Ontology-based search engine with speech recognition.

Abstract

Searching for data throughout the internet is not always an easy task. The reason for that is that the internet is flooded with data and the most common searching techniques often fail to provide the best possible results for the users’ needs. Therefore, researchers have for years been trying to find alternative ways of searching. Through that research, searching techniques based on semantic technologies have emerged. Over the years, search engines based on semantic technologies have gained a lot of popularity for their efficiency, but they are still under development. The end goal of this thesis is to examine the use of semantic technologies for bioinformatics data annotation by employing domain specific ontologies and also to make use of natural language processing methods in order to aid the non-bioinformatics expert users to successfully search for bioinformatics related tools using natural language through either text or a speech recognition system. In addition, we make use of more searching techniques to compare their efficiency and also to ensure that the framework that was created throughout this thesis, is be able to provide the user with the best possible results for his needs. For our experiments, a variety of questions of users searching for bioinformatics related tools from the SEQanswers.com forum were collected, and after having irrelevant words from those questions removed from two expert bioinformaticians, those questions were used as queries in the proposed framework. For the evaluation of the results, they were compared with the proposed tools that were given by forum users as answers for the collected questions. Our results indicate that in the majority, the framework’s results are relevant to the queries, with each searching technique having different precision and response times.

Η αναζήτηση δεδομένων στο διαδίκτυο δεν είναι πάντα εύκολη. Αυτό συμβαίνει επειδή το διαδίκτυο έχει πάρα πολλά δεδομένα και οι πιο διαδεδομένες τεχνικές αναζήτησης συχνά αποτυγχάνουν στο να παρέχουν τα καλύτερα αποτελέσματα για τις ανάγκες των χρηστών. Για αυτό το λόγο, ερευνητές προσπαθούν εδώ και χρόνια να βρουν εναλλακτικούς τρόπους αναζήτησης. Από αυτές τις έρευνες, ανακαλύφθηκαν τεχνικές αναζήτησης βασισμένες σε σημασιολογικές τεχνολογίες. Με τα χρόνια, μηχανές αναζήτησης βασισμένες σε σημασιολογικές τεχνολογίες έχουν απόκτηση πολύ φήμη για την αποτελεσματικότητά τους, όμως είναι ακόμα υπό ανάπτυξη. Ο τελικός στόχος αυτής της πτυχιακής εργασίας είναι να ερευνηθεί η χρησιμότητα σημασιολογικών τεχνολογιών για τον σχολιασμό δεδομένων βιοπληροφορικής χρησιμοποιώντας οντολογίες συγκεκριμένου τομέα και επίσης να χρησιμοποιηθούν μέθοδοι επεξεργασίας φυσικής γλώσσας με στόχο να βοηθηθούν χρήστες που δεν ειδικεύονται στην βιοπληροφορική να κάνουν επιτυχής αναζήτηση για προγράμματα που σχετίζονται με την βιοπληροφορική χρησιμοποιώντας φυσική γλώσσα με κείμενο ή ομιλία. Επιπλέον, χρησιμοποιούμε περισσότερες τεχνικές αναζήτησης για να συγκρίνουμε την αποτελεσματικότητά τους και επίσης για να διασφαλίσουμε ότι το πρόγραμμα που αναπτύχθηκε σε αυτή την πτυχιακή εργασία, παρέχει τα καλύτερα δυνατά αποτελέσματα για τις ανάγκες του χρήστη. Για τον αξιολόγηση του συστήματος, συλλέξαμε μία ποικιλία ερωτήσεων από χρήστες που έψαχναν για προγράμματα που σχετίζονται με την βιοπληροφορική από το φόρουμ SEQanswers.com, και αφού δύο ειδικοί βιοπληροφορικοί αφαίρεσαν μη-σχετιζόμενες λέξεις από τις ερωτήσεις, αυτές οι ερωτήσεις χρησιμοποιήθηκαν σαν ερωτήσεις αναζήτησης στο σύστημά μας. Για την αξιολόγηση των αποτελεσμάτων, τα αποτελέσματα συγκρίθηκαν με τα προγράμματα που προτάθηκαν από χρήστες του φόρουμ σαν απάντηση για τις ερωτήσεις που συλλέξαμε. Τα αποτελέσματά μας δείχνουν ότι στην πλειοψηφία, τα αποτελέσματα του συστήματος σχετίζονται με τις ερωτήσεις αναζήτησης, ενώ κάθε τεχνική αναζήτησης έχει διαφορετική ακρίβεια και χρόνο ανταπόκρισής.