| مشخصات مقاله | |
| عنوان مقاله | Semantic web service discovery system for road traffic information services |
| ترجمه عنوان مقاله | سیستم اکتشاف وب سرویس معنایی برای سرویس های اطلاعات ترافیک جاده ای |
| فرمت مقاله | |
| نوع مقاله | ISI |
| سال انتشار | مقاله سال ۲۰۱۵ |
| تعداد صفحات مقاله | ۱۰ صفحه |
| رشته های مرتبط | مهندسی فناوری اطلاعات IT و مهندسی فناوری اطلاعات و ارتباطات ICT |
| گرایش های مرتبط | دیتا و امنیت شبکه، شبکه های کامپیوتری و اینترنت و شبکه های گسترده |
| مجله | سیستم های خبره با کاربردهای آن – Expert Systems with Applications |
| دانشگاه | گروه علوم کامپیوتر، دانشگاه والنسیا، اسپانیا |
| کلمات کلیدی | وب سرویس های معنایی، تطبیق سازی، بازیابی اطلاعات، سیستم های اطلاعات ترافیک جاده ای، اکتشاف دانش |
| کد محصول | ۷۷۴۳ |
| نشریه | نشریه الزویر |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت الزویر (ساینس دایرکت) Sciencedirect – Elsevier |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| خرید ترجمه این مقاله | خرید ترجمه این مقاله |
| بخشی از متن مقاله: |
| نمونه متن ترجمه چکیده ما یک جایگاه چند عامل را برای یک سیستم اطلاعات رهنورد توصیف میکنیم که به رهنوردان (مسافران) اجازه ی یافتن وب سرویس اطلاعات ترافیک جاده ای (WSها) را میدهد که بهترین تناسب را با نیازهای آنها دارد.پس از بررسی پروپوزال های موجود برای کشف WS معنایی، ما یک الگوریتم تطبیق هیبریدی را اجرا کردیم، که به طور دقیق در اینجا توصیف میشود.نمودارهای WS معنایی به طور معنایی ، به صورت یک OWL-S تفسیر میشوند و هم چنین درخواست رهنورد به صورت یک نمودار OWL-S را نشان میدهد.این الگوریتم سنجش ها و اندازه گیری های متفاوتی را به هر پارامتر نمودار WS تخصصی واگذار میکند که به اهمیت ،نوع و ماهیت آنها بستگی دارد.برای انجام این کار ما الگوریتم پائولوسی را گسترش داده ایم و آن با سناریوی ما تطبیق یافته است.ما سنجش های شباهت جدیدی را افزوده ایم، به طور خاص ،استفاده از رابطه ی هم نیا (خواهر یا برادر) ،برای بهبود یاداوری، به سرویس های مرتبط اجازه میدهد از طریق کاربرانی کشف شوند که هنوز توسط الگوریتم های دیگر بازیابی نشده اند.گرچه ما روابط مفهوم شباهت راافزایش داده ایم،ما زمان اجرا را با استفاده از یک مرحله ی فیلتر پیش فرایند بهبود داده ایم که مجموعه WS احتمالی را کاهش میدهیم.این شیوه،مقیاس پذیری الگوریتم تطبیق معنایی را بهبود میبخشد . |