کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4950527 1440647 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Automatic maintenance of category hierarchy
ترجمه فارسی عنوان
نگهداری خودکار سلسله مراتب رده
کلمات کلیدی
دسته بندی، سلسله مراتب رده طبقه بندی، خوشه بندی نگهداری، مدل فضایی منابع،
ترجمه چکیده
سلسله مراتب طبقه یک مکانیزم انتزاعی برای مدیریت منابع انسانی است. در یک محیط باز، یک سلسله مراتب طبقه به طور ناخواسته برای مدیریت منابع که به طور مداوم با الگوی غیرقابل پیش بینی تغییر می کند، نامناسب می شود. سلسله مراتب دسته نامناسب مدیریت منابع را گمراه می کند. دینامیکی افزایش یافته و مقیاس منابع آنلاین، نیازمندی به طور خودکار حفظ سلسله مراتب طبقه را افزایش می دهد. مطالعات قبلی در مورد سلسله مراتب دسته بندی عمدتا بر روی سلسله مراتب دسته بندی طبقه بندی شده یا طبقه بندی منابع تحت سلسله مراتب طبقه بندی شده از پیش تعریف شده تمرکز دارد. تعمیر و نگهداری خودکار سلسله مراتب دسته بندی نادیده گرفته شده است. ساختن انتزاع در میان دسته ها و اندازه گیری شباهت بین دسته ها، دو رفتار اساسی برای ایجاد سلسله مراتب دسته بندی است. انسانها در ساختن انتزاع خوب هستند اما توانایی محاسبه شباهت بین منابع بزرگ را محدود می کنند. مدلهای محاسباتی در محاسبه شباهت بین منابع بزرگ در مقیاس بسیار خوب هستند اما توانایی ساخت انتزاع را محدود می کنند. برای این که هر دو مزیت دیدگاه انسانی و توانایی محاسبات را به دست آورید، این مقاله یک رویکرد دو مرحله ای برای به طور خودکار حفظ سلسله مراتب دسته در دو مقیاس را با شناسایی تغییر الگوی داخلی دسته ها پیشنهاد می دهد. فاز جهانی فضایی را برای ایجاد یک سلسله مراتب دسته بندی طبقه بندی می کند و شباهت بین دسته ها را برای شناسایی دسته های نامناسب در سلسله مراتب دسته بندی اولیه ایجاد می کند. دقت روشهای خوشه بندی در ایجاد سلسله مراتب طبقه، عقلانیت نگهداری جهانی را تعیین می کند. فاز محلی فوائد موضعی را تشخیص می دهد و سپس دسته های نامناسب را با سه عملیات محلی تنظیم می کند. فاز جهانی می تواند به سرعت طبقه بندی های نامناسب را از بالا به پایین انجام دهد و سازگاری متقابل را انجام دهد که همچنین می تواند تنظیمات فاز محلی را تسریع کند. فاز محلی فاکتورهای محلی نامناسب محدوده محلی را شناسایی و تنظیم می کند که در فاز جهانی تنظیم نشده اند. با استفاده از دو تنظیم مکمل فاز، این روش می تواند به طور قابل توجهی انعطاف پذیری موضعی و دقت سلسله مراتب دسته بندی را بهبود بخشد. یک معیار جدید برای ارزیابی سلسله مراتب دسته بندی پیشنهاد شده است که نه تنها تعادل ساختار سلسله مراتبی، بلکه همچنین دقت طبقه بندی را نیز مورد توجه قرار می دهد. آزمایش ها نشان می دهد که رویکرد پیشنهادی امکان پذیر و موثر برای تنظیم سلسله مراتب طبقه نامناسب است. روش پیشنهادی می تواند برای حفظ سلسله مراتب دسته بندی برای مدیریت منابع مختلف در محیط برنامه کاربردی استفاده شود. همچنین یک روش برای سازماندهی سلسله مراتب دسته بندی فعلی آنلاین را برای سازماندهی منابع با دسته های خاص تر فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
نگهداری خودکار سلسله مراتب رده
چکیده انگلیسی
Category hierarchy is an abstraction mechanism for efficiently managing large-scale resources. In an open environment, a category hierarchy will inevitably become inappropriate for managing resources that constantly change with unpredictable pattern. An inappropriate category hierarchy will mislead the management of resources. The increasing dynamicity and scale of online resources increase the requirement of automatically maintaining category hierarchy. Previous studies about category hierarchy mainly focus on either the generation of category hierarchy or the classification of resources under a pre-defined category hierarchy. The automatic maintenance of category hierarchy has been neglected. Making abstraction among categories and measuring the similarity between categories are two basic behaviours to generate a category hierarchy. Humans are good at making abstraction but limited in ability to calculate the similarities between large-scale resources. Computing models are good at calculating the similarities between large-scale resources but limited in ability to make abstraction. To take both advantages of human view and computing ability, this paper proposes a two-phase approach to automatically maintaining category hierarchy within two scales by detecting the internal pattern change of categories. The global phase clusters resources to generate a reference category hierarchy and gets similarity between categories to detect inappropriate categories in the initial category hierarchy. The accuracy of the clustering approaches in generating category hierarchy determines the rationality of the global maintenance. The local phase detects topical changes and then adjusts inappropriate categories with three local operations. The global phase can quickly target inappropriate categories top-down and carry out cross-branch adjustment, which can also accelerate the local-phase adjustments. The local phase detects and adjusts the local-range inappropriate categories that are not adjusted in the global phase. By incorporating the two complementary phase adjustments, the approach can significantly improve the topical cohesion and accuracy of category hierarchy. A new measure is proposed for evaluating category hierarchy considering not only the balance of the hierarchical structure but also the accuracy of classification. Experiments show that the proposed approach is feasible and effective to adjust inappropriate category hierarchy. The proposed approach can be used to maintain the category hierarchy for managing various resources in dynamic application environment. It also provides an approach to specialize the current online category hierarchy to organize resources with more specific categories.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 67, February 2017, Pages 1-12
نویسندگان
, ,