چارچوب تركيبي (يادگيري-دانش‌محور) براي فيلتر محتوايي اطلاعات و مديريت منابع اطلاعاتي

روش‌هاي فيلتر محتوايي مبتني بر دانش، روش‌هاي مؤثري براي جستجو، فيلتر كردن و مديريت اطلاعات هستند. در اين مقاله، يك چارچوب بديع فيلتر و مديريت منابع اطلاعاتي متني معرفي مي‌شود. روش پيشنهادي از دانش جمعي/گروهي مدل شده در آنتولوژي و پايگاه‌هاي دانش ساخت‌يافته جهت توسعه روش‌هاي محاسبه معنايي شباهت استفاده مي‌كند. از روش‌هاي محاسبه معنايي شباهت توسعه داده شده براي فيلتر و دسته‌بندي كردن اسنادي استفاده مي‌شود كه حاوي اطلاعات متني منطبق با ترجيحات كاربري هستند. همچنين، روش‌هاي توسعه داده شده در يك مدل «تركيب خبرگان» با يكديگر يكپارچه مي‌شوند تا تصميمات مرتبط با فيلتر و مديريت منابع اطلاعاتي، از طريق اجتماع دانش خبره‌ها اتخاذ گردد. يكپارچه‌سازي روش‌هاي مبتني بر دانش در مدل يادگيري ماشين «تركيب خبرگان» ايده بديع پيشنهادي در اين مقاله است. نتايج ارزيابي نشان مي‌دهد اجماع خبرگي روش‌هاي مبتني بر دانش در مدل يادگيري گروهي «تركيب خبرگان» عملكرد سيستم را ارتقاء مي‌بخشد و منجر به دسته‌بندي دقيق اسناد متني مي‌شود.