انجمن کامپیوتر ایران

با وجود تلاش‌هاي تحقيقاتي بسياري که در زمينه‌ي تطبيق خودکار آنتولوژي‌ها انجام شده ‌است، ولي هنوز مشکلات جدي در اين زمينه وجود دارد. روش‌هاي تطبيق موجود، بين دقت و فراخواني مصالحه برقرار مي‌کنند و هر يک از آنها نقاط ضعف و قوت ‌متفاوتي دارند. درنتيجه همواره انتخاب بهترين تطبيق‌گر براي يک کار خاص مشکل است. اين مقاله روشي به‌نام MuLCOM براي بهبود کيفيت نتايج ارائه مي‌دهد که مبتني‌بر انتخاب تطبيق‌گر‌ خاصي نيست بلکه روش‌هاي يادگيري ماشين را روي ترکيبي از تطبيق‌گر‌ها اعمال مي‌کند. به‌عبارت ديگر دسته‌بندي کننده براساس خروجي حاصل از تطبيق‌گر‌هاي مختلف آموزش داده مي‌شود و سپس براي حل مسائل تطبيق جديد از آن استفاده مي‌شود. بدين ترتيب تطبيق‌گر‌هاي مختلف نقاط ضعف يکديگر را پوشش مي‌دهند. نتايج حاصل نشان مي‌دهد كه MuLCOM حتي نسبت به بهترين تطبيق‌گر‌هاي مجزا کارايي بهتري دارد.