Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/36848
Назва: Огляд методів аналітичної обробки текстових даних з Web-джерел для технологій Web 3.0
Інші назви: Research of text mining methods from web-sources for Web 3.0 technologies
Автори: Горбуляк, Юстина Іванівна
Horbuliak, Yustyna Ivanivna
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Бібліографічний опис: Горбуляк Ю.І. Огляд методів аналітичної обробки текстових даних з Web-джерел для технологій Web 3.0: кваліфікаційна робота освітнього рівня „Магістр“ „122 – комп'ютерні науки“ / Ю. І. Горбуляк – Тернопіль : ТНТУ, 2021. – 59 с.
Дата публікації: 20-гру-2021
Дата подання: 7-гру-2021
Дата внесення: 26-гру-2021
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Науковий керівник: Боднарчук, Ігор Орестович
Члени комітету: Карпінський, Микола Петрович
УДК: 004.04
Теми: веб-майнінг
web-mining
семантична мережа
semantic web
онтології
ontologies
інженерія знань
knowledge engineering
штучний інтелект
artificial intelligence
всесвітня мережа
world-wide web
Короткий огляд (реферат): Semantic Web Mining має на меті поєднання двох напрямків досліджень, які швидко розвиваються – Semantic Web і Web Mining. У цій роботі аналізується зближення тенденцій в обох областях: все більше і більше дослідників працюють над покращенням результатів веб-майнінгу, використовуючи семантичні структури в Інтернеті. Важливим є те, що ці методи можна використовувати для розробки самої семантичної мережі. Ці технології дають можливість здійснити перехід до Web 3.0, тобто нового рівня організації документів у всесвітній мережі, роблячи їх придатними для машинного опрацювання. Semantic Web Mining aims to combine two areas of rapidly evolving research – Semantic Web and Web Mining. This work analyzes the convergence of trends in both areas: more and more researchers are working to improve web mining outcomes using semantic structures on the Internet. It is important that these methods can be used to develop the semantic network itself. These technologies make it possible to make the transition to Web 3.0, a new level of document organization on the World Wide Web, making them suitable for machine processing.
Зміст: Вступ 7 1 Основи семантичної павутини та веб-майнінгу 10 1.1 Шари семантичної мережі 11 1.2. Онтології: мови та інструменти 16 1.3 Супутні області досліджень та сфери застосування 17 1.4 Веб-майнінг 18 1.5 Вміст/текст веб-сторінок 19 1.6 Структура зв'язків між веб-сторінками 20 1.7 Використання веб-сторінок 20 2 Отримання семантики з мережі інтернет 23 2.1 Семантика, створена вмістом і структурою 23 2.1.1 Навчання онтології 23 2.1.2 Відображення та злиття онтологій 24 2.1.3 Навчання на прикладі 25 2.1.4 Використання існуючих концептуалізацій як онтологій і для автоматичного анотування 26 2.1.5 Семантика, створена структурою 27 2.2 Семантика, створена використанням 28 3 Використання семантики для веб-майнінгу 30 3.1 Семантична мережа 30 3.1 Зміст і структура майнінгу 30 3.2 Використання веб-майнінгу 32 3.2.1 Події застосування 33 3.2.2 Використання знань про події програми використовуються для майнінгу 35 3.3 Сумісне використання Semantic Web і Web Mining 39 3.4 Semantic Web Mining та інші цикли зворотного зв’язку 44 4 Охорона праці та безпека в надзвичайних cитуаціях 47 4.1 Фактори виникнення явища професійного вигорання та його запобігання для працівників в ІТ-сфері 47 4.2 Створення і функціонування системи моніторингу довкілля з метою інтеграції екологічних інформаційних систем, що охоплюють певні території 49 Висновки 56 Список використаних джерел 57 Додатки
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/36848
Власник авторського права: © Горбуляк Юстина Іванівна, 2021
Перелік літератури: 1. S. Bloehdorn, A. Hotho, Text classification by boosting weak learners based on terms and concepts, in: Proceedings of the Fourth IEEE International Conference on Data Mining, IEEE Computer Society Press, 2004. 2. K. Bontcheva, V. Tablan, D. Maynard, H. Cunningham, Evolving GATE to meet new challenges in language engineering, Nat. Language Eng. 10 (3/4) (2004) 349–373. 3. Lupenko, S., O. Orobchuk, and Mingtang Xu. "The ontology as the core of integrated information environment of Chinese Image Medicine." International Conference on Computer Science, Engineering and Education Applications. Springer, Cham, 2019. 4. Lupenko, Serhii, Volodymyr Pasichnyk, and Nataliya Kunanets. "Organization of the content of academic discipline in the field of information technologies using ontological approach." Conference on Computer Science and Information Technologies. Springer, Cham, 2018. 5. Lupenko, Serhii, et al. "Methods and means of knowledge elicitation in Chinese Image Medicine for achieving the tasks of its ontological modeling." 2019 IEEE 2nd Ukraine Conference on Electrical and Computer Engineering (UKRCON). IEEE, 2019. 6. Lupenko, S., et al. "Conceptual, formal and software-information fundamentals of ontological modeling of Chinese Image Medicine as an element of integrative medicine." International Scientific and Practical Conference World science. Vol. 1. No. 6. ROST, 2018. 7. J.L. Borges, M. Levene, Data mining of user navigation patterns, in: M. Spiliopoulou, B.M. Masand (Eds.), Advances in Web Usage Analysis and User Profiling, volume 1836 of LNAI, Springer, Berlin/Heidelberg, 2000, pp. 92–111. 8. E. Bozsak, M. Ehrig, S. Handschuh, A. Hotho, A. Maedche, B. Motik, D. Oberle, C. Schmitz, S. Staab, L. Stojanovic, N. Stojanovic, R. Studer, G. Stumme, Y. Sure, J. Tane, R. Volz, V. Zacharias, Kaon - towards a large scale semantic Web, in: K. Bauknecht, A. Min Tjoa, G. Quirchmayr (Eds.), E-Commerce and Web Technologies, Third International Conference Proceedings, EC-Web 2002, vol. 2455 of LNCS, Springer, Berlin, 2002, pp. 304–313. 9. B. Buchanan, Informed knowledge discovery: Using prior knowledge in discovery programs, KDD 2000, in: Proceedings of the Sixth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Boston, MA, August 20–23, 2000, ACM, New York, 2000, p. 3. 10. W. Buntine, S. Perttu, V. Tuulos, Using discrete PCA on web pages, in: M. Gori, M. Ceci, M. Nanni (Eds.), Proceedings of the Workshop on Statistical Approaches for Web Mining at ECML/PKDD, 2004, pp. 99– 110. 11. M.H. Burstein, J.R. Hobbs, O. Lassila, D. Martin, D.V. McDermott, S.A. McIlraith, S. Narayanan, M. Paolucci, T.R. Payne, K.P. Sycara, Damls: Web service description for the semantic web, in: I. Horrocks, J.A. Hendler (Eds.), The Semantic Web–ISWC 2002. First International Semantic Web Conference, Proceedings, vol.2342 o fLNCS. Springer,2002, pp. 348–363. 12. S. Chakrabarti, Data mining for hypertext: A tutorial survey, SIGKDD Explorations 1 (2) (2000) 1–11. 13. S. Chakrabarti, Mining the Web, Morgan Kaufmann, San Francisco, CA, 2003. 14. S. Chakrabarti, B. Dom, D. Gibson, J. Kleinberg, P. Raghavan, S. Rajagopalan, Automatic resource compilation by analyzing hyperlink structure and associated text, in: Proceedings of the Seventh World-wide Web conference (WWW7), 30 (1–7), (1998), 65–74. 15. S. Chakrabarti, M. van den Berg, B. Dom, Focused crawling: A new approach to topic-specific Web resource discovery, Comput. Networks 31 (1999) 1623–1640. 16. H. Chalupsky, Ontomorph: A translation system for symbolic knowledge, in: Principles of Knowledge Representation and Reasoning: Proceedings of the Seventh International Conference (KR2000), 2000, pp. 471– 482. 17. C. Chen, Information Visualisation and Virtual Environments, Springer, London, 1999. 18. E.H. Chi, P. Pirolli, K. Chen, J. Pitkow, Using information scent to model user information needs and actions on the Web, in: Proceedings of the ACM CHI 2001 Conference on Human Factors in Computing Systems, ACM Press, Amsterdam, 2001, pp. 490–497. 19. E.H. Chi, P. Pirolli, J. Pitkow, The scent of a site: A system for analyzing and predicting information scent, usage, and usability of a Web site, in: Proceedings of the ACM CHI 2000 Conference on Human Factors in Computing Systems, ACM Press, Amsterdam, 2000, pp. 161–168. 20. E.H.Chi,A.Rosien,J.Heer,Intelligentdiscoveryandanalysisofwebuser traffic composition, in: B. Masand, M. Spiliopoulou, J. Srivastava, O.R. Zaıane, (Eds.), Workshop Notes of the Fourth WEBKDD Web Mining for Usage Patterns & User Profiles at KDD’2002, Edmonton, Alberta, Canada, July 23, ACM, 2002, pp. 1–15. 21. R. Cole, G. Stumme, CEM–a conceptual email manager, in: B. Ganter, G.W. Mineau (eds.), Proceedings ICCS 2000, vol. 1867 of LNAI, Springer, 2000, pp. 438–452. 22. R. Cooley, Web Usage Mining: Discovery and Application of Interesting Patterns from Web Data. Ph.D. thesis, University of Minnesota, 2000. 23. R. Cooley, B. Mobasher, J. Srivastava, Web mining: Information and pattern discovery on the world wide Web, in: Proceedings of the Ninth IEEE International Conference on Tools with Artificial Intelligence (ICTAI’97), IEEE Computer Society, 1997. 24. R. Cooley, B. Mobasher, J. Srivastava, Data preparation for mining world wide Web browsing patterns, J. Knowledge Information Syst.1(1) (1999) 5–32. 25. O. Corby, R. Dieng, C. Hebert, A conceptual graph model for W3C re-´ source description framework, in: B. Ganter, G.W. Mineau (Eds.), Conceptual Structures: Logical, Linguistic, and Computational Issues, in: Proceedings of the Eighth International Conference on Conceptual Structures, ICCS 2000, Darmstadt, Germany, August 14–18, 2000, vol. 1867 of LNCS, Springer, 2000, pp. 468–482. 26. J. Cowie, Y. Wilks, Handbook of natural language processing. Chapter Information Extraction, Marcel Dekker, New York, 2000. 27. M.Craven, D.DiPasquo, D.Freitag, A.McCallum, T.Mitchell, K.Nigam, S. Slattery, Learning to construct knowledge bases from the world wide Web, Artif. Intelligence 118 (1–2) (2000) 69–113. 28. H. Dai, B. Mobasher, Using ontologies to discover domainlevel Web usage profiles. In Proceedings of the Second Semantic Web Mining Workshop at PKDD 2001. http://km.aifb.unikarlsruhe.de/semwebmine2002/papers/full/bamshad.pdf, Aug 2002. 29. J. Dean, M.R. Henzinger, Finding related pages in the world wide web, in: Proceedings of the Eighth International World Wide Web Conference WWW-1999, Toronto, 1999. 30. S.C. Deerwester, S.T. Dumais, T.K. Landauer, G.W. Furnas, R.A. Harshman, Indexing by latent semantic analysis, J. Am. Soc. Inform. Sci. 41 (6) (1990) 391–407. 31. L. Dehaspe, H. Toivonen, Discovery of frequent datalog patterns, Data Mining Knowledge Discovery 3 (1) (1999) 7–36. 32. Вовк О. В. Особливості синдрому професійного вигорання в працівників сфери інформаційних технологій. [Електронний ресурс]. – Режим доступу: http://maup.com.ua/assets/files/psihologz/2019-1/02.pdf 33. Назарук Н. Каузально-телеологічний формат профілактики «професійного вигорання» вчителя / Н. Назарук // Психологія особистості. 2012.- No 1 (3). – С. 119–128. 34. Вдосконалення охорони праці в ІТ-індустрії. // Харківський національний дорожний університет. [Електронний ресурс]. – Режим доступу: https://www.khadi.kharkov.ua/fileadmin/P_vcheniy_secretar/%D0%9E%D0%A5%D0%9E%D0%A0%D0%9E%D0%9D%D0%90_%D0%9F%D0%A0%D0%90%D0%A6%D0%86/R_IT-INDUSTRIA.pd
Тип вмісту: Master Thesis
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
mag2021_СНм-61_Horbuliak_Yu.I_all.pdf1,17 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора