جستجوي پيشرفته | کتابخانه مجازی الفبا

متن کاوی موضوعی قرآن کریم، رویکردی جدید در «پردازش ارتباطات معنایی» میان آیات قرآن کریم است، که با استفاده از ابزارهای داده کاوی رایانه ای به این کاوش می پردازد. با استفاده از مبانی تفسیری علامه طباطبایی در نگاه موضوعی و نگاه غایت محور، یک پیکرة موضوعی از آیات قرآن تشکیل دادیم که شامل بخشی تفسیری (برای ارزیابی نتایج) و بخشی تشخیصی (با کدگذاری موضوعی آیات برای ورود به الگوریتم های رایانه ای) است. موضوعات این پیکره ، مبتنی بر بیان علامه در مقدمة المیزان، شامل هفت موضوع ذیل است که با نظمی توحیدی، نظام معنایی جامعی را تشکیل می دهند: ذات و اسماء الهی، وسایط الهی، افعال الهی، انسان قبل از دنیا، انسان در دنیا، انسان بعد از دنیا، هدایت انسان به سوی خدا (با ولایت توحیدی، اوصاف اخلاقی و احکام شرعی). برای اثبات معنادار بودن طرح متن کاوی موضوعی، آن را بر سورة «حج ر» (در مدل سوره)، و آیات تفسیری مرتبط با آیة 21 حجر (در مدل آیات مرتبط) اجرا نمودیم، و در ده آزمون داده کاوی برخی ارتباطات معنایی را کشف کردیم، که به دلیل محدودیت گنجایش مقاله، تنها نتیجة معنادار سه آزمون مطرح شده است.

با افزایش روزافزون کاربران اینترنت، این بستر به منبعی غنی از اطلاعات تبدیل شده و با همگانی شدن آن، بیان نظرات و عقاید کاربران در مورد کالا‌ها، سازمان‌ها و اشخاص با سادگی بیشتری انجام می‌شود. با توجه به تحقیقاتی که در سال 2009 انجام گرفت، موثرترین عامل در تصمیم‌گیری مشتریان در خرید الکترونیک، نظرات ارائه شده توسط کاربران در مورد کالا‌ها می‌باشد. ولی با افزایش نظرات کاربران در مورد کالا‌ها تصمیم‌گیری و نتیجه‌گیری از نظرات مشکل شده است. در این پایان نامه مدل جدیدی از نظرکاوی ارائه شده است. در این مدل بر خلاف کارهای گذشته، برای کلمات بیان کننده احساسات، شدت گرایش تعیین می‌شود و در شناسایی گرایش شخص نسبت به یک کالا لحاظ می‌شود. همچنین در این مدل روشی برای تخصیص وزن به ویژگی‌ها ارائه شده است. کارایی مدل پیشنهادی بر روی مجموعه داده تهیه شده از وب سرویس آمازون ارزیابی و با سایر مدل‌ها مقایسه شده است. خلاصه‌سازی با استفاده از مدل پیشنهادی دارای جزئیات دقیق‌تر و کامل‌تر نسبت به مدل‌های گذشته می‌باشد و همچنین شناسایی رتبه کالا از نظرات با استفاده از این مدل نسبت به سایر مدل‌های با دقت بالاتری انجام می‌شود.

نفت به عنوان ماده اصلی تأمین انرژی جهان، همواره از اهمیت‏ ویژه‏ای برخوردار بوده‌است. از این‌رو قیمت‏های آینده نفت یکی از عوامل مهمی است که سیاست‏ها و برنامه‏ریزی‏های دولت‏ها، سازمان‏های بین‏المللی و شرکت‏ها را تحت‏تأثیر قرار می‏دهد. بنابراین پیش‏بینی قیمت نفت از طریق روش‏های اقتصاد سنجی و روش‌های شبکه‌های عصبی مبتنی بر داده‌کاوی و هستی‌شناسی می‏تواند مفید و راه‌گشا باشد.گرچه پیش‏بینی قیمت نفت در بازار بین‏المللی امری مشکل است اما محققان با مدل‏سازی توانسته‏اند به نتایج قابل توجهی دست یابند. دشواری پیش‏بینی قیمت بدون در نظر گرفتن عوامل غیر بنیادی از آنجا ناشی می‏شود که پیش‌بینی این عوامل خود وابسته به پیش‏بینی عوامل بنیادی بازار نظیر تقاضا و عرضه است که به نوبه خود به عوامل دیگری از جمله رشد اقتصادی و عوامل فنی- تکنولوژیکی وابسته‏اند.شناخت بازار نفت و توانایی ارائه پیش‌بینی صحیح از وضعیت قیمت نفت یکی از چالش‌های مهم علمی در سرتاسر جهان است. خصوصاً این مسأله در کشورهایی که اقتصاد آن‌ها وابستگی بیشتری به صنعت نفت دارد (نظیر ایران) از اهمیت ویژه‌ای برخوردار است، چرا که پیش‌بینی صحیح قیمت نفت، تأثیرات مهمی در سیاست‌گذاری‌ها و برنامه‌ریزی‌های اقتصاد کلان کشور خواهد داشت.در این تحقیق از داده‌های سالانه طی دوره‌ی 1980 تا 2009 میلادی استفاده گردیده است. به‌منظور پیش‌بینی قیمت نفت، 25 سال (1980تا 2004) را به عنوان مجموعه آموزش و 5 سال (2005 تا 2009) را به‌عنوان مجموعه آزمایش در نظر گرفته‌ شده است. در این پژوهش ابتدا مناسب‌ترین مدل خودرگرسیو میانگین متحرک مطابق با سری زمانی قیمت نفت برنت و با استفاده از معیارهای آکائیک و شوارتز-بیزین شناسایی شده که نتایج نشان‌دهنده‌ی مدل (1,1)ARMA بر روی لگاریتم قیمت نفت برنت می‌باشد. در تحقیق حاضر جهت بیان دقت مدل از معیارهای خطای میانگین مربعات خطا (RMSE) و میانگین قدر مطلق خطا (MAE) استفاده شده است. سپس به استخراج هستی‌شناسی بازار بین‌المللی نفت پرداخته و با استفاده از داده‌کاوی (خوشه‌بندی) به تحلیل سری زمانی قیمت نفت پرداخته و عوامل موثر بر قیمت نفت شناسایی شدند. این عوامل عبارتند از: ذخایر اثبات شده نفت کشورهای OECD، تولید نفت اوپک، ظرفیت پالایشگاه‌های نفت کشورهای OECD، قیمت طلا و رشد اقتصادی کشورهای گروه7. پس از تحلیل و شناخت بیشتر از بازار نفت، هستی‌شناسی اولیه اصلاح شده و هستی‌شناسی کامل‌تر و مناسب‌تری در مورد بازار نفت بنیان نهاده شد. با توجه به معیارهای خطای بدست آمده مشخص شد که مدل‌های شبکه عصبی مصنوعی دقت بسیار بالاتری نسبت به مدل اقتصادسنجی خودرگرسیو میانگین متحرک در پیش‌بینی قیمت جهانی نفت دارند، هم‌چنین در بین مدل‌های شبکه عصبی، مدلی که از نتایج خوشه‌بندی و هستی‌شناسی اصلاح شده استفاده می‌نماید دقت بیشتری نسبتبه سایر مدل‌ها دارد.

مسئله تصمیم‌گیری و استفاده از سیستم‌های کامپیوتری برای کمک و پشتیبانی‏تصمیم در سازمانهای آموزشی، مسئله جدیدی نیست و لیکن همواره یک مسئله پیچیده و حساس می‌باشد. آموزش به عنوان یک هدف تجاری هم می‌بایستی تصمیم‌های مناسب و موثّر و سریع اتخاذ نماید. استفاده از نگرش‌های جدید، از جمله استفاده از یک سیستم تولید مداوم هوش بر اساس اطلاعات داخل سازمانی و خارج سازمانی، برای کمک به مدیران اینگونه سیستم‌های آموزشی بسیار حیاتی است. در سیستم‏های هوش سازمانی که تاکنون طراحی شده‏اند، امکان استفاده از داده‏های خارجی آن هم به صورت جریانی از داده‏ها، ضمن استفاده از داده‏های داخلی، فراهم نشده است. البته استفاده از داده‏های خارجی و جریانی در یک سیستم هوش سازمانی، چالشهایی را به همراه دارد. تشخیص داده‏های مرتبط با اهداف سازمان و استخراج دانش نهفته در داده‏های جریانی از مهمترین این چالشها می‏باشند. از آنجا که در طراحی سیستم‏های هوش سازمانی متداول، این مسائل در نظر گرفته نشده‏اند، ارائه یک طراحی جدید در این خصوص ضروری می‏باشد. در این رساله طراحی یک سیستم تولید مداوم هوش برای سازمان‏های آموزشی ارائه شده است. آنتولوژی سازمان و کاوش داده‏های جریانی، مهمترین اجزا در طراحی این سیستم می‏باشند. در این تحقیق، سیستم پیشنهادی به صورت محدود پیاده‏سازی شده و مورد ارزیابی قرار گرفته است. در این سیستم کاوش داده‏های جریانی با پیاده‏سازی یکی از الگوریتمهای کاوش اقلام تکراری روی داده‏های جریانی، انجام شده و نحوه اجرای آن در کنار داده‏کاوی داده‏های داخلی نشان داده شده است.

به دلیل افزایش جریان‌های داده‏ای و اطلاعاتی، بحث داده‏آمیزی به عنوان یکی از مهم‏ترین زمینه‌های تحقیقاتی و عملیاتی محسوب می‌شود. در حوزه‏هايي که اطلاعات زيادي وجود دارد و تصميم‏گيري‏هاي ضعيف باعث پيامدهاي جدي مي‏شود، مسئله داده‏آميزي بسيار حياتي است. داده‏آميزي اطلاعات چندين منبع را يکپارچه مي‏کند و اين عمل به منظور فراهم آوردن داده‏هاي مشخص و قابل درک درباره موجوديت‏ها و روابط بين آن‏ها صورت مي‏گيرد و نهايتا منجر به استخراج دانش جديد نيز خواهد شد. با ظهور وب معنایی و همه‌گیر شدن آن، ضرورت درک اطلاعات توسط ماشین بر هیچ کس پوشیده نیست، اين تحقيق برآن است تا تکنولوژی‏های وب معنایی را وارد حوزه داده‏آمیزی نماید. با توجه به اینکه یکی از رايج‏ترين مدل‏هاي داده‏آمیزی، مدل چندسطحی JDL می‏باشد، با افزودن معنا و گنجاندن آنتولوژی و سایر تکنولوژي‏هاي وب معنايي به این مدل، يک ساختار داده‏آمیزی معنايي ارائه می‏شود. ساختار ارائه‏شده، گام مهمی در رفع چالش معنایی، که يکي از چالش‏هاي اصلي موجود در سيستم‏هاي داده‏آمیزی است به حساب می‏آید و نیز ناهمگونی‏های نحوی، ساختاری و معنایی را برطرف خواهد نمود.مدل ارائه‌شده با مباحث مختلف از جمله طراحی آنتولوژی‌ها، داده‏های سنسوری، وارد نمودن زمان در سه-تایی‌های RDF، استخراج قوانین و نمایش آن‌ها به صورت معنایی، انجام استنتاج معنایی، بازیابی داده‌های ذخیره شده در RDFStore روبه رو می‌باشد که در پیاده‌سازی در نظر گرفته می‌شوند.ساختار پیشنهادی از نظر کمی و کیفی مورد بررسی قرار گرفته شده است و ویژگی‌های اصلی آن در مقایسه با سایر سیستم‌های داده‏آمیزی برشمرده می‌شود و همچنین با پیاده‌سازی مدل، نشان داده می‏شود که این مدل قابلیت عملیاتی شدن را دارد و کارایی آن توسط فرد خبره موردتأیید قرار می‏گیرد.

یافتن میزان شباهت اسناد از مسائل مطرح دنیای مملوء از اطلاعات امروز است و در این میان یافتن شباهت میان صفحات وب به مسئله ای جدیدتر در دنیای اطلاعات تحت وب تبدیل شده است. آنچه که در سنجش شباهت بسیار مطرح است، نزدیک بودن صفحه انتخاب شده به عنوان صفحه مشابه صفحه مورد نظر کاربر، به قضاوت انسان یعنی کاربر درخواست کننده، است. طرح حاضر با نوآوری استفاده از هستان شناسی ها و توجه به ساختار صفحات وب و اولویت بندی اجزاء صفحات، در ارزیابی انجام شده توانسته است کارآیی خوبی از خود به نمایش گذارد. در این طرح هستان شناسی نقش یابنده شباهت معنایی دو صفحه را بازی می کند و با استفاده از ساختار صفحات وب که صفحاتی نیمه ساختار یافته اند، مسئله شباهت سنجی بهینه تر گردیده است. چگونگی استفاده از ساختار صفحات وب و اولویت بندی اجزاء آنها، بر اساس عملکرد موتورهای جستجو طراحی شده است و با سنجش عملکرد اولویتهای مختلف اعطاء شده به اجزاء صفحه، ترتیب بهینه ای از این اجزاء درنظر گرفته شده است. برای پیاده سازی و اجرای طرح حاضر برنامه ای نوشته شده است و یک پایگاه داده مناسب از صفحات وب فراهم گردیده، که طرح حاضر و روشهای مشابه، توسط برنامه برروی پایگاه داده اجرا می شود. طرح حاضر در میان روشهای دیگر شباهت سنجی که به دقت انتخاب شده بودند از کارآیی بالاتری برخوردار است.

اهمیت دسته بندی موضوعی صفحات وب باعث شده با پیدایش اولین سایت های اینترنتیشرکت های بزرگی مانند یاهو و AOL به فکر ارائه سرویس های فهرست وب که وب سایت های مختلف را با کمک نیروی انسانی بر اساس موضوع دسته بندی می کند بیفتند. با افزایش روز افزون تعداد صفحات وب و عدم امکان دسته بندی صفحات وب به صورت دستی و همچنین پیدایش کاربرد های دیگری برای دسته بندی خودکار صفحات وب از قبیل فیلترینگ هوشمند و ایجاد نسل آینده موتور های جستجو گر، تحقیقاتی در این زمینه صورت گرفته که متاسفانه تا کنون نتیجه ای مطلوب و کاربردی حاصل نشده است. در اکثر تحقیقات پیشین در زمینه دسته بندی خودکار صفحات وب تنها از یک، دو و یا نهایتا سه مورد از ویژگی های قابل استخراج از صفحات وب استفاده گردیده است. از جمله این ویژگی ها می توان به استفاده از خواص تگ هایHTML از قبیل تگ های متا،عنوان صفحات، تگ های تاکید، پیوند ها و صفحات همسایه، آدرس صفحات ، موقعیت مکانی کلمات و فرکانس تکرار آنها و نیز استفاده از تکنیک های آنتالوژیاشاره کرد. در روش پیشنهادی که در این پایان نامه ارائه شده است بر روی ترکیب این موارد تمرکز شده و نشان داده شده است که استفاده همزمان از ویژگی های مختلف می تواند به افزایش دقت دسته بندی صفحات وب کمک کند.