Thesis

خوشه بندی اسناد xml با استفاده از جنبه های مختلف اسناد

Abstract(in Persian; no English abstract is available)

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 موجود در این زمینه، کاوش حجم عظیمی از اسناد ناهمگن xml با در نظر گرفتن معنای ساختاری در کنار ساختار و محتوای اسناد می باشد. استخراج ویژگی های مهم، مدل کردن و ترکیب ساختار و محتوای اسناد با در نظر گرفتن معنای ساختاری درون اسناد به منظور کاوش سریع و خوشه بندی کارآمد روی مجموعه اسناد xml ناهمگن در زمانی قابل قبول، به عنوان هدف اصلی این پژوهش تلقی می شود. اساس خوشه بندی اسناد xml بر مبنای استفاده از معیاری است که تعیین کننده میزان شباهت بین اسناد می باشد که این شباهت می تواند از جنبه ساختار، محتوا، مفهوم و یا ترکیبی از هر یک از آنها باشد. سپس با اعمال الگوریتم های خوشه بندی متداول و یا بهبود یافته آنها، گروه بندی اسناد صورت می گیرد. در این تحقیق در راستای رفع چالش های مطرح شده روشی جهت استخراج ویژگی های ساختاری مبتنی بر مفهوم فرکانس مسیر-واژه و با در نظر داشتن معنای نهان در ساختار اسناد، به همراه ضرایبی جهت وزن دهی این ویژگی ها ارائه شده است. سپس دو روش مجزا جهت خوشه بندی اسناد xml ارائه شده است. در روش اول یک الگوریتم خوشه بندی نیمه نظارتی مبتنی بر شبکه عصبی som پیشنهاد گشته و در روش دوم که روشی فاقد نظارت است با تعریف معیار شباهت مبتنی بر برچسب ها و یال ها، الگوریتم های islb و eislb جهت خوشه بندی اسناد ارائه گردید. روش های پیشنهادی به صورت مجزا با استفاده از دو مجموعه داده ی acm sigmod و niagara مورد ارزیابی و با روش های متفاوت فاقد نظارت اعمال شده روی همین مجموعه داده ها مورد مقایسه قرار گرفته است. نتایج بدست آمده از آزمون ها حاکی از آن است که روش اول روشی مناسب در روش های نیمه نظارتی محسوب می شود ضمن اینکه روش دوم علاوه بر اینکه نسبت به روش اول نتایج بهتری بدست آورده نسبت به روش های موجود نیز عملکرد بهتری بدست آورده است.

Supervisors and advisors

محمدرضا کیوانپور

Similar theses

  • خوشه بندی اسناد xml به منظور کشف دانش

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده فنیعلی مرادی لالمی

    امروزه اطلاعات موجود بر روی وب به سرعت در حال افزایش است و حجم بسیار زیادی از این اطلاعات در قالب xml ارائه شده است. یکی از مزایای اصلی استفاده از xml، نمایش داده های غیر ساخت یافته است که قابلیت های بسیاری را در اختیار کاربران قرار می دهد. ویژگی غیر ساخت یافته بودن اطلاعات و انع

  • ارتقاء کیفیت سیستم های بازیابی اطلاعات متنی با استفاده از الگوریتم های خوشه بندی اسناد

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شاهد - دانشکده فنی و مهندسیمحسن خزایی

    سیستم های بازیابی اطلاعات، با استفاده از یک استراتژی بازیابی خودکار تلاش می کنند اسناد مرتبط بیشتری را برای کاربر نمایان ساخته به نحوی که تا حد ممکن هیچ سند غیر مرتبطی بازیابی نگردد. در شاخه بازیابی اطلاعات، ارزیابی سیستم بازیابی اطلاعات نقشی اساسی ایفا می کند. در این خصوص، ارزیا

  • خوشه بندی اسناد مبتنی بر آنتولوژی و رویکرد فازی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه بوعلی سینا - دانشکده مهندسیمریم امیری

    داده کاوی که به عنوان استخراج دانش از پایگاه داده ها نیز شناخته می شود، روالی برای استخراج دانش ناشناخته از مقدار زیادی داده است. کاوش اسناد بر اساس روش های داده کاوی به استخراج اطلاعات و دانش از اسناد می پردازد. خوشه بندی اسناد یکی از مهمترین روش های کاوش اسناد است که دسته بندی

  • خوشه بندی اسناد متنی مبتنی بر مفاهیم همسایگی و شباهت معنایی

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهدملیحه دانش

    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

  • خوشه بندی اسناد متنی الکترونیکی بر اساس دانش پس زمینه و وزن دهی ابعاد و مفاهیم

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شیخ بهایی - دانشکده مهندسیمحمد زنجانی

    خوشه بندی یا دسته بندی بدون نظارت با سازمان دهی پیکره های بزرگ متنی، نقش کلیدی در پیمایش و مرور آسان انبوهی از متون دارد. نقش این سازمان دهی در موتورهای جستجو برای ارائه خوشه های معنادار مرتبط با پرس و جو، جهت پیشگیری از سردرگمی کاربر در حجم عظیمی از اسناد بازیابی شده بیشتر نمایا

  • بررسی مسئله خوشه بندی فازی با استفاده از الگوریتم کلونی زنبور عسل مصنوعی اصلاح شده

    Thesis2013وزارت علوم، تحقیقات و فناوری - دانشگاه سیستان و بلوچستان - دانشکده ریاضیشکوفه خوش نظر

    یکی از محبوب ترین مسائل یادگیری بدون نظارت که اخیرا مطرح شده، خوشه بندی فازی بر پایه روش های هوش جمعی است. در این پژوهش یک روش خوشه بندی فازی بر پایه نسخه اصلاح شده ای از الگوریتم کلونی زنبور عسل مصنوعی معرفی شده است. به این منظور، ایده طول متغیر کروموزوم برای الگوریتم کلونی زنبو

Similar items

  • خوشه بندی اسناد مبتنی بر آنتولوژی و رویکرد فازی

    Articleفناوری اطلاعات و ارتباطات ایرانایمان آریانیان

    داده کاوی که به عنوان استخراج دانش از پایگاه داده ها نیز شناخته می شود، روالی برای استخراج دانش ناشناخته از داده است. کاوش اسناد بر اساس روش های داده کاوی به استخراج اطلاعات و دانش از اسناد می پردازد. خوشه بندی اسناد یکی از مهمترین روش های کاوش اسناد است که دسته بندی بدون سرپرست

  • اثربخشی بسط پرس وجو مبتنی بر خوشه بندی اسناد شبه بازخورد با الگوریتم k-nn

    Articleمهندسی برق دانشگاه تبریزرضا خدایی, دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر محمدعلی بالافر, دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر سیدناصر رضوی, دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر

    بسط پرس وجو یکی از روش های مؤثر در بهبود اثربخشی نتایج بازیابی اطلاعات است. روش بازخورد شبه مرتبط (prf) فرض می کند که اسناد رتبه بالا از نتایج اولیه بازیابی شده مرتبط به پرس وجو است و تعدادی کلمه مرتبط را از اسناد رتبه بالا برای بسط انتخاب می کند. وجود اسناد نامرتبط در بین اسناد

  • پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM

    چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه

  • پویاسازی خوشه بندی مشتریان با استفاده از روش dea-da در بستر شبکه عصبی مصنوعی som

    Articleمطالعات مدیریت صنعتیعلی بنیادی نائینی، استادیار دانشکده مهندسی پیشرفت، دانشگاه علم و صنعت ایران سعید یوسفی، کارشناسی ارشد مدیریت صنعتی دانشگاه علامه طباطبایی محمدعلی فائضی راد، دانشجوی دکتری مدیریت تحقیق در عملیات، دانشگاه فردوسی مشهد

    چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه

  • ارائه یک شاخص اعتبار خوشه بندی جدید با استفاده از معیار فاصله جاکارد

    Article2012مطالعات مدیریت صنعتیمحمد حسین فاضل زرندی، سولماز غضنفر اهری، نادر غفاری نسب

    تخمین تعداد بهینه خوشهها در دسته بندی بدون نظارت دادهها، از زمینههای چالش برانگیز برایمحققان در سالهای اخیر بوده که منجر به ارائه شاخص های اعتبار خوشه بندی متعدد شده است. اینشاخصها اغلب از دو معیار فشردگی و جدایش برای ارزیابی خوشه بندی انجام شده استفادهکه توسط ECAS می کنند. در ای

  • بسط پرس وجو با خوشه بندی اسناد شبه بازخورد با شباهت حساس به پرس وجو

    بسط پرس‌وجو به‌عنوان یکی از روش‌های انطباق پرس‌وجو، اثربخشی جستجو را در بازیابی اطلاعات افزایش می‌دهد. بازخورد شبه مرتبط (PRF) روشی برای بسط پرس‌وجو است که فرض می‌کند اسناد رتبه بالا از نتایج اولیه مرتبط به موضوع پرس‌وجو هستند و کلمات بسط را از این اسناد انتخاب می‌کند. درحالی‌که