چکیده فارسی :

وب 3.0 یک راه آسان برای استفاده از دانش عمیق از داده های بزرگ که به صورت روزانه در اینترنت رشد می کد فراهم می سازد. هدف ما در این مقاله کار با داده ی Linked Open Data Cloud می باشد، که در آن مشکل اصلی با مجموعه داده ناسازگاری و بزرگی می باشد. ما در حال بررسی اطلاعات کتابشناسی هستیم که یکی از داده های ابری می باشد. نویسندگان اطلاعات مفیدی در مجموعه داده پیدا کردند که باید برای قضاوت در بهبود نتیجه ی پرس و جو مورد بررسی قرار گیرد. پس از تجزیه و تحلیل ما متوجه شدیم که بسیاری از مقاله در RKBExplorer اطلاعات کلمه کلیدی ندارند. به همین دلیل موتور جستجو بر اساس RKBExplorer تنها قادر به استفاده از اطلاعات موجود در این پایگاه داده با بازیابی مقاله، نویسندگان آن مقاله و مقاله استنادی مربوط به نویسنده یا عنوان مقاله داده شده، می باشد. اما فرض این که در آن کاربر می خواهد وارد رشته مورد جستجو شود، در آن حالت نتیجه چه خواهد بود ؟ آیا همه مقاله مرتبط را حتی اگر کلمات کلیدی به آن اختصاص داده نشده باشد بازیابی  می کند؟ در این مقاله ما تلاش داریم به همه ی این سوالات ، با کمک الگوریتم داده کاوی ARM در ویژگی های بازیابی شده از داده های RDF پاسخ دهیم. ما یک رویکرد جدید را توسعه داده ایم که از طریق آن ما می توانیم پرس و جوی کاربر را که مخلوطی از رشته های مهم می یاشد ، که ما آنها را برچسب مقاله می نامیم، پاسخ دهیم.

کلمات کلیدی: ابر داده باز مرتبط ، داده کاوی ، سیستم پرسش و پاسخ ، RFD ، کاوش قانون وابستگی

چکیده انگلیسی:

Web-3.0 provides an easy way to utilize the in-depth knowledge of the huge data that grows day-by-day in the internet Our aim with this paper is to work with the Linked Open Data Cloud data, where the main problem with the dataset is inconsistencies, bulkiness. We are exploring bibliographic data which is one of the cloud data. The authors found some useful information in the dataset that should be explored for judging the improvement of the search query’s result. After analysis we came to know that many of the papers residing in RKBExplorer did not have keyword information. Because of that the search engine based on the RKBExplorer only able to use the information in this database going to retrieve the papers, authors of that paper and their related cited papers with given paper author or title. But assume the situation where the user wants to enter the search string, then what would be the result? Would it retrieve all the related paper even if their keywords are not assigned? In this paper we are trying to answer this question, with the help of data mining algorithm ARM on the features retrieved from the RDF data. We have developed a novel approach through which we can answer the user’s query which is mixture of important the strings, we called them tags of the papers .

Keywords: Linked Open Data Cloud ; Data Mining ; Query-Answering System ; RDF ; Assoication Rule Mining .