روشهای فیلتر محتوایی مبتنی بر دانش، روشهای مؤثری برای جستجو، فیلتر کردن و مدیریت اطالعات هستند. در این مقاله، یک چارچوب بدیع فیلتر و مدیریت منابع اطالعاتی متنی معرفی میشود. روش پیشنهادی از دانش جمعی/گروهی مدل شده در آنتولوژی و پایگاههای دانش ساختیافته جهت توسعه روشهای محاسبه معنایی شباهت استفاده میکند. از روشهای محاسبه معنایی شباهت توسعه داده شده برای فیلتر و دستهبندی کردن اسنادی استفاده میشود که حاوی اطالعات متنی منطبق با ترجیحات کاربری هستند. همچنین، روشهای توسعه داده شده در یک مدل »ترکیب خبرگان« با یکدیگر یکپارچه میشوند تا تصمیمات مرتبط با فیلتر و مدیریت منابع اطالعاتی، از طریق اجتماع دانش خبرهها اتخاذ گردد. یکپارچهسازی روشهای مبتنی بر دانش در مدل یادگیری ماشین »ترکیب خبرگان« ایده بدیع پیشنهادی در این مقاله است. نتایج ارزیابی نشان میدهد اجماع خبرگی روشهای مبتنی بر دانش در مدل یادگیری گروهی »ترکیب خبرگان« عملکرد سیستم را ارتقاء میبخشد و منجر به دستهبندی دقیق اسناد متنی میشود.
