بهبودی در سیستم های پیشنهادگر خبره با استفاده از بسط پرسش و مدل فضای برداری

نویسندگان

چکیده

با توجه به افزایش میزان حجم داده های موجود روی وب، یافتن دانش مورد نیاز از میان حجم انبوه داده ها امری بسیار مشکل می باشد. سیستم های پیشنهادگر دانش، فروم های آنلاین و سیستمهای پاسخ به پرسش جهت آسان کردن راه دسترسی به دانش مورد نیاز و پاسخگویی به نیاز اطلاعاتی کاربران بوجود آمده اند. سیستمهای پاسخ به سوال با ایده ی پاسخ دهی کوتاه و مفید با استفاده از مخازن دانشی ثبت شده، دسترسی به دانش مورد نیاز را بهبود داده اند. اما با توجه به ماهیت دانش، انتقال آن مشکل تر از انتقال اطلاعات است. سیستم های پیشنهادگر خبره با پیشنهاد افراد متخصص علاوه بر انتقال اطلاعات، باعث انتقال تجارب و درک در مورد موضوع می شوند. این سیستم ها از تحلیل محتوایی پروفایل متنی و سوابق متخصصین، تحلیل ارتباطات متخصصین و ترکیب این دو روش برای یافتن متخصصین استفاده می کنند. ما در این مقاله از داده های رزومه متخصصین استفاده کرده و با استفاده از مدل فضای برداری و استفاده از تکنیک بسط پرسش، مدلی جدید برای خبره یابی ارائه کرده ایم که با تحلیل محتوایی اسناد، خبره های دارای تخصص لازم را پیشنهاد می کند. نتایج شبیه سازی ها بیانگر این موضوع است که مدل ارائه شده دقت بالاتری نسبت به مدل فضای برداری دارد.

کلیدواژه‌ها


عنوان مقاله [English]

An improvement on expert finding systems by Vector Space model and Query Expansion technic

نویسنده [English]

  • ehsan pournoor
چکیده [English]

Due to enormous volume of information available on the Web, finding appropriate knowledge in a short time seems difficult. Knowledge Recommender systems, Online Forums and Question Answering (QA) systems were created to facilitate finding suitable information. QA systems use knowledge repositories to retrieve brief responses to users’ queries. Expert Finding system, not only causes knowledge transition from responder to requester, but also it improves requester’s experience and thoughts about the subject. These systems use textual analysis, historical activities analysis, social relation analysis and combination of these approaches to find experts. In this paper, we used resume data of university professors to develop a new model which outperforms conventional methods by using Vector Space Model and Query Expansion Technique.

کلیدواژه‌ها [English]

  • Recommender systems
  • Online forums
  • Expert finding
  • Vector space model
  • Query exansion