پایگاه داده تحلیلی، پشتیبانی از دادههای خارجی را که به صورت پویا بعد از ساخت و طراحی پایگاه داده تحلیلی مورد نیاز است مهیا نمیکند. از این رو تحلیلگر برای انجام تحلیلهای مؤثر خود نیازمند پیداکردن همبستگی میان دادههای خارجی و پایگاه داده تحلیلی است و در مواقعی نیز نی چکیده کامل
پایگاه داده تحلیلی، پشتیبانی از دادههای خارجی را که به صورت پویا بعد از ساخت و طراحی پایگاه داده تحلیلی مورد نیاز است مهیا نمیکند. از این رو تحلیلگر برای انجام تحلیلهای مؤثر خود نیازمند پیداکردن همبستگی میان دادههای خارجی و پایگاه داده تحلیلی است و در مواقعی نیز نیازمند مقایسه بین هر دو داده پایگاه داده تحلیلی و دادههای خارجی با یکدیگر میباشد. همچنین تحلیلگر مجبور است که برای برخی از موقعیتهای تکراری کارهای گذشته را تکرار کند که این کارها شامل اصطلاحات، ایجاد معیارها و مقایسه میباشد. برای فارغشدن از این مسایل در این مقاله تلاش شده که یک معماری تقریباً بیدرنگ مبتنی بر هستانشناسی پیشنهاد شود. علاوه بر این الگوریتمی نیز جهت کاهش زمان پاسخدهی به پرس و جوهای تحلیلی کاربران با استفاده از دیدهای ذخیرهشده و پردازش موازی پیشنهاد میشود. نمونههای مطالعاتی به منظور نشاندادن نحوه ایجاد همبستگی میان دادههای خارجی با داده پایگاه داده تحلیلی صورت گرفت و نتایج به دست آمده کشف همبستگی میان دادههای خارجی و داده پایگاه داده تحلیلی را نشان میدهد. در آزمایشها استفاده از دیدهای ذخیرهشده در دو رویکرد مستقیم و والد در پایگاه داده تحلیلی معماری موجود، باعث کاهش زمان پاسخدهی به پرس و جوهای ترتیبی، مقایسهای و ترکیبی موازی کاربران میشود.
پرونده مقاله
رتبهبندی کارآمد اسناد در عصر اطلاعات امروز، نقش مهمی در سیستمهای بازیابی اطلاعات ایفا میکند. این مقاله یک رویکرد جدید برای رتبهبندی اسناد با استفاده از مدلهای درونسازی با تمرکز بر مدل زبانی BERT برای بهبود نتایج رتبهبندی ارائه میکند. رویکرد پیشنهادی از روشهای د چکیده کامل
رتبهبندی کارآمد اسناد در عصر اطلاعات امروز، نقش مهمی در سیستمهای بازیابی اطلاعات ایفا میکند. این مقاله یک رویکرد جدید برای رتبهبندی اسناد با استفاده از مدلهای درونسازی با تمرکز بر مدل زبانی BERT برای بهبود نتایج رتبهبندی ارائه میکند. رویکرد پیشنهادی از روشهای درونسازی واژگان برای بهتصویرکشیدن نمایشهای معنایی پرسوجوهای کاربر و محتوای سند استفاده میکند. با تبدیل دادههای متنی به بردارهای معنایی، ارتباط و شباهت بین پرسوجوها و اسناد تحت روابط رتبهبندی پیشنهادی با هزینه کمتر مورد ارزیابی قرار میگیرد. روابط رتبهبندی پیشنهادی عوامل مختلفی را برای بهبود دقت در نظر میگیرند که این عوامل شامل بردارهای درونسازی واژگان، مکان واژگان کلیدی و تأثیر واژگان باارزش در رتبهبندی بر مبنای بردارهای معنایی است. آزمایشها و تحلیلهای مقایسهای برای ارزیابی اثربخشی روابط پیشنهادی اعمال گردیده است. نتایج تجربی، اثربخشی رویکرد پیشنهادی را با دستیابی به دقت بالاتر در مقایسه با روشهای رتبهبندی رایج نشان میدهند. این نتایج بیانگر آن مسئله است که استفاده از مدلهای درونسازی و ترکیب آن در روابط رتبهبندی پیشنهادی بهطور قابل توجهی دقت رتبهبندی را تا 87/0 در بهترین حالت بهبود میبخشد. این بررسی به بهبود رتبهبندی اسناد کمک میکند و پتانسیل مدل درونسازی BERT را در بهبود عملکرد رتبهبندی نشان میدهد.
پرونده مقاله