جستجوي پيشرفته | کتابخانه مجازی الفبا

داده‌کاوی که به عنوان استخراج دانش از پایگاه داده‌ها نیز شناخته می‌شود، روالی برای استخراج دانش ناشناخته از مقدار زیادی داده است. کاوش اسناد بر اساس روش‌های داده کاوی به استخراج اطلاعات و دانش از اسناد می‌پردازد. خوشه‌بندی اسناد یکی از مهمترین روش‌های کاوش اسناد است که دسته‌بندی بدون سرپرست اسناد به گروه‌های مختلف می‌باشد.سیستم‌های رایج بازیابی اطلاعات و خوشه‌بندی اسناد بر کلمات کلیدی استوار می‌باشند. با توجه به اینکه کلمات کلیدی مختلف می‌توانند برای توصیف یک مفهوم استفاده شوند، این سیستم‌ها می‌توانند نتایج نادرست و ناقصی راایجاد نمایند. همچنین روابط معنایی ممکن است بین کلمات موجود باشد که شناسایی آنها نیاز به استخراج دانش دامنه مورد نظر دارد. مهمترین گام‌ها در خوشه‌بندی اسناد نحوه‌ی نمایش اسناد و معیار اندازه‌گیری شباهت بین آنها است.این تحقیق بر بهبود کارایی خوشه‌بندی اسناد تمرکز دارد. الگوریتم خوشه‌بندی اسناد در سه گام پیشنهاد شده است: نمایش اسناد، اندازه‌گیری شباهت بین اسناد، سیستم استنتاج فازی به منظور اندازه‌گیری شباهت نهایی بین اسناد. در نهایت پس از انجام این سه گام، با استفاده از الگوریتم خوشه‌بندی پایین به بالا خوشه‌بندی اسناد صورت می‌پذیرد. در گام اول، اسناد بر اساس دانش دامنه به صورت یک گراف آنتولوژی نمایش داده می‌شوند. این روش بر خلاف روش مبتنی بر کلمات کلیدی، بر مفاهیم دامنه استوار می‌باشد و یک سند را بر اساس مفاهیم موجود در آن، به صورت زیرگرافی از آنتولوژی دامنه نمایش می‌دهد. مفاهیم استخراج شده گره‌های گراف را تشکیل می‌دهند. برای هر گره با توجه به فرکانس مفهوم، وزن محاسبه می‌گردد. روابط موجودبین مفاهیم سند، یال‌های گراف و میزان این ارتباط اوزان یال‌ها را مشخص می‌نماید. در گام دوم برای هر سند بر اساس نمایش گرافی استخراج شده از مرحله‌ی اول، مفاهیم کلی و جزئی و یال‌های اصلی مشخص می‌گردند. شباهت بین هر جفت از اسناد در سه مقدار و بر اساس این سه عامل محاسبه می‌شود. در گام سوم سیستم استنتاج فازی با سه ورودی و یک خروجی طراحی شده است. ورودی‌ها مفاهیم کلی، مفاهیم جزئی و یال‌های اصلی می‌باشند و خروجی میزان شباهت بین دو سند است. مجموعه‌ای از قوانین فازی برای موتور استنتاج فازی در نظر گرفته شده است که بر اساس سه شباهت ورودی مقدار شباهت نهایی را تخمین می‌زند. در نهایت بر اساس ماتریس شباهت اسناد، الگوریتم خوشه‌بندی سلسله مراتبی پایین به بالا به منظور خوشه‌بندی اسناد اعمال می‌گردد. برای ارزیابی الگوریتم پیشنهادی، نتایج با نتایج حاصل از روش‌های naïve Bayes ، دو الگوریتم مبتنی بر هستان شناسی و یک الگوریتم آماری مقایسه شده است. نتایج به دست آمده نشان می‌دهند که روش پیشنهاد شده مقادیر F-measure و Accuracy را بهبود می‌دهد. همچنین مقادیر FP و Error به میزان قابل توجهی کاهش می‌یابد.

این پژوهش در پی آن است تا ساختار فرانظری نظریه اسلامی روابط بین الملل را واکاوی کند.مابعدالطبیعه اسلامی و فقه روابط بین الملل به منزله فرانظریه ی آن می باشند. مابعدالطبیعه اسلامی مبتنی است بر 1- هستی شناسی عام اسلامی؛ متصف به صفت اصالت واقع، که در آن همه چیز بیرون از ذهن و دارای ما بازاء خارجی است. 2- معرفت شناسی؛ شناخت دانش، امکان شناسایی و حدود آن است. علم ما به عالم خارج از طریق منابع معرفتی و متصف به امکان عام. 3- روش شناسی؛ راه شناخت و دستیابی به معرفت از طریق مبادی آنفقه روابط بین الملل برخاسته از فقه سیاسی اسلامی و دانش تأسیسی در پی مومنانه ساختن نظام روابط بین الملل است و با قواعد فقهی به این کار همت می گمارد.ساختار دوگانه مابعدالطبیعی اسلامی و فقه روابط بین الملل مدلولات هستی شناختی، معرفت شناختی، روش شناختی و فقه شناختی خاصی دارد که مهمترین آن ها عبارتند از:1- امت محوری به جای دولت ملت 2- تقسیم هنجاری جهان به دارالاسلام و دارالکفر 3- هنجاری و انتقادی بودن نظریه اسلامی روابط بین الملل 4- تبیینی و تأسیسی بودن نظریه اسلامی روابط بین الملل 5- کثرت گرایی روشی در نظریه پردازی اسلامی روابط بین الملل 6- در میانه ی اثبات گرایی و فرا اثبات گرایی بودن 7- عاملیت و اختیار انسان در نظام بین الملل 8- ارزش محور بودن نظریه اسلامی روابط بین الملل 9- عقلانیت رفتارها در نظام بین الملل 10- تکامل نظریه اسلامی روابط بین الملل و ...

روشهای متعددی به منظور استخراج عوارض موجود از تصاویر رقومی ارائه شده اند. این روشها را می توان در دو دسته طبقه بندی نمود. دسته ی اول روشهایی هستند که بر اساس خصوصیات طیفی هر پیکسل به استخراج عوارض می پردازند. روشهای دیگر بر مبنای ارائه ی قانون بر روی مجموعه ای از پیکسلها به استخراج عوارض بر مبنای شیء می پردازند. در این حوزه، اشیاء بر اساس خصوصیاتی که برای آنها تعریف شده است از تصاویر استخراج می شوند. در نتیجه، ابتدا باید به تعریف عارضه و خصوصیات آن پرداخت. به همین دلیل به معرفی علم هستی شناسی (آنتولوژی) می پردازیم که برای اولین بار در حوزه ی علم فلسفه ارائه شد.هستی شناسی را می توان شاخه ای از فلسفه و علمی در مورد چه بودن، از چه نوعی بودن ساختار اشیاء، ویژگیها، پیشامدها و وابستگیها در هر حوزه ای از هستی دانست. هستی شناسی به دنبال ارائه ی طبقه بندی قطعی و جامع از موجودیتها در تمامی دایره ی وجود (جهان) است به طوری که هیچ موجودیتی در خارج از آن قرار نگیرد. مرزهای دایره ی وجود (عالم امکان) توسط موجودیتها و عدم موجودیتها مشخص می شود. همچنین در هستی‌شناسی روابط میان موجودیتها نیز طبقه بندی می شوند. کاربرد کاملاً شناخته شده ی هستی شناسی در حوزه ی علم سیستمهای اطلاعاتی را می توان تشکیل پایگاه داده و یا استفاده از آن عنوان کرد، که بر مبنای همین تعریف کاربرد وسیعی در سیستمهای اطلاعات جغرافیایی پیدا کرده است.هستی شناسی لازم برای استخراج عارضه ی موجود در تصویر را می توان به این صورت بیان نمود که برای عارضه، چه معیارها و عواملی به صورت هم‌زمان برای کاربر تداعی می شوند که بتوان آنها را در قالب عوامل یا قانونهایی در روشهای استخراج عارضه وارد نمود. به این منظور لازم است تا مجموعه ای از سوالها و جوابها مطرح شوند و پایگاهی از داده های لازم به منظور استخراج عارضه (اطلاعات) از تصویر تشکیل شود. تنها با استناد به اطلاعات گردآوری شده در قالب پایگاه داده های نام‌برده شده است که می توان روشی برای استخراج انواع عوارض بر اساس ماهیت آن در تصویر پرداخت. از طرفی تشکیل پایگاه داده برای عوارض موجود در هر یک از نقشه های 1:2000، 1:5000 و 1:10000 نیازمند آگاهی از تعریف عوارض در مقیاسهای مختلف نقشه و نیز عوارض مشابه با آن بر روی تصاویر ماهواره ای است. به عنوان مثال، اگر هدف استخراج ساختمانها است، به منظور حذف عوارض گیاهی استخراج شده به همراه ساختمانها می توان از شاخصهای پوشش گیاهی استفاده نمود. از دیگر ویژگیهای ساختمان می توان شکل هندسی تقریباً منظم، رفتار مشخص در نسبت طول به عرض، پیوسته بودن لبه ها، بافت طیفی مشخص و بازه ی مساحتی حداقل را نام برد. از طرف دیگر، تمامی ساختمانها دارای درجه ی خاکستری مشخصی نیستند و نسبت به شرایط تابش نور خورشید و قرار گرفتن در نقاط مختلف از تصویر، مقادیر درجات خاکستری متفاوتی را به خود می گیرند. در این پایان نامه، با به کارگیری هستی شناسی در تهیه ی مدل مفهومی برای عوارض خطی و سطحی بر اساس خصوصیات آنها در تصاویر ماهواره ای چندطیفی به ارائه ی راهکارهایی در تولید نقشه پرداخته خواهد شد. در نهایت، با به دست آمدن اطلاعات مورد نیاز جهت استخراج عوارض در مقیاسهای مختلف با استفاده از هستی شناسی، می توان دقت روشهای استخراج عارضه را افزایش داد. خروجی این پایان نامه به صورت پایگاه داده ای از خصوصیات عوارض موجود در نقشه های 1:2000، 1:5000 و 1:10000 است که قابلیت ارتقاء و بهبود در مقیاسها و عوارض مختلف را طی مرور زمان داشته باشد.

امروزه پست الکترونیکی یا ایمیل یکی از سریع‌ترین و اقتصادی‌ترین راهها برای ارتباط می‌باشد. با این‌حال، افزایش کاربران پست الکترونیکی باعث افزایش بی‌سابقهای در تعداد هرزنامه‌‌ها در چندین سال اخیر شده است. در چند ساله‌ی اخیر تلاش‌های زیادی برای فیلترکردن هرزنامه‌ صورت گرفته است که اغلب آنهااز روش‌های آماری و یادگیری ماشینی استفاده کرده‌اند که اغلب نیازمند انبوه داده برای عملیات یادگیری می‌باشند. هم‌چنین در این روشها برای فیلترکردن هرزنامه‌، از معنای محتوای ایمیل و نیز نحوه‌ی تعاملات بین فرستندگان هرزنامه‌ و فرستندگان معتبر، استفاده نشده است.در این پایان‌نامه دو روش برای فیلترکردن هرزنامه‌ ارائه شده است. در روش اول یک آنتولوژی از مفاهیم متداول هرزنامه‌ ساخته می‌شود. مشابهت معنایی گراف موضوعی متن و نیز سرآیند ایمیل با این آنتولوژی به همراه مشابهت معنایی بین سرآیند و بدنه‌ی ایمیل، سه مولفه برای فیلترکردن معنایی ایمیل می‌باشند. محاسبه‌ی مشابهت معنایی با استفاده از آنتولوژی زمینه‌ی WordNet صورت می‌گیرد. در روش دوم از گزارشات تراکنش ایمیل بین فرستندگان ایمیل به منظور ساخت یک شبکه‌ی اجتماعی ایمیل استفاده می‌شود. سپس یکسری از ویژگی‌های متمایز‌کننده‌ی فرستندگان هرزنامه‌ و فرستندگان معتبر ارائه می‌شود. سرانجام از این ویژگی‌ها به منظور دسته‌بندی ایمیل‌های هرزنامه‌ و ایمیل‌های معتبر استفاده می‌شود. از آنجائی که هر یک از این دو فیلتر بر روی ویژگی‌های متمایزی تمرکز دارند، ترکیب این دو فیلتر به‌صورت سری منجر به نتایج کامل‌تری می‌شود.فیلتر مبتنی بر شبکه‌ی اجتماعی در فیلترکردن هرزنامه‌ دقت بیش از 93 درصد از خود نشان داده است. این نتیجه قابل مقایسه با فیلترهای مبتنی بر یادگیری می‌باشد. همین طور فیلتر مبتنی بر مشابهت معنایی به صورت مکملی برای فیلتر مبتنی بر شبکه‌ی اجتماعی می‌باشد، به‌طوری‌که دقت بالای 96 درصد نتیجه‌ی ترکیب این دو فیلتراست.

گوریل پشمالوی یوجین انیل را می توان به عنوان یک نمایشنامه ی فلسفی در نظر گرفت. ینک قهرمان داستان، در حاشیه جامعه زندگی می کند. او سعی می کند که هویت واقعی خود را بیابد تا بر اساس آن امیدها و آرزوهایش را دنبال کند، اما در نهایت به ورطه ی نا امیدی و یاس سقوط می کند. مسئله ای که ینک با آن رو به رو می شود، مسئله ای است که انسان در هستی شناسی سارتردر طول زندگی خود با آن رو به رو می شود. اگرچه این نمایشنامه محصول بخش اول از زندگی انیل به عنوان یک نویسنده است، یعنی زودتر از زمانی که هستی شناسی به عنوان یک جنبش مستقل و متحد فلسفی، فرهنگی و ادبی به طور سراسری شناخته شد، اما می توان گفت که این نمایشنامه یکی از آثاری است که منعکس کننده ی جهان بینی هستی شناسانه، به خصوص هستی شناسی سارتر می باشد. تحقیق حاضر به گونه ای جامع به بررسی نمایشنامه ی گوریل پشمالو در سایه ی هستی شناسی سارتر می پردازد که در آن مفاهیم کلی هستی شناسی سارتر به طور جداگانه برای مطالعه ی نمایشنامه به کار برده شده اند.

چکیده ندارد.

با ظهور معماری سرویس گرا، وب سرویس ها محبوبیت بسیاری یافتند. بعلت موجود بودن تعداد زیادی از وب سرویس ها، یافتن وب سرویس متناسب با نیازهای کاربر چالشی عظیم می باشد. این امر نیاز به برقراری یک فرایند مورد اعتماد و موثر کشف وب سرویس را تضمین می کند. امروزه تحقیقات بسیاری برای طراحی روش هایی به منظور افزایش میزان دقت کشف وب سرویس انجام می گیرد که بهترین سرویس را تطبیق نماید. نتایج فرایند کشف سرویس، سرویس هایی است که تا اندازه ای نیاز های کاربر را ارضا می نمایند. در نظر گرفتن رابطه معنایی میان کلمات استفاده شده در توصیف سرویس و همچنین پارامترهای ورودی و خروجی می تواند منجر به دقت در کشف وب سرویس شود. علاوه بر پارامترهای ورودی و خروجی، پارامترهای دیگری نیز در توصیف سرویس وجود دارند که استفاده از آنها منجر به بالا بردن دقت کشف وب سرویس ها می شود. این پارامترها پیش شرط و اثر نام دارند. این تحقیق الگوریتمی برای کشف وب سرویس معنایی براساس مقایسه میان پارامترهای ورودی، خروجی، پیش شرط، و اثر درخواست و سرویس، ارائه می دهد.در بیشتر روش های کشف وب سرویس، پنج درجه تطبیق در نظر گرفته می شود که عبارتند از : Exact، PlugIn، Subsume، Intersect، Fail. در الگوریتم حاضر به جای درجه Fail درجه تطبیق جدیدی به نام Substitute در نظرگرفته شده که سرویس جایگزین درخواست را ارائه می کند. همچنین در این الگوریتم برای تعیین میزان شباهت میان مفاهیم روشی بر مبنای درخت سلسله مراتب آنتولوژی در نظر گرفته شده که میزان دوری و نزدیکی مفاهیم به یکدیگر را تشخیص می دهد. الگوریتم ارائه شده از یک سیستم امتیاز دهی براساس میزان شباهت مفاهیم و ویژگی های آنها به یکدیگر استفاده می کند. این سیستم به هر یک از زوج مفاهیم که با یکدیگر مقایسه می شوند، براساس روش تعیین مشابهت ذکر شده، امتیازی نسبت داده و امتیاز نهایی سرویس را براساس میانگین امتیاز مفاهیم محاسبه می کند. امتیاز محاسبه شده برای هر سرویس همراه با درجه تطبیقی که برای سرویس محاسبه شده است به کاربر ارائه می شود.برای ارزیابی الگوریتم ارائه شده از مجموعه داده ای متشکل از 100 وب سرویس معنایی و 20 پرس و جو استفاده شده است. نتایج به سه معیار Precision/Recall، F1، و میانگین زمان پاسخ با سه الگوریتم کشف وب سرویس دیگر مقایسه شده اند. الگوریتم ارائه شده دارای دقت بالاتری از سه الگوریتم مورد مقایسه می باشد. اما از نظر میانگین زمان پاسخ با توجه به اینکه علاوه بر ورودی و خروجی، از مقایسه پیش شرط و اثر نیز برای کشف وب سرویس معنایی استفاده می کند، دارای میانگین زمان پاسخ بالاتری نسبت به دیگر الگوریتم های مورد مقایسه می باشد. در مجموع، دقت کشف وب سرویس معنایی با الگوریتم ارائه شده پیشرفت قابل ملاحظه ای را نسبت به روش های مرسوم کشف وب سرویس نشان می دهد.

با گسترش روزافزون حجم داده‌ها و اطلاعات در وب معنایی، تولید پرس‌وجوهای ساخت‌یافته بر فراز وب معنایی نیز با استقبال چشم‌گیر توسعه‌دهندگان روبرو شده است. بااین‌حال تولید پرس‌وجوی ساخت‌یافته برای افرادی که با هستان‌شناس تعریف‌شده بر بسترِمجموعه داده های موجودآشنایی ندارند می‌تواند فرایندی پیچیده باشد. از سویی دیگر، در سمت منابعِ دربرگیرنده‌یِ داده‌های وب معنایی، تنها داده‌ها و ساختارهای سلسله‌مراتبی تعریف‌شده‌اندو دراین‌بین عدم وجود الگویی برای چگونگی ساخت و چینش پرس‌وجوهایSPARQL کاربران انسانی تازه‌کار را با مشکل مواجه می‌کند. در سال‌های اخیر،در این راستا سیستم‌هایی باهدف یاری کاربران در استفاده از وب معنایی و ساخت این پرس‌وجوها تولیدشده‌است. سیستم‌های پرسش‌وپاسخ، سیستم‌های بسط پرس‌وجو و سیستم‌هایی با واسط گرافیکی جهت نگارش پرس‌وجوهایSPARQLازجمله این موارد هستند.در این پایان‌نامه با تمرکز روی ساختارو چینش پرس‌وجوهای SPARQL،گونه‌ای از قالب‌های کلی مرتبط با ساختار نگارشی این پرس‌وجوهابررسی می‌گردد. با استفاده ازاین قالب‌ها،با پردازش پرس‌وجوهای پیشین ارسال‌شده به‌سوی پایانه‌ها وبه‌کارگیری روش‌های یادگیری ماشین (قوانین انجمنی ترتیبی)،قوانینی استخراج می‌گردندکه بیانگر الگوی تعریف پرس‌وجوهایکاربران پیشین می‌باشند.کاربرد این قوانین کمک به کاربران آتی در تولید پرس‌وجوهای SPARQL است.نتایج حاصل از ارزیابی این قالب از قوانین بیانگر قابلیت و کارایی این قوانین جهت یاری‌رساندن به کاربران انسانیاست. روی هر پایانه‌ی بخصوصی، در بازه‌های زمانی متفاوت،بر اساس این قالب‌هامی‌توان به دانشی دست‌ یافت که کاربرد این دانش در سیستم‌های یاری‌گر کاربر جهت تولید مستقیم این پرس‌وجوها بروی آن پایانه است.برای ارزیابی این‌گونه از قوانین به فرم خودکار در ابندا روی پرس‌وجوهای بخش آزمایش (پرس‌وجوهای از پیش نگارش شده)کاندیدهای پیشنهادی مطرح می‌گردند.در ادامه این کاندیدها با پرس‌وجوی نگارش شده‌ی کاربرپیشین مقایسه شده و به‌این‌ترتیب دقت پیشنهادهای ارائه‌شده گردآوری می‌گردد. در این پژوهش پرس‌وجوهای موجود در Log پایانه‌ی DBpedia در سال 2012 انتخاب‌شده است. برای معیار ارزیابی در این پژوهش از پارامتر دقت برای صحت کاندیدهای پیشنهادی استفاده‌شده است.

وب معنایی شامل قرار دادن داده‌ها روی وب و ساختن ارتباطات به گونه‌ای است که انسان و ماشین بتوانند محتوای وب داده را کاوشنمایند. هدف وب معنایی افزایش توانایی ماشین‌ها در دسترسی به منابع موجود در وب، پردازشو بکارگیریآن‌ها می‌باشد. با توجه به رشد گسترده‌ی داده‌های پیوندی و افزایش مجموعه داده‌ها در چند سال اخیر، نیاز به ابزاری برای کشف پیوند در مقیاس وسیع احساس می‌شود. ابزارهای کنونی برای کشف پیوند مجبور به مقایسه‌ی تمامی موجودیت‌ها در مجموعه داده‌ها هستند. با خوشه بندی موجودیت‌ها، می‌توان قبل از ایجاد پیوند و بر اساس نوع پیوند تعداد مقایسه‌ها بین موجودیت‌ها را کاهش داد. یکی از مهم‌ترین اتصالات معنادار در وب داده، شناسایی و اتصال موجودیت‌هایی است که به یک موجودیت یکسان اشاره می‌کنند ولی دارای شناسه‌های یکتای منبع متفاوت هستند و در مجموعه داده‌های مختلفی قرار دارند. در این تحقیق یک مدل به منظور شناسایی وایجاد خوشه‌هایی با موجودیت‌های همانند در وب داده ارائه شده است. مدل ارائه شده قابل بکارگیری روی مجموعه داده‌ها با دامنه‌های متفاوت است. این روش می‌تواند به عنوان یک مولفه در ابزارهای کشف پیوند مانند ابزار silk استفاده شده و سبب بهبود پبچیدگی زمانیوافزایش دقت کشف پیوند شود.مدل پیشنهادی دارای دو ماژول اصلی است: 1.

هستی شناسی مدلی برای نمایش یک دامنه است و برای استدلال درمورد اشیا و روابط بین آنها در همان دامنه به کار می‌رود. هستی شناسی معمولا شامل مفاهیم، روابط بین مفاهیم، نمونه‌ها و ویژگی‌های مفاهیم است. در سالیان گذشته تعداد هستی شناسی‌های موجود به شدت افزایش یافته است. وجود این سطح از تنوع، مسئله ادغام و استفاده مجدد از اطلاعات را مطرح می‌نماید. اگرچه که با بررسی دقیق‌تر هستی شناسی‌ها می‌بینیم که بسیاری از آنها با یکدیگر دارای همپوشانی هستند، اما استفاده از چهارچوب‌های کاری متفاوت، زبان‌های متنوع، و از همه مهمتر زوایای دید مختلف برای توسعه و ایجاد آنها باعث می‌شود تا کشف این شباهت‌ها و به طور کلی روابط بین مفاهیم مطرح شده در هریک از آنها ساده نباشد. آنچه به عنوان راه حل برای این مشکل مطرح می‌شود، تطابق هستی شناسی است. اصل این کار بر کشف مطابقت‌های بین مفاهیم و روابط آنها در هستی شناسی‌های مختلف و ایجاد نگاشت بین آنها استوار است. در این مطالعه استفاده از استنتاج فازی در کنار هستی شناسی سطح بالای وردنت در تطابق، امکان سنجی شده و نتایج حاکی از این است که استنتاج فازی می‌تواند به عنوان گزینه‌ای برای روش‌های تطابق در نظر گرفته شود.