Journal of Geomatics Science and Technology

fa استفاده از یک مدل تلفیقی سنجش همانندی معنایی در رفع ناهمگونی معنایی زیرساخت داده مکانی(مطالعه موردی: شرکت آب و فاضلاب ایران) Using a Hybrid Semantic Similarity Assessment Model to Resolve Semantic Heterogeneities in SDIs Case Study: Iranian Water and Wastewater Company سامانه های اطلاعات مکانی GIS پژوهشي Research طراحی و ایجاد زیرساخت داده مکانی با هدف تسهیل، مدیریت و به اشتراکگذاری دادههای مکانی در برنامه بسیاری از کشورهای جهان قرار دارد. منابع داده زیرساختهای داده مکانی معمولاً از روشهای متفاوت، توسط سازمانها و شرکتهای مختلف و در وضعیت بافتی گوناگون نظیر شرایط آب و هوایی، تعریف سیستم مختصات و زمان برداشت تولید میگردند. ازاین‌رو، زیرساخت داده مکانی با توجه به اهداف آن و بهمنظور مقابله با زبانها، نیازها و الزامات کاربر و همچنین کمک به ارائه و جستجوی مناسب دادههای مکانی، باید در بالاترین سطح ممکن معنامحور باشد. در حال حاضر ناهمگونی معنایی بهعنوان مانع اصلی در جهت تعاملپذیری کامل دادههای مکانی به شمار میرود. هدف این مقاله رفع این ناهمگونی با استفاده از روشی مبتنی بر هستیشناسی و منطق توصیفی است. بدین منظور برای بازخوانی موجودیتهای مشابه به لحاظ معنایی از سنجش همانندی معنایی استفاده میشود. برای محاسبه میزان همانندی میان موجودیتها، دو مدل سنجش همانندی شبکه و مشخصه با یکدیگر تلفیق‌شده‌اند تا معایب هر یک مرتفع و از مزایای هریک استفاده شود. بخشی از زیرساخت داده مکانی شرکت آب و فاضلاب ایران بهعنوان مطالعه موردی جهت پیادهسازی و تبیین کاربرد عملی مدل استفاده‌شده در این مقاله معرفی‌شده است. ازآنجاکه سنجش همانندی معنایی یک روش مناسب جهت رفع ناهمگونی معنایی در بازخوانی دادهها در زیرساختهای داده مکانی است، مدل پیشنهادی میتواند با ارائه کمی میزان همانندی به کاربر کمک کند. در این مقاله مفهوم "گرفتگی" در خط لوله به‌عنوان مفهوم پرسش کاربر در نظر گرفته شد. نتایج حاصل از این مطالعه نشان میدهد که مفهوم "زانویی" با میزان همانندی 5/42 %، به دلیل خمیدگی موجود در آن، همانندترین مفهوم به پرسش کاربر است. Many countries aim to design and build Spatial Data Infrastructure (SDI) to facilitate, manage and share spatial data. Different public or private organizations provide data sources in diverse ways and various contextual situations such as weather conditions, coordinate system definitions or acquisition times. Therefore, SDI should be semantic-based, as possible as it can, to deal with different user languages, requirements. Such an SDI can help providing appropriate representation and search. Since the data integration is an essential part of each information system, semantic similarity is getting more attention in the web world. An efficient spatial data sharing across different organizations is considered to have significant contributions to the sustainable development of today’s communities. As the quantity and accessibility of spatial data is tremendously increasing via web, interpreting, handling and retrieving of this data has become a difficult task. The data suppliers come from various information communities with differing conceptualizations of the world. So, this data is heterogeneous in essence and distributed over several sources. Since the acquisition of geospatial data is extremely expensive, developing mechanisms for reusing and sharing geographic information are necessary to save costs. Besides, customer orientation and personalization of data sources is central to enable flexible and multipurpose usage of the data and to provide customers with the required data. Ordinary information retrieval systems are limited to syntactic retrieval mechanisms and therefore cannot deal with semantic differences in the customer's and the data supplier's conceptualization. The Open Geospatial Consortium (OGC) has established standards for storing, discovering, and processing geographical information but these standards cannot solve the semantic problem. Today, the semantic heterogeneity is considered as the main obstacle to the full interoperability among spatial data sources. Geospatial  data  describes  real  world  geographic  features  by  their  spatial  extent  and their location. Hence, properties are necessary to capture the semantics underlying geospatial data, because they can represent spatial qualities such as shape. The notion of semantic similarity serves as an indicator for relevance in the retrieval process. This paper uses an ontology-based approach and description logic to resolve the semantic heterogeneity. For this purpose, semantic similarity measurement is used to interpret, handle, and retrieve data in terms of semantically similar concepts. In order to calculate similarities, two existing similarity measurement models were combined: Feature model and Network model. While Feature model computes similarity of concepts based on their common and distinctive properties, Network model puts the concepts in a semantic network and computes the similarity based on the relations of the concepts in the network. This paper proposes a hybrid similarity model as a computational model for semantic similarity measurement. This hybrid model enables the necessary expressiveness to capture semantics underlying geospatial data. The shortcomings and benefits of each model with respect to the requirements of semantic information retrieval of geospatial data are described. Retrieval systems use similarity measures to determine the relevance. Only a retrieval system which returns cognitively adequate results can successfully support human users. The proposed model retrieves relevant information by measuring the semantic similarity of concepts to a given query. The methodology has been tested on some parts of Iranian Water and Wastewater Company’s infrastructure as a case study. Since semantic similarity is an appropriate means to resolve semantic heterogeneity in retrieving data in SDIs, the proposed model can help users by representing similarity in a quantitatively manner. This paper has considered blockage in pipeline as user search concept. The results of similarity represent the advantages of the proposed model. In addition, the results showed that the most similar concept to user search concept was Elbow with %42.5 similarity because of its curvature. زیرساخت داده مکانی, سنجش همانندی معنایی, هستی شناسی, منطق توصیفی, سیستم اطلاعات مکانی Spatial Data Infrastructure (SDI), Semantic Similarity Assessment, Ontology, Description Logic (DL), Geospatial Information System (GIS) 269 280 http://jgst.issgeac.ir/browse.php?a_code=A-10-380-1&slc_lang=fa&sid=1 O. R. Abbasi امیدرضا عباسی oabbasi@mail.kntu.ac.ir 10031947532846003342 10031947532846003342 Yes بدون سازمان A. A. Alesheikh علی اصغر آل شیخ alesheikh@kntu.ac.ir 10031947532846003343 10031947532846003343 No بدون سازمان M. Karimi مینا کریمی minakarimi@email.kntu.ac.ir 10031947532846003344 10031947532846003344 No بدون سازمان