چکیده:
بی شک مساله بازیابی مناسب اطلاعات تجاری از اینترنت و سایر پایگاه های داده با مقیاس بزرگ و بسیار بزرگ از مهمترین مشکلات موجود بر سر راه استفاده ی بهینه از این منابع اطلاعاتی می باشد. دانشمندان علوم ارتباطی توسعه تجارت الکترونیکی را از یکسو مرتبط به گسترش قابلیت های فناوری اطلاعات و از سوی دیگر وابسته به کاهش هزینه های مترتب به استفاده از این فناوری می دانند. در حال حاضر سرویس های زیادی برای جستجوی وب موجود است. ولی هیچکدام از این ابزار ها آنقدر که مورد انتظار است مفید نیستند و عملا در بسیاری از موارد نتایج رضایت بخش نیستند. یکی از مهمترین عوامل این امر عدم برخورد تخصصی این ابزارها با اطلاعات است. بنابراین گرایش به سمت ابزارهای جستجوی تخصصی راه حل طبیعی این معضل می باشد. یکی از مهمترین عوامل در ایجاد اینگونه ابزارها وجود قابلیت یادگیری و اصلاح مدل رفتاری آنها در قبال موضوعات مختلف و به صورت تخصصی می باشد. در این مقاله راجع به یک عامل هوشمند بحث شده است که با استفاده از تکنیک های ترکیب اطلاعات نقش یک فراجویشگر سفارشی در زمینه های تجاری را برای کاربر ایفاء می کند. در معماری این عامل از تکنیک های ترکیب اطلاعات و مکانیزم های اصلاح تطبیقی بهره گرفته شده است.
Undoubtedly، suitable information retrieval from internet and other large and very large scale business data sources is one of the most important problems in efficient use of information sources. Nowadays، web is the largest data source of documents and other forms of information and a suitable ground for evaluating the different Information retrieval techniques. The more the web is expanded، more the need for powerful search tools become evident. At the present time، there are lots of services for web search، but none of them are helpful as expected and actually in the most cases the results are dissatisfactory. Unspecialized searching tools are one of the most important reasons for this problem. So، orientation toward more specialized tools with learning capabilities is the natural solution for this problem. In this study on the same direction we try to design، implement and examine a complete architecture for a customized software intelligent agent which is able to retrieve commercial information from multiple sources based on user interests. The designed architecture is able to use information fusion methods and adaptive self-correction mechanisms to achieve this goal.
خلاصه ماشینی:
"در (,Yager) نشان داده شده است که هر تابع پیوسته ی دو متغیری حقیقی مانند در صورتیکه دو شرط زیر را ارضا نماید می تواند جهت ادغام لیست های رتبه بندی شده مورد استفاده قرار گیرد: برای هر و و و و : / / / اگر باشد در این صورت برای هر و و و و داشته باشیم : شرط اول بیان می دارد که عناصر با فاصله مساوی در لیست نهایی نیز همان فاصله را حفظ می کنند.
/ شکل ٣: ترکیب امتیازاتی که نحوه تشکیل آنها در شکل های ١ و ٢ نشان داده شده اند و ایجاد لیست رتبه بندی شده ی نهایی و نیز به روز رسانی ضرایب اهمیت و همچنین مدل رفتاری سرویس دهنده های اطلاعاتی -Automatic Teller Machine -Inter-organizational Systems -Electronic Data Interchange -Electronic Data Processing Era -Management Information System Era -Society for Worldwide Inter- bank Financial Telecommunication -Electronic Funds Transfer -Behavioral Model -Meta Search Engine -Data/Information Fusion -Customized -Agent -Linguistic Concept -Query -Ordered Weighted Averaging Operator -Cluster -Micro Electro Mechanical Systems -Principle of Insufficient Reason -Context -Ordered Weighted Averaging Operator ١٧ منابع منابع فارسی کاوه کاوسی ، بهزاد مشیری (١٣٨٣)، بهبود روش های هوشمند عامل ترکیب اطلاعات ، نشریه دانشکده فنی دانشگاه تهران ، جلد ٣٨، شماره ١، ص ٩٨-٨٥."