Abstract
Available domain ontologies are increasing over the time. However there is a huge amount of data stored and managed with RDBMS. We propose a method for learning association rules from both sources of knowledge in an integrated way. The extracted patterns can be used for performing: data analysis, knowledge completion, ontology refinement
چکیده
حوزه‌های موجود در زمینه آنتولوژی در طول زمان افزایش می‌یابند. هرچند میزان عظیمی از داده‌ها با RDBMS ذخیره شده و مدیریت می‌شوند. ما متدی را برای یادگیری قواعد وابستگی از هر دو منبع دانش به روشی یکپارچه پیشنهاد می‌کنیم. الگو‌های استخراج شده می‌توانند برای تحلیل داده‌ها، تکمیل دانش و پالایش آنتولوژی بکار گرفته شوند.
1-مقدمه
از هنگام معرفی دیدگاه وب معنایی، بسیاری از حوزه‌های آنتولوژی ایجاد شده و در انبارهایی با دسترسی باز ذخیره شده‌اند. هرچند هنوز میزان عظیمی از داده‌ها در صنایع و سازمان‌ها منحصرا با RBMS مدیریت می‌شوند. حوزه‌های موجود آنتولوژی می‌تواند جنبه‌هایی از حوزه را که داده‌های موجود در RBMS را کامل می‌کنند، کاهش دهند. این مکمل می‌تواند به طور ثمربخشی جهت تنظیم روش‌هایی که هدف آنها خودکارسازی (نیمه خودکارسازی) وظایف پالایش و تکمیل آنتولوژی و همچنین تحلیل داده‌ها است، بکار گرفته شود. به طور خاص، الگو‌های مخفی دانش می‌توانند از آنتولوژی و RDBMS استخراج شوند...