جستجوي پيشرفته | کتابخانه مجازی الفبا

در دنیای امروز یکی از حیاتی‌ترین زیر ساخت‌های اطلاعات جهانی، سیستمهای مبتنی بر وب می‌باشد، از این رو قابلیت اطمینان در آنها عاملی پر اهمیت می‌باشد. به همین منظور در راستای تایید قابلیت اطمینان نرم‌افزارهای مبتنی بر وب، امروزه محققان در پی روشهایی کارا جهت مدلسازی و تست این نرم‌افزارها بر آمده‌اند. هدف از انجام این پروژه، آزمون مبتنی بر مدل یک برنامه تحت وب در سطح سیستم، بصورت خودکار می‌باشد. در ابتدا با استفاده از استراتژی جعبه سیاه مدل ناوبری سیستم استخراج می‌شود. مدل استخراج شده، نقطه شروع برای انجام آنالیز ایستا می‌باشد. سپس به منظور پر کردن خودکار فرمها و در نتیجه مدلسازی و آنالیز قسمتهای پویای برنامه از چندین آنتولوژی استفاده می‌شود، در ادامه هر یک از عناصر فرمها به ترتیب به یکی از منابع آنتولوژی نگاشت می‌شوند، و با استفاده از محدودیتهای آنتولوژی و بصورت خودکار، داده‌های آزمون ایجاد می‌گردند. مدل پیشنهاد شدهبعنوان ابزار MBTester در پروژه بزرگ WTLAB پیاده‌سازی شد. طرح WTLAB با حمایت مرکز تحقیقات و مخابرات ایران بعنوان یک طرح پژوهشی بنیادی تعریف شده است. مدل پیشنهادی بر روی چندین برنامه تحت وب اجرا شد. با بررسی نتایج بدست آمده، بهبود قابل توجهی در فریند آزمون برنامه‌های مبتنی بر وب قابل مشاهده است.

عموما تشخیص پزشکی دارای دو مشکل اساسی می‏باشد. اولا تشخیص نادرست که معمولا نتیجه‏ی انتقال ناکامل اطلاعات ضروری برای تشخیص بیماری به پزشک و ثانیا اتلاف زمان که به دلیل بیان اطلاعات غیرضروری به پزشک می‏باشد. هدف از انجام این تحقیق ارائه‏ی راه حلی برای این دو مشکل می‏باشد. راه‏حل ارائه شده یک چارچوب برپایه‏ی هستان‏نگار می‏باشد که از طرفی به پزشک کمک می‌کند اطلاعات ضروری را در کمترین زمان دریافت نماید و از طرفی می‏تواند آموزشی کلی به بیمار قبل از ورود به اتاق پزشک ارائه کند تا بیمار تشخیص دهد چه اطلاعاتی باید برای پزشک بیان شوند و چه اطلاعاتی نباید بیان شوند. چارچوب مزبور یک سیستم تصمیم‏گیری تولید پرسشنامه می‏باشد که مهمترین و ضروری‏ترین پرسش‏ها برای تشخیص را بین همه‏ی پرسش‏های ممکن انتخاب می‏کند و به کاربر(بیمار یا پزشک) برمی‏گرداند. این چارچوب می‏تواند به وسیله‏ی پزشکان و بیماران برای کارامدتر کردن فرایند تبادل اطلاعات و کاهش زمان ویزیت بیمار، و همچنین برای آموزش بیماران قبل از ورود به اتاق پزشک، به کار رود که به کارگیری آن از لحاظ اقتصادی و انسانی به طور مستقیم تأثیر مثبتی برکارکرد سیستم تشخیص دارد.در این پایان‏نامه پس از تعیین محدوده‏ی تحقیق، به منظور تولید هستان‏نگار داده‏های لازم از منابع مورد نظر استخراج می‏شوند. پس از آن به وسیله‏ی الگوریتم جستجو در هستان‏نگار، پرسش‏نامه‏ تولید می‏شود و سپس توسط متخصصین ویرایش می‏شود و پرسشنامه‏ای مشابه پرسشنامه‏ی قبلی تولید می‏شود.نتایج اجرای پرسشنامه‏ها نشان می‏دهد پرسشنامه‏ی قبل از ویرایش از لحاظ کاهش زمان و پرسشنامه‏ی بعد از ویرایش از لحاظ کیفیت در فرایند تشخیص کارکرد بهتری داشته‏اند. در یک نتیجه‏گیری کلی می‏توان گفت، هردو پرسشنامه‏ی تولید شده از لحاظ کاهش زمان و افزایش کیفیت کارکرد مناسب و رضایت بخشی را در جهت بهبود فرایند تشخیص دارند. برای بهبود خروجی این تحقیق می‏توان جنبه‏های دیگری از جمله روانشناسی ارتباط با بیمار را برای تولید هستان‏نگار در نظر گرفت.

عدم توانایی مدل استاندارد کیهان شناسی در توجیه بعضی داده های رصدی در سال های اخیر، از قبیل انبساط شتابدار کیهان تبدیل به یکی از اساسی ترین مشکلات پیش روی کیهان شناسان و فیزیک دانان شده است و اعتبار این مدل را زیر سوال برده است. در حال حاضر، طیف وسیعی از کیهان شناسان به بررسی روش های مختلف برای توضیح این مسائل می‏پردازند.در این پایان نامه ، ابتدا مروری بر چند رهیافت مهم در میان روش های موجود می کنیم: وارد کردن ثابت کیهان‏شناسی در معادلات اینشتین، فرض وجود میدان نرده‏ ای کوئینتسنس به عنوان مولد انرژی تاریک وگرانش تصحیح یافته. هدف این پایان نامه، مطالعه تفصیلی شیوه آخر است که با نام گرانش تصحیح یافته‏ (f(R شناخته می شود و به شیوه ای بنیادین قصد تغییر گرانش اینشتینی و جایگزینی آن با نظریه ای کلی تر را دارد. نظریه‏ی گرانش(f(R در رویکرد متریکی و پالاتینی بررسی می‏ شود. سپس فضای متقارن کروی در گرانش تعمیم‏یافته و چند روش متدوال برای بدست آوردن جواب‏های این فضا را معرفی و به طور مفصل بررسی می‏ کنیم. همچنین به بررسی سازگاری جواب‏های فضای متقارن کروی در گرانش تصحیح یافته‏ (f(R می‎‏پردازیم.

ایده اصلی وب معنایی، ایجاد فراداده‌هایی است که داده را شرح می‌دهند تا کامپیوترها را قادر به پردازش معنی اشیا کنند. هدف از وب معنایی این است که ماشین‌ها نیز همانند انسان‌ها سندها را درک کرده و تفسیر کنند. یکی از مولفه‌های اصلی وب معنایی، آنتولوژی است، که نسبت به سایر مولفه‌ها از قدرت بیان بیشتری برخوردار است. آنتولوژی، مجموعه‌ای از واژگان مشترک را برای محققانی تعریف می‌کند که نیاز به اشتراک‌گذاری اطلاعات در یک دامنه دارند. امروزه استفاده از آنتولوژی در وب افزایش یافته است. بسیاری از آنتولوژی‌های معروف، اندازه بزرگی دارند. اندازه بزرگ این آنتولوژی‌ها باعث کاهش سرعت و کارایی در استفاده‌مجدد، استنتاج، نگهداری و هماهنگی سیستم‌های توزیع‌شده می‌شود. راه‌حل این مساله، پیمانه‌‌ای کردن آنتولوژی می‌باشد. پیمانه‌ای کردن آنتولوژی، بخش مهمی از مهندسی آنتولوژی است که برای کاهش پیچیدگی و اندازه آنتولوژی، یا آن را به کل قطعات تشکیل‌دهنده می‌شکند (تقسیم‌بندی آنتولوژی) و یا اینکه فقط بخش کوچکی از آن را استخراج می‌کند (استخراج پیمانه). هدف از این پژوهش ارائه رهیافتی برای پیمانه‌ای کردن آنتولوژی به پیمانه‌هایی درست، کامل و متصل به هم است، به صورتی که کاربر بتواند بر اساس نیازهای برنامه کاربردی تنظیماتی را در پیمانه‌ای کردن اعمال کند.رهیافت ارائه‌شده در این پژوهش روی تقسیم‌بندی آنتولوژی تمرکز دارد. برای داشتن قطعه‌های کامل، ابتدا یک استنتاج مقدماتی روی آنتولوژی انجام شده و سپس حاصل آن به Pato، که ابزاری برای تقسیم‌بندی است، داده می‌شود. به دلیل انجام استنتاج مقدماتی، نتیجه تقسیم‌بندی، پیمانه‌هایی مرتبط و نیمه‌کامل است. بنابراین، قضایای کامل‌کننده به آن‌ها اضافه می‌شود. سپس پیمانه‌ها توسط زبان آنتولوژی پیمانه‌ای P-DL به هم متصل می‌شوند. به این ترتیب، پیمانه‌های حاصل، پیمانه‌هایی متصل و کامل با اندازه مناسب هستند. هرچند استنتاج روی آنتولوژی‌های بزرگ عملی وقت‌گیر است، اما فقط یکبار صورت می‌گیرد و در عوض مزایای زیادی به همراه دارد که توسط دیگر روش‌ها تامین نمی‌شوند. برای ضمانتِ این ادعا، روش ارائه‌شده و روش‌های قبلی به صورت تئوری و عملی ارزیابی شده و نشان داده می‌شود که این روش باعث می‌شود که آنتولوژی به‌طور متعادلی بخش‌بندی شود و پیمانه‌های حاصل مانند یک آنتولوژی خودشمول، توسط ابزارهای زیادی استفاده شوند.

آنتولوژی به عنوان یک روش برای از بین بردن ناهمگنی اطلاعات ارائه شده‌است. در یک حوزه ممکن است چندین آنتولوژی که از دیدگاههای متفاوت ایجاد شده‌اند، وجود داشته باشد که سبب ناهمگنی در یک حوزه خاص می‌شوند. جهت از بین بردن نا‏همگنی‏ها از فرآیند هم تراز سازییا تطابق آنتولوژی‌ها استفاده می‌شود. از آنجا که هنگام هم‌ترازسازی آنتولوژی‌ها سعی بر رفع همه انواع ناهمگنی‌های موجود بین دو آنتولوژی ورودی است پس باید روشی اتخاذ گردد تا به کمک آن بتوان نتایج هم ترازسازی انواع روشهای رفع ناهمگنی بین دو آنتولوژی ورودی را کنار هم گردآوری نمود. به مرحله گردآوری نتایج انواع روشهای ناهمگنی، مرحله جمع‌آوری شباهت‌ها گویند.در این تحقیق در ابتدا یک سیستم هم‌ترازسازی آنتولوژی‌ها با استفاده از سه روش رفع ناهمگنی بین آنتولوژی‌ها پیاده‌سازی شده است. این سیستم برای انواع زبان‌های بیان آنتولوژی‌ها یعنیOWLو RDF قابل استفاده است. در سیستم ارائه شده از سه تطابق‌یاب استفاده شده است. دو تطابق‌یاب از ویژگیهای رشته‌ای اجزای آنتولوژی‌ها استفاده می‌نمایند. یکی از این تطابق‌یاب‌ها ISUB است که از فرم رشته‌ای موجودیت‌های دو آنتولوژی استفاده می‌کند و دیگریVDOC است که قبل از آغاز فرآیند محاسبه شباهت بین رشته‌ها، ابتدا یکسری عملیات پیش پردازش از قبیل حذف حروف اضافه و ربط را انجام می‌دهد و سپس براساس روش‌های بازیابی اطلاعات، میزان شباهت دو رشته را محاسبه می‌نماید.سومین تطابق‌یاب پیاده سازی شده، GMO است که از ساختار سلسله مراتبی دو آنتولوژی ورودی جهت محاسبه میزان شباهت موجودیت‌های دو آنتولوژی بهره می‌گیرد. پس از محاسبه شباهت توسط انواع تطابق‌یاب‌های مختلف، در مرحله جمع‌آوری شباهت‌های انواع تطابق‌یاب‌ها، روشی ارائه شده است که برخلاف سایر روش‌های موجود، فرآیند جمع‌آوری شباهت‌ها را براساس هر دو آنتولوژی و برای هر جفت موجودیت دو آنتولوژی بطور جداگانه انجام می‌دهد که یک روش تطبیقی و مطلع از ساختار است.ارزیابی کار انجام شده برای بررسی روش جمع‌آوری شباهت‌های ارائه شده بوسیله‌ی آنتولوژی‌های مسابقه جهانیتطابق آنتولوژی‌ها یعنیOAEI 2009 صورت گرفته است که حاوییک سری آنتولوژی‌های استاندارد جهت مقایسه انواع سیستم‌های هم ترازسازی آنتولوژی‌ها می‌باشد. مقایسه نتایج سیستم ارائه شده با سیستم‌های جِرُمی سوئیت و نگاشت توسط جمع مورچه‌ها، بهبود دقت تشخیص هم ترازی‌های بین دو آنتولوژی توسط سیستم را نشان می‌دهد.

فناوری اطلاعات در دهه‌ گذشته تاثیر شگرفی بر بهبود شیوه‌های کسب‌وکار داشته اما افزایش نفوذ آن در سازمان‌ها چالش‌های بسیاری نیز به همراه آورده است. چالش‌هایی مانند تغییر و پویایی فرایندهای کسب‌وکار، عدم تطابق خدمات فناوری اطلاعات با نیازهای واقعی کسب‌وکار، منعطف نبودن سازمان در برابر تغییر مداوم خواسته‌های مشتریان و وابستگی به سیستم‌های خاص، می‌توانند کارایی را تا آنجا پایین آورند که مدیران سازمانی دیگر تمایلی به ادامه تولید و توسعه‌ی سیستم‌های اطلاعاتی خود نداشته باشند. در حال حاضر بهترین رویکردی که توانسته به این چالش‌ها پاسخ دهد، ترکیب دو پدیده‌ی مدیریت فرایندهای کسب‌وکار (BPM) و معماری خدمت‌گرا (SOA) است. این رویکرد رهیافتی فراگیر برای چالش انعطاف‌پذیری سازمان در مقابل تغییرات و استفاده از خدمات سایر سازمان‌ها می‌باشد. نقطه الحاق BPM و SOA، خدمت است. در رویکرد مذکور فرایند کسب‌وکار به عنوان مجموعه‌ای از خدمات (تحت وب) پیاده‌سازی شده که از مزایایی همچون اتصال سست، استقلال ساختار و زبان استفاده می‌کنند. اما علی‌رغم این مزایا، شرط لازم یک کسب‌وکار مطمئن در یک جهان مبتنی بر خدمت، اجرای خدمات طبق هدف مورد انتظار می‌باشد. توافق‌نامه‌های سطح خدمت (SLA) ابزاری مهم در تضمین این امر محسوب می‌شوند. این توافق‌نامه‌ها، سطح کیفی خدمات را تعریف نموده و امکان نظارت بر تطابق آن با نیازهای کسب‌وکار را فراهم ‌می‌آورند. نکته قابل بحث در این زمینه، روش تعریف خود این توافق‌نامه‌ها به نحوی است که بتوان از آن برای ضمانت تحقق اهداف فرایندهای کسب‌وکار استفاده نمود و پیچیدگی مدیریت شبکه خدمات کسب‌وکار را در سازمان کاهش داد. راهکار معرفی شده در این پایان‌نامه، ارائه مدلی از SLA بوده که بر اساس معیارهای عملکردی و کیفی خدماتی که از اجرای فرایندهای کسب‌وکار پشتیبانی می‌نمایند، تعریف شده است. با تعریف این معیارها، محاسبه‌ی مقادیر آنها و مقایسه‌ی این مقادیر با مقادیر هدفی که در توافق‌نامه تعریف شده، می‌توان سطح عملکرد خدمات را اندازه‌گیری و میزان دستیابی به هدف را تعیین نمود. بدین منظور سیستم نظارت خودکاری برای SLA معرفی شده که لازمه‌ی آن، قابل فهم بودن توافق‌نامه‌های SLA برای ماشین می‌باشد و در این راستا برای بازنمایی مدل پیشنهادی از هستان‌شناسی استفاده شده است. از طریق سیستم نظارتی معرفی شده، می‌توان اجرای خدمات را مطابق با سطح تعیین شده مدیریت کرد و مشکلات مربوط به کارایی آنها را قبل از تاثیر بر کسب‌وکار، شناسایی و حل نمود.

مفهوم «شناخت» و «استدلال» هسته‏ی علوم‏شناختی و هوش‏مصنوعی است. برخی از علوم مانند فلسفه، منطق، روان‏شناسی، عصب‏شناسی و غیره همواره به‏دنبال این هستند که دریابند این فرآیندها دقیقاً چگونه در ذهن انسان انجام می‏شوند. آنچه که قطعی است یا دست‏کم توسط مشاهدات تجربی تایید می‏شود این است که مفهوم شناخت در طبیعت همواره با مفاهیم «یادگیری» و «تکامل» درآمیخته است. طبق مشاهدات طبیعی، بیشتر جانداران درابتدای زندگی شناخت کمی از خود و دنیای اطراف خود دارند. اما در طول زمان به نوعی تکامل شناختی دست می‌یابند. این مفهوم بسیار حیاتی است زیرا هیچ مدل شناختی کاملی از جهان در ابتدای زندگی جانداران دراختیار آنان نیست و هیچ راه مستقیمی هم برای دستیابی سریع به آن وجود ندارد. بلکه شناخت باید در طول زمان حاصل شود. این پایان‏نامه براساس مفهوم تکامل شناختی که در طبیعت وجود دارد، یک مدل/چارچوب کلی برای یادگیری و تکامل شناختیِ پیشکارها/سیستم‏های هوشمند مصنوعی پیشنهاد و ارائه می‌دهد. زیربنای تئوریک مدل چند فرضیه‏ی شناختی است که در این رساله پیشنهاد می‏شود. هسته مرکزی این چارچوب نیز یک دستگاه مختصاتی مفهومی چندبُعدی است که پیشنهاد شده و ذهن مجازی پیشکار را شکل می‏دهد. فرآیند یادگیری مفهومی به‏صورت بدون ناظر و توسط الگوریتم‏های خوشه‏بندی مفهومی و الگوریتم‏های پیشنهادی این رساله جهت ساخت و تکامل آنتولوژی انجام می‏شود. در نهایت ارزیابی‏های عملی مدل/چارچوب نتایج مطلوبی را نشان داد.

سیستم‌های مدیریت سوالات متداول کاربران، FAQ، در سال‌های اخیر توجه بسیاری را به خود جلب نموده است. این سیستم‌ها تا حد زیادی هزینه‌های پشتیبانی محصولات تولیدکنندگان را کاهش می‌دهند. هدف از این تحقیق پیاده‌سازی سیستم مدیریت سوالات متداول فارسی مبتنی بر هستان‌شناسی و پروفایل‌های کاربری می‌باشد. در این تحقیق، هستان‌شناسی فارسی برای مفاهیم حوزه کامپیوتر ایجاد می‌شود. ابتدا سوالات ورودی، که همگی به زبان محاوره‌ای می‌باشند، به حالت رسمی فارسی تبدیل می‌شوند. پس از انجام پیش‌پردازش‌های لازم، به کمک روش پیشنهادی جدید، میزان شباهت معنایی پرسش‌ها با یکدیگر سنجیده می‌شود و در یک ماتریس شباهت ذخیره‌سازی می‌گردد. با استفاده از الگوریتم خوشه‌بندی پیشنهادی، این پرسش‌ها در خوشه‌هایی که پرسش‌های داخل هر خوشه، از نظر معنایی به یکدیگر شباهت دارند، قرار داده می‌شوند. پرسش‌هایی که در خوشه‌های با اعضای بیشتری هستند، به عنوان پرسش‌های پرتکرار در نظر گرفته می‌شوند و با استفاده از این خوشه‌ها، لیست پرسش‌های متداول استخراج می‌گردد.هر کاربر با وارد کردن پرس و جوی موردنظر خود، لیستی از پرسش‌های مرتبط با پرس وجوی ورودی را دریافت می‌کند. در حین کار با سیستم، برای هر کاربر با توجه به شیوه کار با سیستم و پرس وجوهای ورودی، پروفایل‌هایی ایجاد می‌شود که در پرس و جوهای بعدی از این پروفایل‌ها برای بهبود نتایج جستجو استفاده می‌شود. با یک الگوریتم بازیابی نوین، با استفاده از پروفایل‌های کاربری، نتایج مرتبط پرسش کاربر استخراج می‌شود.

خوشه‌بندی یا دسته‌بندی بدون نظارت با سازمان‌دهی پیکره‌های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان‌دهی در موتورهای جستجو برای ارائه‌ خوشه‌های معنادار مرتبط با پرس‌و‌جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایان می‌شود. علاوه بر مشکلاتی نظیر تعداد ابعاد بسیار زیاد و تحلیل خوشه‌ای، متاسفانه دیدگاه متعارف خوشه‌بندی‌های افرازی و سلسله‌مراتبی، به متن، همانند کیسه‌ای از کلمات است که در نتیجه در مقایسه‌ها فقط شباهت‌های ظاهری اسناد مورد توجه قرار می‌گیرد. در این نوع دیدگاه، کلمات یا تِرم‌ها کاملا ناهمبسته‌اند و به روابط کلمات (مثل هم‌معنایی و شمول) توجهی نمی‌شود. همچنین تلاشی برای رفع ابهام از کلمات چند‌معنایی صورت نمی‌گیرد. عدم توجه به این گونه مسائل غالبا منجر به خوشه‌بندی با ‌کیفیت پایین و یا غیرمعنایی می‌شود.در این تحقیق، زبان فارسی با توجه به اهمیت آن به عنوان یکی از زبان‌های زنده دنیا و رشد روزافزون متون الکترونیکی به زبان نوشتاری فارسی، مورد توجه قرار گرفته است. ایده اصلی یافتن توصیف‌های مناسب برای دانش پس‌زمینه و غنی‌سازی متن فارسی با استفاده از آن جهت افزایش کیفیت خوشه‌بندی است. برای نیل به این مقصود از منبع دانش خارجی با نام واژ-هستان‌شناسی فارس‌نت استفاده شده است. با کمک فارس‌نت عملیات رفع ابهام از دسته‌های معنایی کلمه صورت پذیرفته، روابط هم‌معنایی و شمول مربوط به معنای کلمه رفع ابهام شده، وارد بردار کلمات متن می‌شود. همچنین برای خوشه‌بندی متنی بر رهیافت نمایش مبتنی بر اجزاء یا فاکتورگیری نامنفی ماتریسِ ترم-متن تاکید شده است. نتایج ارزیابی‌های صورت گرفته بر روی پیکره استاندارد متنی همشهری، نشان از بهبود کیفیت خوشه‌بندی متون فارسی غنی‌شده (بخصوص با رابطه شمول) در مقایسه با خوشه‌بندی خام دارد. همچنین تاثیر این روابط در بهبود کیفیت خوشه‌بندی و نیز توضیح خوشه‌ای بر پایه فاکتورگیری نامنفی ماتریس بیشتر از خوشه‌بندی Bisecting Kmeans بوده است.

امروزه با توجه یه کاربرد وسیع هستان شناسی ها به ساخت و توسعه آنها توجه زیادی می شود. اما به این دلیل که افراد مختلفی با درک و کلمات متفاوتی هستان شناسی ها را توسعه می دهند ممکن است دو هستان شناسی که یک دامنه را توصیف می کنند دارای ساختار و واژگان متفاوت باشند. ایجاد درک مشترک بین هستان شناسی ها موجب ایجاد سامانه های تطابقهستان شناسی ها شده است. آن چه که در توسعه سامانه های تطابق تاکنون مغفول مانده است نگاه به مبحث شناخت شناسی به عنوان اساس هستان شناسی و استفاده از مفاهیم این حوزه در تطابق هستان شناسی هاست.در این پژوهش با پرداختن به حوزه شناخت شناسی، به روشی بر مبنای هوش جمعی رهنمون می شویم و فرا سامانه ای برای تطابق هستان شناسی ها ارائه می دهیم. هم افزایی سامانه های تطابق در این روش موجب انطباق هر چه بهتر هستان شناسی ها با دقت و فراخوانی بیشتری نسبت به سایر سامانه های تطابق می شود.