خوشه بندی، روش داده کاوی قدرتمندی است که جهت کشف موضوع از اسناد متنی مورد استفاده قرار می-گیرد. در این زمینه الگوریتم های خانواده k-means به دلیل سادگی و سرعت بالا، در خوشه بندی داده هایی با ابعاد بالا، کاربرد فراوانی دارند. در این الگوریتم ها، معیار شباهت cosine، تنها شباهت میان زوج اسناد را اندازه گیری می کند که در مواقعی که خوشه ها به خوبی تفکیک نشده باشند، عملکرد مناسبی ندارد. درمقابل، مفاه...

با افزایش اسناد الکترونیکی و رشد سریع شبکه جهانی وب از یک ‏طرف و اهمیت در دسترس بودن اسناد از سویی دیگر، نیاز به دسته‏بندی اسناد وجود دارد. کار دسته‏بندی اسناد به منظور سازماندهی داده‏ها و دانش و همچنین توسعه تشخیص و تفکیک اسناد متنی صورت می‏گیرد. برای دسته‏بندی اسناد به گروه‏های مشخص شده باید از یک معیار سنجش شباهت یا فاصله بین اسناد استفاده شود. در این پایان‏نامه ابتدا تحقیق و مطالعه‏ای روی ...

برخلاف نظریه های سنتی که تجارت را ناشی از مزیت مطلق یا مزیت نسبی یک کشور در تولید کالاها می دانستند یا این که معتقد بودند وفور عوامل با ایجاد مزیت نسبی، کالاهای قابل صدور را برای یک کشور مشخص می کند، لیندر این فرضیه را مطرح می سازد که شباهت تقاضا در کشورها تعیین کننده تجارت آن ها با یکدیگر است. وی سطوح درآمد سرانه را شاخص مشابهت تقاضا در نظر می گیرد. در این مقاله هدف ما آزمون فرضیه لیندر است. ب...

به واسطه قالب نیمه ساختیافته و خاصیت خود توصیف بودن، xml به ابزاری مناسب جهت بازنمایی و تبادل داده روی وب تبدیل گشته و امکان مدل کردن انواع مختلفی از داده ها را فراهم کرده است. با توجه به گسترش روزافزون استفاده از اسناد xml روی وب و اهمیت سازماندهی این اسناد، مطالعه و بررسی این موضوع و ایجاد بهبود روش های خوشه بندی اسناد xml جهت استفاده موثرتر از آنها ضروری می نماید. یکی از مهمترین چالش های موج...

Due to the increasing number of documents, XML, effectively organize these documents in order to retrieve useful information from them is essential. A possible solution is performed on the clustering of XML documents in order to discover knowledge. Clustering XML documents is a key issue of how to measure the similarity between XML documents. Conventional clustering of text documents using a do...

پرس وجوهای مبهم و کوتاه ارسالی به موتور جستجوها، به بازیابی نتایج غیرمرتبط منجر می شود. روش های انطباق پرس وجو سعی می کنند تا پرس وجوها را ابهام زدایی کنند و پرس وجو را با نیازهای اطلاعاتی کاربر منطبق کنند. بسط پرس وجو یکی از روش های انطباق پرس وجو است که سعی دارد کلمات مرتبطی را به پرس¬وجو اضافه کند، که می توان کلمات بسط را به صورت محلی و سراسری انتخاب کرد. بسط پرس وجو معمولا کارایی سامانه های...

بسط پرس‌وجو یکی از روش‌های مؤثر در بهبود اثربخشی نتایج بازیابی اطلاعات است. روش بازخورد شبه‌مرتبط (PRF) فرض می‌کند که اسناد رتبه‌بالا از نتایج اولیه بازیابی‌شده مرتبط به پرس‌وجو است و تعدادی کلمه مرتبط را از اسناد رتبه‌بالا برای بسط انتخاب می‌کند. وجود اسناد نامرتبط در بین اسناد رتبه بالا محققان را به ارائه روش‌هایی برای انتخاب بهترین اسناد به‌عنوان منبع برای انتخاب کلمه بسط سوق می‌دهد که انتخا...

پروتئین ها نقش مهمی در بسیاری از فرآیندهای حیاتی ایفا می کنند. پروتئین ها مولکول های پیچیده ای هستند که از توالی بیست آمینواسید مختلف تشکیل یافته اند. ساختار اول در پروتئین ها همین توالی خطی آمینواسید های خاص در آنها می باشد. دانستن ساختار و کار پروتئین ها دارای کاربرد های مختلفی نظیر طراحی دارو، تشخیص بیماری و حتی بهبود کیفیت محصولات و سوخت های حیاتی مصنوعی می باشد. امروزه با پیشرفت های اخی...

در سال های اخیر، تکنیک های فیلتر محتوایی دانش محور مبتنی بر پایگاه دانش و آنتولوژی به روش هایی کارا و قابل قبول برای فیلتر اطلاعات تبدیل شده اند. در این تحقیق از ساختار آنتولوژی و پایگاه دانش های ویکی پدیا، وردنت و bnc برای عمل فیلتر اسناد، بهبود نمایش اولویت های کاربری و محتوای اسناد و محاسبه شباهت معنایی استفاده می شود. همچنین سامان دهی علایق کاربری و محتوای اسناد در پروفایل ها امکان استخراج ...