داده‏ آمیزی معنایی – semantic data fusion

در حوزه‏هایی که اطلاعات زیادی وجود دارد و تصمیم‏گیری‏های ضعیف باعث پیامدهای جدی می‏شود، مسئله داده‏آمیزی بسیار حیاتی می‏شود و نیاز است که داده‏های فراوان از منابع مختلف به صورت مناسب تفسیر و با یکدیگر ترکیب شوند.
در مقالات گوناگون تعاریف متفاوتی از داده‏آمیزی ارائه شده است، اما در تعریفی کلی می‏توان گفت، داده‏آمیزی عبارتست از استفاده از تکنیک‏هایی که داده‏های منابع مختلف را جمع‏آوری و ترکیب کند تا بتواند عمل استنباط را به نحوی انجام دهد که نتیجه بدست آمده بسیار موثرتر از نتیجه بدست آمده از یک منبع باشد، در واقع داده‏آمیزی اطلاعات چندین منبع را تفسیر و یکپارچه می‏کند و این عمل به منظور فراهم آوردن داده‏های مشخص و قابل درک درباره موجودیت‏ها و روابط بین آن‏ها صورت می‏گیرد و نهایتا منجر به استخراج دانش جدید نیز خواهد شد.[WHI91][HAL97] روش‌های ترکیب داده و اطلاعات معمولاً از موضوعات علمی مختلفی استنتاج شده‌اند. این روش‌ها معمولاً بصورت مشترک با یکدیگر و یا بشکل متوالی در سیستم های داده‏آمیزی اعمال می‌شوند. برخی زمینه‏های علمی مرتبط با حوزه داده‏آمیزی شامل پردازش سیگنال، آمار و احتمال، تئوری کنترل، هوش محاسباتی، تئوری اطلاعات، روانشناسی شناختی، مهندسی نرم افزار، سیستم های تصمیم یار، شبکه های سنسوری می-باشد.
داده و اطلاعات ترکیب شده از نظر محتوای اطلاعاتی غنی تر از داده‌های بدست آمده از یک منبع می‏باشند، و اما سایر دلایل نیاز به سیستمهای داده‏آمیزی در محیط هایی که جریانی از داده ها وجود دارد عبارتند از:
– پایداری سیستم – یک سیستم مبتنی بر یک تک منبع نمی‏تواند یک سیستم پایدار باشد. چرا که چنانچه این منبع واحد از نظر عملکرد دچار نقص شود، عملکرد کل سیستم را تحت تأثیر قرار می‌دهد. در حالیکه یک سیستم با استفاده از داده‌های چندین منبع از نظر عملکردی پایدارتر بوده و دارای نرخ خطر کمتری می‌باشد.
– آگاهی و استنتاج وضعیتی بهتر- با در نظر گرفتن مزیت دقت حسگرها و منابع داده ای مختلف، با نتایج ترکیب شده، تصویر بهتری از وضعیت محیط فراهم می‏شود که می‏تواند منجر به بهبود استنتاج و افزایش دقت در تصمیم گیری شود.
– افزایش دقت داده‌ای و کاهش عدم قطعیت – استفاده از داده‌های چندین منبع مستقل و ترکیب درست آنها دقت داده‌ای را بهبود داده و عدم قطعیت را کاهش می دهد.
– گسترده شدن میدان دید – منابع داده‌ای بیشتر، پوشش گسترده تری از اطلاعات یک هدف یا رخداد مشاهده شده را فراهم می‌کنند. این گستردگی میدان دید را می‏توان برای هر محیطی چه بصورت زمانی و چه مکانی با چندین منبع ایجاد نمود.
– کاهش هزینه – بجای گردآوری تمامی اطلاعات لازم از یک حسگر، می‏توان با استفاده از داده‌های چندین منبع یا حسگر و ترکیب آن ها به کاهش قابل توجهی از هزینه‌های محاسباتی و مخابرات داده‌ها دست یافت. به عنوان مثال ساخت یک حسگر واحد که کاربردی چندگانه داشته باشد بسیار هزینه برتر از گردآوری چندین حسگر ساده و ارزان با کاربردی مشخص است.
– عدم وجود منبع داده‌ای کامل – بسیاری از منابع ایجاد کننده داده‌ها مثل حسگرها، تنها در محیط‌های خاص مفید می‌باشند. اطلاعاتی که توسط یک منبع واحد جمع آوری می‌شوند ممکن است بسیار محدود، ناقص و نامطمئن باشند. بنابراین برآورده شدن تمامی نیازها توسط یک منبع یا حسگر کاری بسیار سخت است.

به دلیل افزایش جریان‌های داده‏ای و اطلاعاتی، بحث داده‏آمیزی به عنوان یکی از مهم‏ترین زمینه‌های تحقیقاتی و عملیاتی محسوب می‌شود.در حوزه‏هایی که اطلاعات زیادی وجود دارد و تصمیم‏گیری‏های ضعیف باعث پیامدهای جدی می‏شود، مسئله داده‏آمیزی بسیار حیاتی است. داده‏آمیزی اطلاعات چندین منبع را یکپارچه می‏کند و این عمل به منظور فراهم آوردن داده‏های مشخص و قابل درک درباره موجودیت‏ها و روابط بین آن‏ها صورت می‏گیرد و نهایتا منجر به استخراج دانش جدید نیز خواهد شد.

با ظهور وب معنایی و همه‌گیر شدن آن، ضرورت درک اطلاعات توسط ماشین بر هیچ کس پوشیده نیست، این تحقیق برآن است تا تکنولوژی‏های وب معنایی را وارد حوزه داده‏آمیزی نماید. با توجه به اینکه یکی از رایج‏ترین مدل‏های داده‏آمیزی، مدل چندسطحی JDLمی‏باشد، با افزودن معنا و گنجاندن آنتولوژی و سایر تکنولوژی‏های وب معنایی به این مدل، یک ساختار داده‏آمیزی معنایی ارائه می‏شود.

فایل : Microsoft Word

تعداد صفحات: ۳۲ صفحه