساختن هر شخص با بعضی تجربه در گشتن اینترنت است تا یک مشاهده گر شمل دهد . تحقیق پیشنهاد شده با شکل گیری نیمه اتوماتیکی تعریف نیمه اتوماتیکی از پیوندهای ساختاری برای فهرست های مرتبط و سندها در وب سایتها است (طی تجزیه و تحلیل ساختار منبع ) و استفاده کننده به تعریف محدود کننده متن را در صفحه وب برای بیرون کشیدن متن مرتبط کمک می کند . انطبقا اتوماتیکی با تغییرات . در نوع رایج ، تغییرات در ساختار منبع اطلاعاتی در نیاز فرضیه فقط منعکس می شود و توسط اجرای سیستم شکل می گیرد هدف برای نوع بعدی فراهم کردن آن با گنجایش انطباقی است قادر ساختن تا بعضی شکل گیری مشاهده گر ما تغییر کند به محض یک تغییر در منبع یا ساختار سند اجرا شود . اولین راه حل پیشنهاد شده تشخیص الگو برای ارتباط ما در وب سایت ها هست بیشترین تغییر در ارتباط ظریف است و انطباق با آن می تواند توسط تکنیک تشخیص الگو شکل گیری راه حل زیر محقق شده است . که موردی از تغییرات در ساختار سند هست .

قدردانی

اگر Scinfo تقریباً دراستفاده است  آن در هر نوع جدید استفاده می شود . تحقیق در وضع هنر در جمع آوری اطلاعات پایه ای عامل انتظار می رود تا راه حل های را با بعضی چالش های رو به رو شده توسط سیستم رایج فراهم کند . علارغم این چالش ها ، سیستم شکل گرفته است و نتایج استفاده اش به دست آمده است تا این مشاهدات را تأیید کند . Scinfo اطلاعات را برای یک سال جمع آوری کرده است و در یک دوره آن به طور تقریبی 000 . 6000 ذخیره گزارش و نوع دیگر از سندهای داخلی را ذخیره کرده است و استفاده اش را با دستیابی آسان به دامنه گسترده از اطلاعات مرتبط مورد نیاز برای کارهای اس فراهم می کند . به عنوان بک مثال از استفاده اش . قبل از اجرا KMAI در یکی از سازمانها. جمع آوری صفرها درباره موضوع خاص حدوداً یک ساعت و نیم کار توسط یک شخص که 4 روزنامه می خواند گرفت بعد از اجرای KMAI ، این کار تقریباً انجام شد وقتی شخص آن را نیاز دارد و حدوداً 2 روزنامه ، مجله و آژانس های خبری را پوشش داد و زمان زیادی را برای شرح گزارشاتو کارهای دیگران کنار گذاشت .