BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Ceglarek Dariusz (Wyższa Szkoła Bankowa w Poznaniu)
Tytuł
System ochrony własności intelektualnej wykorzystujący zaawansowane struktury reprezentacji wiedzy
Intellectual Property Protection System Enhanced by Advanced Knowledge Representation Structures
Źródło
Zeszyty Naukowe Wyższej Szkoły Ekonomii i Informatyki w Krakowie, 2013, z. 9, s. 31-44, rys., bibliogr. 30 poz.
Słowa kluczowe
Ochrona własności intelektualnej, Systemy informatyczne, Sieć semantyczna
Intellectual property protection, Computer system, Semantic Web Service (SWS)
Uwagi
summ.
Abstrakt
Zasadniczy cel pracy autora - skonstruowanie takiego informatycznego systemu ochrony własności intelektualnej, który posługiwałby się pojęciową reprezentacją wiedzy oraz stosował metody i mechanizmy powodujące, że sformułowane w różny sposób wypowiedzi w tekście dokumentów, mające takie samo znaczenie informacyjne pod względem semantycznym, byłyby rozumiane przez utworzony system jako tożsame lub co najmniej jako bardzo podobne.(fragment tekstu)

Article presents architecture and functionality of Semantically Enhanced Intellectual Property Protection System SOWI developed by the author. The SOWI system uses an extensive set of semantic net algorithms for the Polish and the English language which allows it to detect similarities between two compared documents at a level far beyond that of simple text matching. SOWI benefits both from using a local document repository and from Web-based resources. The main focus of this work is to give the reader an overview of the system 's architecture, applied mechanisms and some actual results.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Andoni A., Indyk P., Near-optimal hashing algorithms for approximate nearest neighbor in high dimensions, Commun of ACM, vol. 51 (1), ACM, s. 117-122, 2008.
  2. Baeza-Yates R., Ribeiro-Neto B., Modern Information Retrieval, Addison-Wesley Longman Publishing Co., New York, 1999.
  3. Blackburn P., Bos J., Representation and Inference for Natural Language: A First Course in Computational Semantics, CSLI Publications, 2005.
  4. Boyd-Graber J., Blei D.M., Zhu X., A topic model for word sense disambiguation, EMNLP, 2007.
  5. Brachman R.J., Levesque H.J., Knowledge Representation and Reasoning, Elsevier, 2004.
  6. Broder A.Z., Glassman C.S., Manasse M.S., Zweig G., Syntactic clustering of the Web, Computer Networks and ISDN Systems, vol. 29, n. 8-13, s. 1157-1166, 1997.
  7. Burrows S., Tahaghoghi S.M., Zobel J., Efficient plagiarism detection for large code repositories. [W:] Software: Practice and Experience, vol. 37, n. 2, s. 151-175, 2007.
  8. Ceglarek D., Applying Cluster-based Methods to Improvement Filtering of Information. [W:] Proceedings from Southern Conference on Computing 2000, Hattiesburg, Mississipi, 2000.
  9. Ceglarek D., Zastosowanie sieci semantycznej do disambiguacji pojęć w języku naturalnym, red. Porębska--Miąc T, Sroka H. [W:] Systemy wspomagania organizacji SWO 2006, Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice, s. 405-416, 2006.
  10. 10] Ceglarek D., Koncepcja komponentowego systemu ochrony własności intelektualnej wykorzystującego semantyczne struktury informacji, red. Adamczewski P., Zakrzewicz M. [W:] Technologie informatyczne w zarządzaniu wiedzą - uwarunkowania i realizacja. Wydawnictwo Wyższej Szkoły Bankowej w Poznaniu, Poznań, s. 197-211,2009.
  11. Ceglarek D., Haniewicz K., Rutkowski W., Semantic compression for Specialised Information Retrieval Systems. [W:] Studies in Computational Intelligence - vol. 283: Advances in Intelligent Information and Database Systems, Springer, Berlin Heidelberg, s. 111-121, 2010.
  12. Ceglarek D., Haniewicz K., Rutkowski W., Robust Plagiary Detection Using Semantic Compression Augmented SHAPD, red. Nguen N.T., Katarzyniak R. [W:] Lecture Notes in Artificial Intelligence - vol. 7653: Computational Collective Intelligence - Technologies and Applications, Springer, Berlin Heidelberg, s. 308-317, 2012.
  13. Ceglarek D., Haniewicz K., Detection of the Most Influential Documents. [W:] red. Pechanizkiy M., Wojciechowski M. [W:] New Trends in Databases and Information Systems, Springer, Berlin-Heidelberg, s. 49-59, 2013.
  14. Ceglarek D., Linearithmic Corpus to Corpus Comparison by Sentence Hashing Algorithm SHAPD2, Proceedings of 5th International Conference on Advanced Cognitive Technologies and Applications Conference, Xpert Publishing Services, Valencia, s. 12, 2013.
  15. Charikar M.S., Similarity estimation techniques from rounding algorithms. [W:] Proceedings of the 34th annual ACM symposium - STOC '02, ACM, s. 380-388, 2002.
  16. Clough P., Stevenson M., A Corpus of Plagiarised Short Answers, University of Sheffield, 2009, [http://ir.shef.ac.uk/cloughie/resources/plagiarism/_corpus.html], dostęp 7 stycznia 2013 roku.
  17. Frakes W.B., Baeza-Yates R., Information Retrieval - Data Structures and Algorithms, Prentice Hall, 1992.
  18. Goddard C, Schalley A.C., Semantic Analysis, red. Indurkhya N., Damerau F. [W:] Handbook of Natural I Language Processing, Chapman & Hall/CRC, s. 93-121, 2010.
  19. Hammcrl R., Sambor J., O statystycznych prawach językowych, Biblioteka Myśli Semiotycznej, Warszawa, I 1993.
  20. Henzinger M., Finding near-duplicate web pages: a large-scale evaluation of algorithms. [W:] SIGIR '06: Proceedings of the 29th annual international ACM SIGIR conference on Research and development in E information retrieval, New York, ACM, s. 284-291, 2006.
  21. Hoad T., Zobel J., Methods for Identifying Versioned and Plagiarised Documents, Journal of the American USociety for Information Science and Technology, vol. 54 (3), s. 203-215, 2003.
  22. Hunt J.. Szymański T., A fast algorithm for computing longest common subsequences. Communications of the ACM, vol. 20 (5), s. 350-353, 1977.
  23. Irving R.W., Plagiarism and collusion detection using the Smith-Waterman algorithm. Technical report, University of Glasgow, Glasgow, 2004.
  24. Manber U., Finding similar fdes in a large file system. Proceedings of the USENIX Winter 1994 Technical Conference on USENIX, WTEC'94, 1994.
  25. Mozgovoy M., Karakovskiy S., Klyuev V., Fast and reliable plagiarism detection system. [W:] Frontiers In Education Conference - Global Engineering: Knowledge Without Borders, Opportunities Without Passports, FIE '07, s. S4H-11-S4H-14, 2007.
  26. Mykowiecka A., Inżynieria lingwistyczna: komputerowe przetwarzanie tekstów w jeżyku naturalnym, Wydawnictwo PJWSTK, Warszawa, 2007.
  27. Ota T., Masuyama S., Automatic plagiarism detection among term papers. [W:] Proceedings of the 3rd International Universal Communication Symposium, IUCS '09, New York, ACM, s. 395-399, 2009.
  28. Potthast M., i inni, Overview of the 4th International Competition on Plagiarism Detection, red. Fomer P., Karlgren J., Womser-Hacker Ch. [W]: Working Notes Papers of the CLEF 2012, Evaluation Labs, Rzym, 2012.
  29. Przepiórkowski A., Korpus IPI PAN. Wersja wstępna, Wydawnictwo IPI PAN, Warszawa, 2004.
  30. Stein B., Lipka N., Prettenhoferr P., Intrinsic Plagiarism Analysis. [W]: Language Resources And Evaluation, vol. 45, (1), Springer, s. 63-82, 2010.
Cytowane przez
Pokaż
ISSN
1734-5391
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu