پروژه طراحی سیستم های مدرن اطلاعاتی بازشناسی خودکار الگوها

اختصاصی از کوشا فایل پروژه طراحی سیستم های مدرن اطلاعاتی بازشناسی خودکار الگوها دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : word(قابل ویرایش)

تعداد صفحات:71

فهرست مطالب:

فصل اول- مقدمه ۳
۱-۱- شناسایی الگو ۳
شکل۱-۱-نمودار بلوکی یک سیستم شناسایی الگو ۴
۱-۲- کاربردهای بازشناسی الگو ۴
۱-۳- طرح پژوهش ۵
فصل دوم- مروری بر سیتمهای OCR 7
۲-۱-بخشهای مختلف سیستمهای ocr 7
۲-۱-۱- بازشناسی نوری حروف ۷
۲-۱-۴- برخی ویژگی های متون چاپی فارسی از دیدگاه پردازش رایانه ای ۱۰
شکل ۲-۱-۴ . برخی از ویژگی های نگارش زبان فارسی :الف) کلمه خورشید از سه زیرکلمه تشکیل شده؛ ب) چهار شکل مختلف حرف «ع» با توجه به موقعیت آن در کلمه، ج) همپوشانی دو حرف «ح» و «ک» در کلمه «حکم»؛      د) اتصال حروف «ک» و «ا» در دو محل؛ ه)حروف متفاوت با بدنه مشابه؛ و)کشیدگی حرف«ب» در کلمه «با». ۱۱
۲-۱-۵-انواع سیستم های « اُسی آر » از لحاظ نوع الگوی ورودی ۱۲
۲-۱-۶- معرفی بخش های مختلف یک سیستم « اُسی آر » ۱۳
شکل ۲-۱-۶ نمودار بلوکی دیاگرام یک سیستم « اُسی آر » ۱۳
کاهش نویز: ۱۴
شکل ۲-۱-۶-۱ تصویر یک صفحه که کج اسکن شده است ۱۵
ب. نرمالیزه کردن اریب شدگی : ۱۶
د. هموارسازی کانتور: ۱۶
شکل ۲-۱-۶-۲ عملیات نازک سازی بر روی یک تصویر متنی نمونه ۱۷
شکل ۲-۱-۶-۳ قطعه بندی یک کلمه به حروف ۱۹
۲-۱-۶-۴- طبقه بندی و بازشناسی(با یک یا چند طبقه بندی کننده) ۲۲
۲-۱-۶-۵- به کارگیری اطلاعات جانبی(پس پردازش) ۲۲
۲-۲- روشهای مختلف در حوزه بازشناسی اسناد ۲۴
۲-۲-۱- تبدیل سراسری(بسط سری) ۲۴
۱-۱-۲-۲- تبدیلات فوریه(توصیف کننده های فوریه) ۲۴
۲-۱-۲-۲- موجکها ۲۵
شکل ۲-۲-۱-۲ ۲۷
۳-۱-۲-۲- تبدیل گابور ۲۸
شکل ۳-۱-۲-۲ ۲۹
۴-۱-۲-۲- ممانها(گشتاورها) ۳۱
۵-۱-۲-۲ – بسط کارهونن لوئو( K-L ) 32
شکل ۲-۲-۲ ویژگی های جهتی کانتور و ویژگی های نقاط خمش را نشان می دهد. ۳۳
شکل ۲-۲-۲ ۳۳
۳-۲-۲- ویژگیهای هندسی و توپولوژیکی ۳۴
الف – ویژگیهای توپولوژیکی ۳۴
شکل ۲-۲-۳ ۳۵
ب – ویژگیهای هندسی ۳۵
ج – کدگذاری ۳۶
فصل سوم- تکنیک آنالیز اجزای اصلی ۳۷
۱-۳- روشهای کاهش ابعاد ۳۷
۳-۱-۱- روشهای مبتنی بر استخراج ویژگی ۳۸
۲-۳ -تکنیک آنالیز اجزای اصلی(PCA) 39
شکل ۳-۱ انتخاب محورهای جدید برای داده های دو بعدی ۴۰
۱-۲-۳ مفاهیم مقدماتی مورد نیاز در PCA 40
مفاهیم جبر ماتریسها ۴۲
مرحله ۲- کم کردن میانگین از داده ها ۴۳
مرحله ۳- محاسبه ی ماتریس کواریانس ۴۳
مرحله ۵- انتخاب مؤلفه ها و ساختن Feature Vector 45
مرحله ۶- بدست آوردن داده های جدید ۴۶
شکل ۳-۴ داده های بدست آمده از تبدیل PCA با انتخاب مهمترین بردار ویژگی ۴۶
شکل ۳-۵ داده های بازیابی شده از تبدیل PCA با انتخاب مهمترین بردار ویژگی ۴۷
فصل چهارم- شبکه عصبی ۴۸
۱-۴- شبکه عصبی چیست؟ ۴۸
۲-۴- چرا از شبکه های عصبی استفاده می کنیم؟ ۵۰
۳-۴- شبکه عصبی MLP 51
۱-۳-۴- قاعده فراگیری MLP 51
الگوریتم پرسپترون چند لایه ای ۵۲
شکل۴-۸ توانایی پرسپترون ها را در تفکیک   فضاهای دلخواه نشان می دهد. ۵۸
برخی تواناییها و ضعفهای شبکه های عصبی ۶۰
تحمل نقص ۶۱
شکل ۴-۱۰ ۶۱
مشکلات آموزش ۶۱
کاهش ضریب بهره ۶۲
افزایش تعداد گره های داخلی ۶۲
عبارت گشتاور ۶۲
سایر مشکلات آموزش ۶۳
فصل پنجم – پیاده سازی یک نرم افزار  تشخیص خودکار اعداد فارسی ۶۴
شکل۵-۱-۱ ۶۵
۵-۲- مرحله آموزش: ۶۵
۵-۲-۱- چند نکته در رابطه با آموزس شبکه: ۶۵
۵-۴-نتایج ۶۸
فصل ششم- مراجع ۶۹

چکیده:

فصل اول- مقدمه

 پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعه یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. تولید فزاینده اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.

 1-1- شناسایی الگو

شناسایی الگو، شاخه ای از هوش مصنوعی است که با طبقه بندی و توصیف مشاهدات سروکار دارد.شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند.یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر ،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ ویک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست

شکل 1-1 نمودار بلوکی یک سیستم شناسایی الگو را نشان می دهد. همانطوری که از پیکان های برگشتی مشخص است، این بلوک ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که بلوک های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.

نظام کلاسه بندی یا توصیف معمولا مبتنی بر وجود یک مجموعه از الگوهایی است که قبلا کلاسه بندی یا توصیف شده اند. این مجموعه الگوها را مجموعه آموزشی و قانون یادگیری منتج شده را قانون یادگیری باسرپرستی(با نظارت) می نامند همچنین یادگیری میتواند بصورت بدون نظارت باشد و این در حالی است که الگوهایی از قبل به سیستم داده نشده اند و در مقابل، سیستم خود براساس قواعد آماری الگوها، کلاسها را پایه گذاری میکند.

1-2- کاربردهای بازشناسی الگو

بازشناسی الگو در بسیاری از زمینه ها نقش کاربردی دارد . بازشناسی حروف، بازشناسی نویسنده، تصدیق امضاء ، طبقه بندی اثر انگشت و بازشناسی گفتار نمونه هایی از این کاربردها هستند. شناسایی الگو برای تحلیل داده های پزشکی نیز بکار گرفته شده است. برای مثال تفسیر الکتروکاردیوگرام، تحلیل تصاویر و طبقه بندی کروموزمها را میتوان نام برد. نمونه های دیگری از این کاربردها شامل طبقه بندی x اشعه مناطق زراعی، مطالعه آلودگی آبها، آشکار کردن منابع زیرزمینی و پیش بینی آب و هواست. در این نوع کاربردها، تصاویر ارسال شده از ماهواره و تصاویرهوایی به کمک روشهای بازشناسی الگو تفسیر می شوند. بازرسی تصویری و بازشناسی قطعات ماشینی، از کاربردهای صنعتی شناسایی الگو هستند. تحلیل بافت، آشکارسازی هدف در سیگنالهای برگشتی رادار یا سونار، طبقه بندی امواج زلزله و تشخیص ذرات شیمیائی کاربردهای دیگری ازبازشناسی الگو می باشند.

 1-3- طرح پژوهش

در چند دهه گذشته مسأله بازشناسی الگوهای نوشتاری شامل حروف، ارقام و سایر نمادهای متداول دراسناد مکتوب شده به زبانهای مختلف، توسط گروههای مختلفی از محققین مورد مطالعه و بررسی قرار گرفته است. نتیجه این تحقیقات منجر به پیدایش مجموعه ای از روشهای سریع و تا حدزیادی مطمئن بمنظور وارد نمودن اطلاعات موجود دراسناد، مدارک، کتابها و سایر مکتوبات چاپی یا تایپ موسوم بهOCR شده و حتی دستنویس به داخل کامپیوتر شده است. مسئله بازشناسی حروف الفبای فارسی سابقه ای نه چندان طولانی به همراه دارد. نخستین گزارشهای رسمی منتشر شده از تلاشهای انجام گرفته در این راه، مربوط به سالیان نخست دهه 1980 میلادی است.

به رغم فراگیری نسبی کاربرد الفبای فارسی در میان ملل مختلف قاره آسیا،بررسیهای انجام شده در خصوص یافتن روشهایی برای بازشناسی حروف این الفبا بسیار محدود بوده است. بواسطه وجود تفاوتهای اساسی بین نحوه نگارش کلمات فارسی و کلمات لاتین نظیرچسبیده بودن حروف سازنده یک کلمه به یکدیگر و تغییر شکل حروف بر اساس موقعیت نسبی قرارگیری آن در یک کلمه فارسی، امکان اعمال مستقیم روشهای متداول در بازشناسی حروف انگلیسی بمنظور شناسایی حروف تشکیل دهنده کلمات فارسی وجود ندارد.

اکثر کارهای انجام شده در زمینه« اُْسی آر » در رابطه با متون لاتین، چینی و ژاپنی بوده است » نرم افزارهای تجاری « اُْسی آر » لاتین در سالهای اخیر پیشرفت کیفی قابل ملاحظه ای داشته اند. اما« اُْسی آر » فارسی با وجود حجم نسبتاً وسیع تحقیقات دانشگاهی و نیاز شدید بازار تجاری به آن، هنوز هم از جایگاه مورد نظر فاصله بسیاری دارد و تاکنون هیچ سیستم « اُْسی آر » کارآمدی که ازنظر دقت و کیفیت محیط نرم افزاری، قابل مقایسه با سیستم های « اُْسی آر » لاتین باشد، عرضه نگردیده است. در نتیجه ضرورت انجام تحقیقات بیشتر در زمینه متون فارسی و عربی کاملاً احساس می شود.

هدف از انجام این پروژه آزمایش توانایی تکنیک آنالیز اجزای اصلی جهت استخراج ویژگیهای مربوط به ارقام فارسی و کاربرد آن جهت شناسایی است که این امر در فصل آخر محقق شده است. امید است انجام این پروژه افقهایی نو را در مبحث آنالیز اسناد بگشاید.

فصل دوم- مروری بر سیتمهای OCR

 2-1-بخشهای مختلف سیستمهای ocr

در ادامه ماهیت سیستمهای ocr، تاریخچه وبخشهای مختلف آن مورد بررسی قرار میگیرد.

 2-1-1- بازشناسی نوری حروف

اصطلاح « اُْسی آر »به تکنیک هایی اطلاق می شود که در تصاویر اسکن یا فکس شده، نواحی متنی را تشخیص می دهند و سپس این نواحی(تصویری) را به متن قابل ویرایش تبدیل می نمایند .با دستگاهی به نام اسکنر می توان تصویر یک صفحه کاغذ را به صورت یک فایل گرافیکی(تصویری)، به رایانه ارسال و در آن ذخیره نمود. بدین ترتیب کاربر م یتواند با یک نر م افزار مناسب نمایش دهنده تصاویر، تصویر صفحه اسکن شده را بر روی نمایشگر رایانه خود ملاحظه نماید یا آن را چاپ کند؛ اما قادر نخواهد بود که متن موجود در تصویر سند را ویرایش کند یا آن را مورد جستجو قرار دهد . یک نرم افزار « اُْسی آر » تصویر اسکن شده را میخواند، محتویات آن (شامل متن، خطوط، تصاویر،  جداول، …)را شناسایی می نماید، و سپس آن را به یک قالب قابل ویرایش(در واژ ه پردازها) تبدیل می کند. امروزه بیشتر دستگاههای اسکنر به نرم افزارهای « اُْسی آر » مجهز گردیده اند و قادرند متن موجود در یک سند اسکن شده را تشخیص دهند و آن را با همان نحوه قالب بندی، ستون بندی، جدول بندی ونوع فونت مطابق با سند کاغذی اصلی، در قالب یک فایل متنی با قالب بندی مناسب ذخیره نمایند.

استفاده از سیستم های « اُْسی آر » دو مزیت عمده دارد :

الف. افزایش چشمگیر سرعت دسترسی به اطلاعات؛

زیرا در متن بر خلاف تصویر، امکان جستجو و ویرایش وجود دارد.

ب. کاهش فضای ذخیره سازی؛

زیرا حجم فایل متنی استخراج شده از یک تصویر، معمولاً بسیار کمتر از حجم خود فایل تصویری است.

چنین قابلیتی امکان استفاده گسترده از رایانه را در پردازش سریع حجم وسیعی از داد ههای مکتوب شرکت ها و مؤسسات مختلف(نظیر بانک ها، شرکت های بیمه، مؤسسات خدمات عمومی، اداره پست، و دیگر نهادهایی که سالانه با میلیون ها مورد پرداخت، دریافت و حسابرسی امور مشتریان خود مواجه اند) فراهم می آورد.

 2-1-2- تاریخچه سیستم های « اُْسی آر »

از جنبه تاریخی، سیستم های « اُْسی آر » تا کنون سه مرحله تکاملی را پشت سر گذاشته اند

الف. مرحله تکوین(از 1900 تا 1980): رد پای اولیه اقدامات صورت گرفته در زمینه بازشناسی حروف را در سال های اول دهه 1900 می توان یافت و آن زمانی است که « تیورینگ»دانشمند روسی بر آن بود که به افراد مبتلا به نارسایی های بینایی کمک نماید. اولین اختراع های ثبت شده در این زمینه مربوط به سال های 1929و 19 میلادی هستند این سیستمها حروف چاپی را با روش تطابق قالبی شناسایی می کردند؛ به این صورت که ماسک های مکانیکی مختلفی از مقابل تصویر حرف عبور می کردند(مکانیکی) و نور از یکسو به آن تابانده می شد و از سوی دیگر توسط یک آشکارساز نوری دریافت می گردید(اپتیکی). وقتی یک انطباق کامل صورت می گرفت، نور به آشکارساز میرسید و حرف ورودی بازشناسی می شد. این اختراع به دلیل فناوری اپتومکانیکی مورد استفاده در آن، کاربردی نبود. تصور دسترسی به دستگاهی برای بازشناسی حروف تا دهه 1940 میلادی و ظهور رایانه های دیجیتال، به صورت یک رؤیا باقی ماند.

اقدامات اولیه در زمینه بازشناسی حروف، بر متون چاپی یا مجموعه کوچکی از حروف و نمادهای دستنوشت که براحتی قابل تشخیص بودند، متمرکز گردیده بود. سیستم های بازشناسی حروف چاپی که در این مقطع زمانی عرضه شدند، عمدتاً از روش تطابق قالبی استفاده می نمودند که در آن، تصویر ورودی با مجموعه بزرگی از تصاویر حروف، مورد مقایسه قرار م یگرفت. در مورد متون دستنوشت نیز الگوریتم های پردازش تصویر که ویژگی های سطح پایین (ویژگی هایی که مستقیماً و بدون اعمال هیچ تبدیلی، از تصاویر استخراج می شوند) را از تصاویر استخراج می کنند، در مورد تصاویر دوسطحی اعمال می شدند تا بردارهای ویژگی استخراج گردند. سپس این بردارهای ویژگی به طبقه بندی کننده های آماری سپرده می شدند. در این دوره، تحقیقات موفق اما مقید (منظور از مقید، مفروض دانستن شرایط و پی شفرض های خاص برای کاراکترهای ورودی است)، بیشتر بر روی حروف و اعداد لاتین انجام گرفت. با این حال مطالعات چندی نیز بر روی حروف ژاپنی، چینی، عبری، هندی، سیریلیکی، یونانی و عربی در هر دو زمینه حروف چاپی و دستنوشت آغاز گردید. با ظهور صفحات رقومی کننده در دهه 1950 که قادر به تشخیص مختصات حرکتی تجاری نیز امکان عرضه یافتند. این نوآوری سبب شد « اُسی آر » نوک یک قلم مخصوص بودند، سیستم های که محققان بتوانند در زمینه بازشناسی برخط حروف دستنوشت، فعالیت خود را آغاز نمایند. منبع مناسب درباره اقدامات صورت گرفته بر روی بازشناسی برخط حروف تا سال 1980 می باشد.

دانلود پروژه طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها

اختصاصی از کوشا فایل دانلود پروژه طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها دانلود با لینک مستقیم و پرسرعت .

پیدایش علوم و فنون جدید، جوامع بشری را با شکلهای مختلفی از اطلاعات روبرو نموده است. سطح توسعة یک جامعه را می توان با مقدار اطلاعات و دانش تولید شده در آن ارزیابی کرد. تولید فزایندة اطلاعات به شکلهای مختلف صورت می گیرد و با درجات متفاوتی از پیچیدگی همراه میباشد. در نتیجه نیاز به سیستمهای پردازش اطلاعات بصورت روزافزون افزایش می یابد. یکی از مسائل مهم در طراحی سیستمهای مدرن اطلاعاتی، بازشناسی خودکار الگوها است.

1-1- شناسایی الگو[1]

شناسایی الگو، شاخه ای از هوش مصنوعی[2] است که با طبقه بندی و توصیف مشاهدات سروکار دارد.شناسایی الگو به ما کمک میکند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یامشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نمایند.یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر[3] ،که مشاهداتی را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها[4] که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگیها نمایش می دهند)؛ ویک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده داراست.

[1]  Pattern Recognitio

[2] Artificial intelligence

[3] Sensor

[4] Feature extraction

- شناسایی الگو
تکنیک آنالیز اجزای اصلی(
1-2- کاربردهای بازشناسی الگو
شبکه عصبی چیست؟
چرا از شبکه های عصبی استفاده می کنیم؟
شبکه عصبی

فصل اول- مقدمه
فصل چهارم- شبکه عصبی
طرح پژوهش
2-1-بخشهای مختلف سیستمهای
 
روشهای مختلف در حوزه بازشناسی اسناد
روشهای کاهش ابعاد

شامل 66 صفحه فایل word

بررسی رابطه خودکار آمدی با سلامت روانی دانشجویان علوم تربیتی

اختصاصی از کوشا فایل بررسی رابطه خودکار آمدی با سلامت روانی دانشجویان علوم تربیتی دانلود با لینک مستقیم و پرسرعت .

این فایل در قالب ورد و قابل ویرایش در 24 صفحه می باشد.

مقدمه:

سلامت روانی یکی از شاخه های روانشناسی است که از مباحث پر طرفدار به روز و پر رونق این رشته محسوب می شود و به دلیل اهمیت خاصی که دارد بسیاری از علوم مختلف برای شناخت سلامت و یا بیماری روانی در این زمینه هم بخشی و همکاری دارند به عنوان مثال دانشمندان و متخصصین مغز که انتقال دهنده های عصبی را مطالعه و بررسی می کنند در شناخت کارکرد طبیعی و غیر طبیعی مغز کمک می کنند و در راه کشف روشهای درمانی برای برخی شکل های بیماری روانی هستند و یا پژوهش روانشناختی، مربوط به سلامت روانی شامل مطالعه ادراک – پردازش اطلاعات- تفکر- زبان- انگیزش- هیجان- توانایی ها- نگرش ها- شخصیت و رفتار اجتماعی است و نیز پژوهش در علوم اجتماعی متمرکز بر مشکلات افراد دریافت هایی همچون خانواده – محیط بی واسطه – زمینه کاری است چنانچه به گستردگی در فرهنگ نیز هست.

یک نمونه از چنین کاری، پژوهش همدیگر شناسی است که مطالعه وقوع الگوهای بیماری، شامل بیماری روانی – در یک منطقه یا کشور می باشد.

سلامت روانی هم نیازی فردی و هم ضرورتی اجتماعی است. در واقع امری همگانی است که به تمام طبقات و گروهها مربوط می شود (بهداد 1374؛ نقل از احمدوند 1382) با توجه به اینکه هیچ یک از افراد بشر در برابر بیماری های  روانی مصونیت ندارند بهداشت روانی را پیشگیری از بروز بیماریهای روانی و سالم سازی محیط روانی – اجتماعی میدانند تا افراد جامعه بتوانند با برخورداری از تعادل روانی با عوامل محیطی خود رابطه و سازگاری درست برقرار کنند و به هدفهای عالی رشد برسند

مطالعه مشخصاتی (خصوصیاتی) که سازنده سلامت روانی است روانشناسی مثبت خوانده می شود که یکی از این خصوصیات احساس خودکارآمدی می باشد و تحقیقاتی که در این زمینه انجام شده نشان می دهند که بین خودکار آمادی و سلامت روانی ارتباط تنگاتنگی وجود دارد تحقیقی که ملاحظه می کنید در نظر دارد رابطه بین این دو تفسیر را بررسی کند. این تحقیق از 3 فصل به شرح ذیل تشکیل شده است:

فصل اول:

تحت عنوان طرح تحقیق ابتدا به بیان مساله و ضرورت و اهمیتی که این مسأله دارد می پردازد و سپس با ارائه هدف کلی و فرضیه، متغیرهای تحقیق را به صورت نظری و عملیاتی تعریف می کند.

فصل دوم

 پیشینه و ادبیات تحقیق را به طور مفصل بیان می کند.

فصل سوم

روش تحقیق می باشد که در این فصل به شرح روش تحقیق – جامعه آماری- نمونه آماری و روش نمونه گیری- ابزارهای گردآوری اطلاعات و روشهای آماری استفاده شده جهت توصیف و تحلیل داده ها می پردازد.

بهبود مدل کاربر در وب­سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

اختصاصی از کوشا فایل بهبود مدل کاربر در وب­سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه دانلود با لینک مستقیم و پرسرعت .

دانشگاه صنعتی امیرکبیر

دانشکده مهندسی کامپیوتر و فناوری اطلاعات

پایان­­نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش نرم­افزار

بهبود مدل کاربر در وب­سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

155 صفحه در قالب word

چکیده

گرانبار شدن اطلاعات یک مشکل عمده در وب کنونی به شمار می­رود. برای مقابله با این مشکل، سیستم­های شخصی­سازی وب ارائه شده­اند که محتوا و سرویس­های یک وب­سایت را با افراد براساس علایق و رفتار گردشی آن­ها سازگار می­کنند. یک مولفه­ی اساسی در هر سیستم شخصی­سازی وب، مدل کاربر آن است. محتوای صفحات یک وب­سایت را می­توان به منظور ایجاد مدل دقیق­تری از کاربر مورد استفاده قرار داد، اما رویکردهای مبتنی بر کلمات کلیدی نگرش عمیقی از وب­سایت ندارند. اخیرا تحقیقاتی برای ترکیب کردن معنای موجود در وب­سایت در نمایش کاربران آن انجام شده است. تمامی این تلاش­ها یا از یک رده­بندی یا واژگان شناختی خاص و دست ساخته و یا از واژگان­شناختی­های عمومی مانند WordNet برای نگاشت مشاهده صفحات به عناصر معنایی استفاده می­کنند. با این وجود ساختن یک سلسله مراتب از مفاهیم بصورت دستی زمان­بر و هزینه­بر است. از سوی دیگر منابع معنایی لغوی عمومی از پوشش کم عبارات خاص دامنه رنج می­برند. در این پایان نامه ما قصد داریم که هر دوی این نقص­ها را برطرف کنیم. دستاورد اصلی ما این است که مکانیسمی برای بهبود نمایش کاربر در وب­سایت بصورت خودکار و با استفاده از یک منبع معنایی لغوی جامع معرفی می­کنیم. ما از Wikipedia، بزرگ­ترین دایره­المعارف امروزی به عنوان یک منبع غنی معنایی برای بهبود ساخت خودکار مدل برداری از علایق کاربر بهره­برداری می­کنیم. معماری ارائه شده شامل تعدادی مولفه است که عبارتند از: پیش پردازش اولیه، استخراج مفاهیم دامنه­ی وب سایت، استخراج کلمات کلیدی از وب­سایت، سازنده­ی بردار کلمات کلیدی و نگاشت کلمات کلیدی به مفاهیم. دستاورد مهم دیگر استفاده از ساختار وب سایت برای محدود کردن خودکار مفاهیم خاص دامنه می­باشد. سرانجام، آخرین دستاورد آن یک روش جدید نگاشت کلمات کلیدی به مفاهیم است. ارزیابی های ما نشان می­دهد که روش پیشنهادی همراه با منبع معنایی لغوی جامع آن کاربران را بصورت موثرتری نسبت به روش کلمات کلیدی و نیز روش­های بر مبنای WordNet نمایندگی می­کند.

کلمات کلیدی: مدلسازی کاربر، کاوش Wikipedia، تکنیک­های معنایی ، شخصی­سازی وب

فهرست

1- مقدمه 9

مقدمه 13

1-1- دلایل نیاز به شخصی سازی وب.. 13

1-1-1- گرانبار شدن اطلاعات.. 13

1-1-2- نیاز به جذب مشتری پابرجای برای وب سایت.. 14

1-2- تعریف شخصی سازی وب.. 14

1-3- فواید سیستم شخصی سازی وب.. 14

1-4- تفاوت شخصی سازی وب با تطبیق طرح کلی سایت.. 15

1-5- طبقه بندی عملکردهای اصلی شخصی سازی وب.. 15

1-6- نیازمندیهای اصلی سیستم شخصی سازی وب.. 16

1-7- رویکرد های موجود در شخصی سازی وب.. 17

1-8- نقش وب کاوی کاربرد وب در شخصی سازی وب.. 18

1-9- نیاز به استفاده از محتوا در شخصی سازی وب.. 19

1-10- نیاز به استفاده از معنا در شخصی سازی وب.. 19

1-11- هدف پروژه 21

1-12- نحوه ی گردآوری مراجع. 21

1-13- رویکرد بکار رفته در تحقیق. 21

1-14- ساختار پایان نامه 22

مراجع. 22

2- مطالب پیش زمینه 25

مقدمه 25

2-1- شخصی سازی وب براساس وب کاوی کاربرد وب.. 25

2-1-1- آماده سازی و مدلسازی داده 28

2-1-1-1- منابع و انواع داده 29

2-1-1-1-1- داده های کاربرد 29

2-1-1-1-1-1- فرمت های ثبت.. 30

2-1-1-1-1-2- منابع داده های کاربرد 32

2-1-1-1-2- داده های محتوا 36

2-1-1-1-3- داده های ساختار 37

2-1-1-1-4- داده های کاربران. 37

2-1-1-2- آماده سازی و پیش پردازش داده ها 38

2-1-1-2-1- پاکسازی داده ها 38

2-1-1-2-2- شناسایی کاربر. 40

2-1-1-2-3- تشخیص مشاهده صفحه 41

2-1-1-2-4- تشخیص جلسه ی کاربر. 42

2-1-1-2-5- تکمیل مسیر. 43

2-1-1-2-6- تشخیص تراکنش... 44

2-1-1-2-7- پیش پردازش نهایی داده های کاربرد 46

2-1-1-2-8- یکپارچه سازی داده ها از منابع گوناگون. 47

2-1-2- کشف الگو از داده های کاربرد وب.. 48

2-1-2-1- سطوح و انواع تحلیل. 48

2-1-2-2- وظایف داده کاوی بر روی داده های کاربرد وب.. 49

2-1-2-2-1- کاوش قواعد انجمنی. 50

2-1-2-2-2- کشف الگوهای ترتیبی. 52

2-1-2-2-3- خوشه بندی. 57

2-1-3- استفاده از الگوهای کشف شده جهت شخصی سازی وب.. 61

2-1-4- زمینه های تحقیقاتی شخصی سازی وب.. 61

2-2- منابع معنایی لغوی. 63

2-2-1- فرهنگ لغت.. 63

2-2-2- فرهنگ های جامع. 63

2-2-3- واژگان شناختی و رده بندی. 64

2-2-3-2- رده بندی. 67

2-2-3-3- واژگان شناختی ها و رده بندی های موجود 67

2-2-3-3-1- واژگان شناختی های مربوط به یک دامنه ی خاص... 68

2-2-3-3-2- واژگان شناختی های عمومی. 68

2-2-3-3-2-1- CYC و OpenCYC.. 68

2-2-3-3-2-2- WordNet 68

2-2-3-3-2-3- دایرکتوری های وب.. 70

2-2-3-4- زبان های نمایش واژگان شناختی. 71

2-2-4- فرهنگ های عمومی. 72

2-2-4-1- Wikipedia. 72

2-2-4-1-1- نقاط ضعف و قوت Wikipedia. 74

2-2-4-1-2- ساختار Wikipedia. 75

2-2-4-1-3- انواع اطلاعات معنایی لغوی در Wikipedia. 76

2-2-5- نتیجه گیری. 78

مراجع. 80

3- کارهای انجام شده در زمینه مدلسازی کاربر در شخصی سازی وب با استفاده از محتوای وب.. 85

مقدمه 85

3-1- تکنیک های مورد استفاده 86

3-1-1- تکنیک tf-idf 86

3-1-2- تکنیک تحلیل معنایی پنهان. 86

3-1-3- تکنیک های مربوط به محاسبه ی ارتباط معنایی دو کلمه 87

3-1-3-1- معیارهای ارتباط معنایی مهم در ساختارهای سلسله مراتبی. 87

3-1-3-1-1- رویکردهای مبتنی بر مسیر. 88

3-1-3-1-2- رویکردهای مبتنی بر محتوای اطلاعات.. 88

3-1-3-1-3- رویکردهای مبتنی بر همپوشانی متن. 89

3-1-3-2- رویکردهای محاسبه ی ارتباط معنایی دو کلمه برای روابط غیر رابطه ی هست.. 89

3-1-3-3- کارهای انجام شده در مورد محاسبه ی ارتباط معنایی دو کلمه در Wikipedia. 90

3-2- رویکردهای انجام شده در زمینه ی مدلسازی کاربر در وب سایت با استفاده از محتوای صفحات   91

3-2-1- رویکردهای بر مبنای کلمات کلیدی. 92

3-2-2- رویکردهای معنایی. 92

3-2-2-1- روش های آماری. 93

3-2-2-2- روش های مبتنی بر سلسله مراتب.. 94

جمع بندی. 100

مراجع. 101

4- روش پیشنهادی. 106

مقدمه 106

4-1- تعریف مساله 106

4-2- طراحی روش جدید. 106

4-2-1- مولفه ی پیش پردازش اولیه ی ثبت.. 107

4-2-2- مولفه ی استخراج کلمات کلیدی از صفحات وب سایت.. 107

4-2-3- مولفه ی استخراج مفاهیم دامنه از وب سایت.. 111

4-2-4- مولفه ی سازنده ی بردار کلمات کلیدی. 113

4-2-5- مولفه ی نگاشت.. 115

4-6- دیاگرام های UML قسمت های اصلی سیستم. 117

4-7- بررسی تطابق طرح پیشنهادی با صورت مساله 117

جمع بندی. 119

مراجع. 119

5- جزئیات پیاده سازی. 121

مقدمه 121

5-1- مولفه ی پیش پردازش اولیه ی ثبت.. 121

5-1-2- نحوه ی دریافت ثبت وب سرور 121

5-2- مولفه ی استخراج کلمات کلیدی از صفحات وب سایت.. 123

5-3- مولفه ی استخراج مفاهیم دامنه از وب سایت.. 125

5-4- مولفه ی سازنده ی بردار کلمات کلیدی. 125

5-5- مولفه ی نگاشت.. 125

5-6- پیاده سازی آزمایشات.. 125

جمع بندی. 126

مراجع. 126

6- ارزیابی روش پیشنهادی. 129

مقدمه 129

6-1- مجموعه داده ها 129

6-2- پارامترهای ارزیابی. 130

6-3- بررسی درستی مولفه های سیستم. 131

6-4- آزمایشات انجام شده 131

6-4-1- سخت افزار مورد استفاده 132

6-4-2- نتایج آزمایشات.. 132

6-4-3- تحلیل نتایج آزمایشات.. 132

جمع بندی. 133

مراجع. 133

7- نتیجه گیری و کارهای آینده 136

مقدمه 136

7-1- نتایج حاصل از پروژه 136

7-2- دستاوردهای پروژه 136

7-3- کارهای آینده 137

مراجع. 139

واژه نامه 145

1- مقدمه

در این فصل دلیل پرداختن به موضوع پروژه و صورت مساله آن مورد بررسی قرار می­گیرد. برای این منظور ابتدا مقدماتی در رابطه با شخصی­سازی وب، دلیل مطرح شدن آن، مولفه های اصلی و مشکلات آن به اختصار مطالبی ارائه می­شود. در این میان به لزوم استفاده از معنا در فرآیند شخصی­سازی وب اشاره شده و مدل کاربر به عنوان یک مولفه از سیستم شخصی­سازی وب به منظور بهبود با استفاده از معنا مورد انتخاب قرار می­گیرد. سپس مساله­ای که پایان نامه سعی در حل آن دارد مطرح می­گردد. در انتها رویکرد بکار رفته در تحقیق و ساختار پایان نامه ارائه می­شود.

1-1- دلایل نیاز به شخصی­سازی وب 1-1-1- گرانبار شدن اطلاعات

وب جهانی منبعی عظیم از اطلاعات را فراهم آورده است. در بررسی­های گوناگون انجام شده در زمینه­ی گسترش وب تخمین زده شده است که روزانه بیش از یک میلیون صفحه به وب اضافه می­شود و بیش از 600 گیگابایت از صفحات در هر ماه تغییر می­کنند[Nasraoui 2008] و[Achananuparp 2007] . این پدیده که گرانبار شدن اطلاعات نامیده می­شود مشکلاتی را برای کاربران وب بوجود آورده است.

از مهم­ترین این مشکلات عدم دسترسی آسان به اطلاعات مورد نیاز می­باشد. در این انباره­ی عظیم کاربران در یافتن اطلاعات مورد نیاز خود در زمان مناسب و بصورت آسان دچار مشکل هستند زیرا از یک سو باید میزان ربط هر صفحه را با نیاز خود بررسی کنند و از سوی دیگر باید صفحات را از نظر میزان قابلیت اعتماد ارزیابی کنند.

برای رفع این مشکل در دهه­های اخیر سیستم­های بازیابی اطلاعات و به تبع آن موتورهای جستجو ایجاد شدند که محتوای صفحات وب را اندیس­گذاری می­کنند و صفحات مرتبط با پرسش کاربر را برمی­گردانند اما این تکنولوژی­ها دو مشکل دارند:

• حجم اطلاعاتی که موتورهای جستجو به کاربر تحویل می­دهند بسیار بیشتر از آن است که قابل پردازش توسط کاربر باشد.
• بیشتر موتورهای جستجوی معروف موجود در وب تنها از محتوای صفحات و ساختار ارتباطی موجود بین آن­ها برای ارزیابی میزان ربط صفحات با پرسش کاربر استفاده می­کنند. از این رو برایشان اهمیت ندارد که پرسش توسط چه کسی و با چه علایق و دانش پیش­زمینه­ای وارد شده است. نتیجه آنکه صفحات بازیابی شده برای دو کاربر با علایق متفاوت و با پرسش یکسان مجموعه­ی یکسانی از صفحات وب می­باشد.

1-1-2- نیاز به جذب مشتری پا­بر­جای برای وب­سایت

ظهور سرویس­های مبتنی بر وب مانند تجارت الکترونیکی، یادگیری تحت وب و بانکداری الکترونیکی موجب تغییرات اساسی در روش استفاده از اینترنت شده است و وب­سایت ها را به محیطی برای تجارت تبدیل کرده است و موجب افزایش رقابت بین آن­ها شده است. با وجود رقبایی که تنها یک کلیک از وب­سایت مورد نظر فاصله دارند نیاز به افزودن خدمات اضافی به سرویس­های وب به عنوان لازمه­ی ایجاد مشتری پابرجای به وضوح احساس می­شود. این خدمات اضافی تنها با تمرکز بر نیازها و علایق فردی مشتریان و فراهم کردن سرویس­ها و محصولات متناسب با آن­ها امکان­پذیر است.

1-2- تعریف شخصی­سازی وب

هر اقدامی که اطلاعات یا سرویس­های فراهم شده توسط یک وب­سایت را با نیازهای یک کاربر یا گروه خاصی از کاربران با بکارگیری دانش بدست آمده از رفتار گردشی کاربر و علایق خاص او بصورت ترکیب با محتوا و ساختار وب­سایت سازگار می­کند شخصی­سازی وب نامیده می­شود. [Eirinaki 2003 a]

هدف یک سیستم شخصی­سازی وب عبارت است از فراهم کردن اطلاعات دلخواه یا مورد نیاز کاربران بدون درخواست صریح آن­ها.

1-3- فواید سیستم شخصی­سازی وب

• شخصی­سازی سرویس­های ارائه شده توسط یک وب­سایت نقش مهمی در کاهش گرانبار شدن اطلاعات ایفا می­کند و وب­سایت را به یک محیط کاربرپسندتر برای افراد تبدیل می­کند.
• با فراهم کردن اطلاعات دلخواه کاربر به روش مناسب و در زمان مناسب باعث بهبود گردش کاربر در وب­سایت می­شود.
• در تجارت الکترونیکی مکانیسمی برای درک بهتر نیازهای مشتری، شناسایی تمایلات آینده­ی او و در نهایت افزایش پابرجایی مشتری به سرویس ارائه شده فراهم می­کند.

1-4- تفاوت شخصی­سازی وب با تطبیق طرح کلی سایت

در تطبیق طرح کلی وب، کاربر ساختار و نحوه­ی ارائه­ی وب­سایت را براساس ترجیحات خود تنظیم می­کند. هر زمان که کاربر ثبت شده به سایت ورود می­کند صفحه­ی تطبیق داده شده به او ارائه می­شود. نمونه­ای از این سیستم­ها MyYahoo [My Yahoo] می­باشد. این فرایند یا بصورت دستی و یا بصورت نیمه­خودکار انجام می­شود. درحالی که در سیستم­های شخصی­سازی چنین تغییراتی بصورت پویا انجام می­شود.

1-5- طبقه­بندی عملکردهای اصلی شخصی­سازی وب

یک سیستم شخصی­سازی وب می­تواند عملکردهای گوناگونی از یک خوشامدگویی ساده گرفته تا عملکردهای پیچیده­تری مانند تحویل یک محتوای شخصی­سازی شده در اختیار قرار دهد. این عملکردها به چند دسته تقسیم می­شوند[Pierrakos 2003] :

• به­ خاطرسپاری

ساده ترین عملکرد است که در آن سیستم، اطلاعات مربوط به کاربر از قبیل نام و سابقه­ی مرور او را ذخیره می­کند. هنگامی که کاربر به وب­سایت برمی­گردد این اطلاعات بدون هیچ پردازش دیگری مورد استفاده قرار می­گیرند. از جمله­ی این عملکردها عبارتند از:

• خوشامدگویی به کاربر
• نشان کردن صفحات برای کاربر
• حقوق دسترسی شخصی­سازی شده
• راهنمایی

عملیات شخصی­سازی­ای که به منظور کمک­رسانی به کاربر به منظور دریافت سریع اطلاعات مورد نیاز خود در وب­سایت و نیز فراهم کردن مرورهای جایگزین برای او انجام می­شود در این دسته قرار می­گیرند. نمونه هایی از این عملکردها عبارتند از:

• توصیه­ی لینک
• آموزش کاربر

• تطبیق

تغییر محتوا، ساختار و طرح کلی صفحات با در نظرگرفتن دانش، ترجیحات و علایق کاربر. مثال­هایی از این عملکردها عبارتند از:

• طرح کلی شخصی­سازی شده
• تطبیق محتوا
• تطبیق لینک ها
• قیمت­گذاری شخصی­سازی شده
• تمایز شخصی­سازی شده بین محصولات
• پشتیبانی اجرای وظیفه

این طبقه پیشرفته­ترین طبقه از اعمال شخصی­سازی است که شامل اجرای یک عمل خاص از طرف کاربر(و بدون دخالت او) می­باشد. از جمله این عملکردها می­توان به موارد زیر اشاره کرد:

• پیغام­رسانی شخصی­سازی شده
• تکمیل شخصی­سازی شده­ی پرسش
• مذاکره­ی شخصی­سازی شده

1-6- نیازمندی­های اصلی سیستم شخصی­سازی وب

عملکردهای سیستم شخصی­سازی وب نیازمندی­هایی را در طراحی آن مطرح می­کنند. توضیحات مفصل در مورد هر یک در فصل دوم ارائه شده است. این نیازمندی ها عبارتند از:

• مشخصات دامنه

عملکرد ارائه شده توسط سیستم شخصی­سازی حساس به دامنه می­باشد. از این رو مشخصات دامنه باید بصورت دقیق توصیف شود.

• شناسایی کاربر

سیستم شخصی­سازی در تعامل مستقیم با کاربر قرار دارد و از رفتار او کسب اطلاع می­کند. از این رو باید مکانیسم مناسبی جهت شناسایی و تمایز کاربران داشته باشد.

• دریافت کارای داده­های کاربران

سیستم شخصی­سازی باید قادر به جمع­آوری تمامی داده­های مربوط به کاربران باشد. نوع و حجم این داده­ها بستگی به عملکردهای سیستم دارد.

• آماده­سازی داده­ها

داده­های جمع­آوری شده باید پیش­پردازش شوند تا نویز آن­ها حذف شود و نیز به فرمت مناسبی تبدیل شوند.

• ساخت کارای مدل کاربر

مولفه­ی اصلی سیستم شخصی­سازی مدل کاربر می­باشد که شامل اطلاعاتی است که سیستم درباره­ی علایق، دانش، اهداف و ترجیحات کاربر نگهداری می­کند. ساخت مدل می­تواند بصورت دستی یا خودکار انجام شود.

• موضوعات مربوط به خصوصی­بودن

اطلاعات کاربر باید در تمام مدت محفوظ بماند و کاربر باید از نحوه­ی جمع­آوری و استفاده از آن آگاه باشد.

1-7- رویکرد های موجود در شخصی سازی وب

سیستم های موجود در شخصی سازی وب را می­توان در سه رویکرد دسته­بندی کرد [Dai 2005] که در این قسمت به اختصار هر یک را شرح می­دهیم.

• سیستم های بر مبنای قانون تصمیم بصورت دستی

براساس این رویکرد یک سرویس وب از طریق دخالت دستی طراح آن و معمولا با همکاری کاربر شخصی­سازی می­شود. معمولا مدل های کاربر ایستا از طریق یک فرایند ثبت نام بدست می­آیند و تعدادی قانون بصورت دستی در مورد این که محتوای وب چگونه به کاربرهای با مدل های متفاوت تحویل داده شود تعیین می­شود. نمونه­ای از این سیستم ها Websphere Personalization شرکت IBM می­باشد.

این سیستم ها نیاز به حجم قابل توجهی فعالیت بصورت دستی در ساخت و نگهداری نیاز دارند. علاوه بر این معمولا نیاز به همکاری کاربر دارند که امر مطلوبی در شخصی­سازی نمی­باشد.

• سیستم های فیلترکننده بر مبنای محتوا

این سیستم ها از پروفایل کاربران استفاده می­کنند و صفحات یا اقلام جدیدی را براساس شباهت محتوایی آن­ها با صفحات و اقلامی که در پروفایل کاربر موجود است به کاربر توصیه می­کنند. مکانیسم معمول در این سیستم ها معمولا مقایسه­ی کلمات کلیدی نشان­دهنده­ی صفحات یا توصیف اقلام است. نمونه هایی از این سیستم ها عبارتند از Letizia و WebWatcher.

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

بهبود مدل کاربر در وب سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

اختصاصی از کوشا فایل بهبود مدل کاربر در وب سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه دانلود با لینک مستقیم و پرسرعت .

پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش نرم افزار

گرانبار شدن اطلاعات یک مشکل عمده در وب کنونی به شمار می­رود. برای مقابله با این مشکل، سیستم­های شخصی­سازی وب ارائه شده­اند که محتوا و سرویس­های یک وب­سایت را با افراد براساس علایق و رفتار گردشی آن­ها سازگار می­کنند. یک مولفه­ی اساسی در هر سیستم شخصی­سازی وب، مدل کاربر آن است. محتوای صفحات یک وب­سایت را می­توان به منظور ایجاد مدل دقیق­تری از کاربر مورد استفاده قرار داد، اما رویکردهای مبتنی بر کلمات کلیدی نگرش عمیقی از وب­سایت ندارند. اخیرا تحقیقاتی برای ترکیب کردن معنای موجود در وب­سایت در نمایش کاربران آن انجام شده است. تمامی این تلاش­ها یا از یک رده­بندی یا واژگان شناختی خاص و دست ساخته و یا از واژگان­شناختی­های عمومی مانند WordNet برای نگاشت مشاهده صفحات به عناصر معنایی استفاده می­کنند. با این وجود ساختن یک سلسله مراتب از مفاهیم بصورت دستی زمان­بر و هزینه­بر است. از سوی دیگر منابع معنایی لغوی عمومی از پوشش کم عبارات خاص دامنه رنج می­برند. در این پایان نامه ما قصد داریم که هر دوی این نقص­ها را برطرف کنیم. دستاورد اصلی ما این است که مکانیسمی برای بهبود نمایش کاربر در وب­سایت بصورت خودکار و با استفاده از یک منبع معنایی لغوی جامع معرفی می­کنیم. ما از Wikipedia، بزرگ­ترین دایره­المعارف امروزی به عنوان یک منبع غنی معنایی برای بهبود ساخت خودکار مدل برداری از علایق کاربر بهره­برداری می­کنیم. معماری ارائه شده شامل تعدادی مولفه است که عبارتند از: پیش پردازش اولیه، استخراج مفاهیم دامنه­ی وب سایت، استخراج کلمات کلیدی از وب­سایت، سازنده­ی بردار کلمات کلیدی و نگاشت کلمات کلیدی به مفاهیم. دستاورد مهم دیگر استفاده از ساختار وب سایت برای محدود کردن خودکار مفاهیم خاص دامنه می­باشد. سرانجام، آخرین دستاورد آن یک روش جدید نگاشت کلمات کلیدی به مفاهیم است. ارزیابی های ما نشان می­دهد که روش پیشنهادی همراه با منبع معنایی لغوی جامع آن کاربران را بصورت موثرتری نسبت به روش کلمات کلیدی و نیز روش­های بر مبنای WordNet نمایندگی می­کند.

کلمات کلیدی: مدلسازی کاربر، کاوش Wikipedia، تکنیک­های معنایی ، شخصی­سازی وب

دانشگاه صنعتی امیرکبیر    –   دانشکده مهندسی کامپیوتر و فناوری اطلاعات   –  پایان­­نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش نرم­افزار

بهبود مدل کاربر در وب­سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

نگارش: آقای قادریان

 استاد:دکتر احمد عبداله زاده بارفروش

#پایان #نامه #کارشناسی_ارشد #رشته #مهندسی #کامپیوتر #گرایش #نرم_افزار

#کلمات #کلیدی:مدلسازی_کاربر، کاوش_Wikipedia، تکنیک­های_معنایی ، شخصی­سازی_وب

#دانشگاه_صنعتی_امیرکبیر    –   #دانشکده_مهندسی_کامپیوتروفناوری_اطلاعات   –  #پایان­­نامه_کارشناسی_ارشد #رشته_مهندسی_کامپیوتر#گرایش_نرم­افزار

#بهبود مدل کاربر در وب­سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

#نگارش: #آقای_قادریان

#استاد_دکتر_احمد_عبداله_زاده_بارفروش