2-1-۲-۲. فاکتورهای امتیاز دهنده …………………………………………………………………………… 24

2-1-۳-۲-۱. مشابهت نحوی…………………………………………………………………………………. 24

2-1-۳-۲-۱. مشابهت معنایی……………………………………………………………………………….. 25

2-1-۳-۲-۱. بارز بودن…………………………………………………………………………………………… 25

2-1-۳. روش‏های یادگیری ماشین…………………………………………………………………………………….. 27

2-1-۳-۱. ویژگی‏ها………………………………………………………………………………………………………. 28

2-1-۳-۲. مدل‏های جفت اشاره………………………………………………………………………………….. 28

2-1-۳-۲-۱. رده بندی جفت عبارت‏های اسمی………………………………………………….. 32

2-1-۳-۲-۱-1. درخت تصمیم………………………………………………………………………… 33

2-1-۳-۲-۲.افراز……………………………………………………………………………………………………… 35

2-1-۳-۲-۲-۱.درختِ بل………………………………………………………………………………….. 36

2-1-۳-۲-۲-۲. افراز گراف……………………………………………………………………………….. 38

2-1-۳-۳. روش‏های مبتنی بر پیکره……………………………………………………………………………… 40

2-1-۳-۴. روش‏های جایگزین…………………………………………………………………………………………. 44

2-1-۳-۴-۱. روش هم‏آموزی…………………………………………………………………………………….. 44

2-1-۳-۴-۲. مدل احتمالاتی مرتبه اول…………………………………………………………………… 46

2-1-۳-۴-۳. رتبه‏بندی………………………………………………………………………………………………. 47

2-1-۳-۴-۴. فیلدهای تصادفی شرطی……………………………………………………………………… 49

2-1-۳-۴-۵. خوشه ‏بندی………………………………………………………………………………………….. 51

2-1-۴. جمع‏بندی………………………………………………………………………………………………………. 56

فصل 2: بخش دوم…………………………………………………………………………………….. 57

2-2-۱. پیکره نشانه گذاری شده توسط اطلاعات هم‏مرجع…………………………………………………. 58

2-2-۲. پیکره بیژن‏خان………………………………………………………………………………………………….. 59

2-2-۳. پیکره لوتوس…………………………………………………………………………………………………….. 60

2-2-۴.شیوه‏ های نشانه ‏گذاری پیکره لوتوس…………………………………………………………….. 62

2-2-۴-۱. نشانه‏گذاری انواع موجودیت‏ها………………………………………………………………………….. 62

2-2-۴-۱-۱. موجودیت شخص……………………………………………………………………………………… 64

2-2-۴-۱-۲. موجودیت سازمان……………………………………………………………………………………… 64

2-2-۴-۱-۳. موجودیت مکان…………………………………………………………………………………………. 66

2-2-۴-۱-۴. موجودیت سیاسی……………………………………………………………………………………… 66

2-2-۴-۲.کلاس هر موجودیت……………………………………………………………………………………………. 68

2-2-۴-۲-۱.غیر ارجاعی……………………………………………………………………………………………….. 69

2-2-۴-۲-۲.ارجاعی………………………………………………………………………………………………………. 69

2-2-۴-۲-۲-۱.ارزیابی به شکل منفی……………………………………………………………………… 69

2-2-۴-۲-۲-۲.ارجاعی خاص………………………………………………………………………………….. 70

2-2-۴-۲-۲-۳.ارجاعی عمومی……………………………………………………………………………….. 70

2-2-۴-۲-۲-۴.ارجاعی زیر مشخص شده………………………………………………………………. 70

2-2-۴-۳.انواع اشاره/سطوح اشاره…………………………………………………………………………… 71

2-2-۴-۳-۱.اشاره ساده………………………………………………………………………………………………….. 72

2-2-۴-۳-۱-۱.محدوده اشاره………………………………………………………………………………….. 72

2-2-۴-۳-۱-۲. هسته اشاره……………………………………………………………………………………. 72

2-2-۴-۳-۱-۳.انواع اشاره ساده………………………………………………………………………………. 72

2-2-۴-۳-۲.ساختارهای پیچیده………………………………………………………………………………………. 74

2-2-۴-4-۲-۱.ساختارهای عطف بیان یا بدل……………………………………………………….. 75

2-2-۵.جمع‏بندی………………………………………………………………………………………………………… 75

فصل 3: الگوریتم­های پیشنهادی……………………………………………………………….. 76

3-۱. رده بندی دودویی…………………………………………………………………………………………… 76

3-1-1.جدا کننده‏های خطی………………………………………………………………………………… 77

3-1-1-1 پرسپترون……………………………………………………………………………………………… 78

3-1-1-2 ماشین بردار پشتیبان…………………………………………………………………………………….. 80

3-1-1-3 درخت تصمیم………………………………………………………………………………………………… 85

3-۲.خوشه ‏بندی…………………………………………………………………………………………………………. 88

3-2-1 .الگوریتم‏های افراز بسته‏ای…………………………………………………………………………………… 89

3-2-1-1 .خوشه ‏بندی سلسله مراتبی پایین به بالا……………………………………………………. 90

3-2-1-2 .آموزش الگوریتم خوشه‏بندی سلسله مراتبی…………………………………………….. 93

3-3.جمع‏بندی……………………………………………………………………………………………………….. 96

فصل 4: سیستم ارزیابی…………………………………………………………………………….. 97

4-۱.مقدمه………………………………………………………………………………………………………………. 97

4-۲.سیستم شناسایی اشاره لوتوس………………………………………………………………….. 98

4-2-1 .بانک اطلاعاتی…………………………………………………………………………………… 98

4-2-2.سیستم شناسایی اشاره………………………………………………………………………….. 102

4-3.تشخیص اشاره‏های هم مرجع……………………………………………………………………………….. 103

4-3-1 ویژگی‏ها…………………………………………………………………………………………………….. 104

4-3-2.الگوریتم یادگیری…………………………………………………………………………………….. 105

4-3-3.معیار ارزیابی…………………………………………………………………………………………….. 107

4-3-4.نتیجه ارزیابی……………………………………………………………………………………… 110

4-3-4-1.نتایج بدست آمده……………………………………………………………………………………….. 110

4-3-4-.2چالش‏ها و تحلیل خطا……………………………………………………………………………….. 112

4-4.جمع‏بندی……………………………………………………………………………………………………… 115

فصل 5 :نتیجه گیری و پیشنهادها……………………………………………………………… 116

5-۱.نتیجه‏ گیری………………………………………………………………………………………………….. 116

5-2.پیشنهادها…………………………………………………………………………………………………… 118

فصل .6 منابع………………………………………………………………………………………….. 121

چکیده:

پردازش زبان طبیعی شامل وظایفی همچون استخراج اطلاعات، خلاصه‏سازی متن، پرسش و پاسخ می باشد که همگی نیاز دارند تا تمام اطلاعاتی که در مورد یک موجودیت در متن وجود دارد شناسایی شوند. بنابراین وجود سیستمی که بتواند مسئله هم‏مرجع را بررسی نماید، کمک شایانی به انجامِ موفقیت‏آمیز این وظایف خواهد نمود. روش‏های تشخیص مرجع مشترک را می‏توان به دو دسته‏ روش‏های زبان‏شناسی و روش‏های یادگیری ماشین تقسیم نمود. روش‏های زبان‏شناسی بیشتر به اطلاعات زبان‏شناسی نیاز دارند، البته مشکل این روش‏ها این است که پر خطا و طولانی می‏باشند. از طرف دیگر روش‏های یادگیری ماشین کمتر به اطلاعات زبان‏شناسی نیاز دارند و نتایج حاصل از

 آنها قابل اعتماد‏تر است. در این پایان ‏نامه تلاش می‏کنیم تا فرآیند تشخیص مرجع‏مشترک را مورد مطالعه قرار دهیم و چارچوبی ارائه دهیم تا بتواند علاوه بر شناسایی اشاره ‏ها، عبارت‏های هم‏مرجع را نیز تشخیص دهد. به همین منظور باید سه رکن اساسی کار را که پیکره نشانه‏ گذاری شده، سیستم شناساییِ اشاره و محدوده آن، و الگوریتم پیشنهادی پیش‏بینی عبارت‏های اسمی هم‏‏مرجع را مبنای کار قرار دهیم. درهمین راستا، در قدم اول، پیکره‏ای با نشانه ‏هایی شامل محدوده‏ی اشاره، نوع اشاره، هسته‏ی اشاره، نوع موجودیت، نوع زیر گروه موجودیت، کلاس موجودیت تهیه می‏کنیم، این پیکره می‏تواند به عنوان اولین پیکره دارای نشانه ‏های اشاره و هم‏مرجعی، مبنای کار بسیاری از پژوهش‏های مربوط به شناسایی و کشف اشاره و تحلیل هم‏مرجعی قرار گیرد. همچنین با استفاده از این پیکره و بررسی قوانین و اولویت‏های میان اشاره ‏ها، سیستمی ارائه می‏کنیم که اشاره ‏های موجود در متن را شناسایی کرده و سپس نمونه ‏های مثبت و منفی را از پیکره لوتوس استخراج می‏کند. در نهایت نیز با استفاده از الگوریتم‏های یادگیری پایه درخت تصمیم، شبکه عصبی و ماشین بردار پشتیبان، نمونه‏ های حاصله را مورد ارزیابی و مقایسه قرار دادیم. نتایج حاصل نشان می‏دهد که یادگیر شبکه عصبی، نسبت به سایرین عملکرد بهتری دارد.

فصل اول

1-1- مقدمه و بیان مسئله

امروزه رایانه در تمام لایه‏های زندگی بشر نفوذ کرده است. بطوریکه استفاده از فناوری رایانه در حوزه زبان‏شناسی، بیش از پیش احساس می‏شود. «پردازش زبان طبیعی^[1]»شاخه‏ای از علم «هوش مصنوعی^[2]» است كه به ماشینی كردن فرآیند زبان شناسی سنتی می‏پردازد. به این ترتیب با استفاده از رایانه می‏توان «زبان گفتاری ونوشتاری» را پردازش نمود، به طوریکه رایانه‏ها نیز قادر باشند زبان انسان را درک کرده و بتوانند از زبان طبیعی به عنوان ورودی وخروجی استفاده كند. به این ترتیب یک رایانه، درهنگام دریافت ورودی، نیاز به «درک» و درهنگام ارسال خروجی، نیاز به «تولید» زبان طبیعی دارد. ]81[

در زمینه پردازش زبان طبیعی پژوهش‏هایی مانند طبقه‏بندی متون^[3]، برچسب‏گذاری ادات سخن^[4]، تعیین و ابهام‏زدایی از معانی واژگان^[5] و… انجام شده است که تنها بر روی یک حوزه خاص تمرکز داشته‏اند و در نتیجه راه حل‏هایی جزئی در راستای اهداف کلی پردازش زبان طبیعی محسوب می‏‏‏شوند. تمامی این حوزه‏های جزئی باید حل شوند تا در نهایت رایانه بتواند همانند انسان واژگان و جملات را پردازش کرده و یا آنها را بسازد.

وظایف زبان طبیعی را می‏توان به ریز کاربردها^[6] و کلان کاربردها^[7] افراز نمود. به طور کلی تا کنون تحقیقات انجام شده بیشتر بر روی پردازش‏هایی در سطح واژه و یا جمله (مانند برچسب گذاری ادات سخن، ابهام زدائی از مفهوم واژگان، شناسایی موجودیت‏های نامدار^[8] و … ) و یا در سطح کل متن (تشخیص هرزنامه^[9]، رده بندی متون و…) متمرکز شده اند؛ برخی از کاربرد‏ها نیز مانند استخراج اطلاعات^[10]، تشخیص مرجع مشترک^[11] و ماشین ترجمه^[12] در سطح بینابین قرار گرفته‏اند. ]27[بدیهی است که در توسعه یک کاربرد سطح بالاتر همانند تعیین ویژگی‏های معنایی متون، انواع متفاوتی از ویژگی‏های سطح پایین‏تر (مانند ویژگی‏های لغوی^[13] و نحوی^[14]) نیز لازم است، اما به لطف سیستم‏های جدید که تا حد زیادی به روش‏های آماری یادگیری ماشین بستگی دارند، دیگر در آنها، به تمامی‏‏‏ ویژگی‏های سطح پایین‏تر نیازی نیست. علت اینکه روش‏های یادگیری ماشین توانسته‏اند با وجود سادگی، به موفقیت قابل توجهی دست یابند این است که اطلاعات آماری پایه، دانشی را فراهم می‏آورد که برای بسیاری از کاربرد‏ها کافی بوده و می‏‏‏‏تواند به کارائی قابل توجهی منجر شود. با این وجود، باید توجه داشت که روش‏های آماری محدود است و هرگز نمی‏توانند درک کاملی از محتوای معانی یک متن را فراهم آورند.

از طرفی دیگر، با فراهم شدن اطلاعات و قدرت محاسباتی بیشتر، سیستم‏‏هایی که واژگان و جملات درست را از غلط تشخیص می‏دهند، به طور گسترده‏ای در حال توسعه هستند. به عنوان مثال، در زبان انگلیسی برچسب گذاری ادات سخن به صحتی برابر با ۹۸%، شیوه‏های تجزیه کردن^[15] به صحتی برابر با ۹۰%، و شناسایی موجودیت‏های نامدار به صحت ۹۱% رسیده اند. [78,55,38[.

یک مطلب دیگر :

بسیاری از پژوهشگران معتقدند كه استخراج اطلاعات به عنوان یکی از مهمترین کاربردهای پردازش زبان طبیعی محسوب می‏شود، که مجموعه‏ای از تکنیک‏های رده‏بندی^[16]، خوشه‏بندی^[17] و قوانین وابستگی^[18] است و خروجی استخراج اطلاعات شامل، شناسایی موجودیت‏ها^[19] ، تعیین نوع وگروه آنها، طبقه بندی ارتباط میان موجودیت‏ها و همچنین استخراج رویدادهایی كه در آن مشاركت دارند، می‏باشد.[71[ در نهایت می‏توان گفت كه خلاصه سازی، بازیابی اطلاعات^[20]، داده‏كاوی^[21]، پرسش و پاسخ^[22] و درك زبان^[23] از جمله كاربردهای این سیستم هستند.

تمرکز اصلی این پژوهش بررسی فرآیند تشخیص مرجع مشترک به عنوان یکی از فرآیندهای مهم استخراج اطلاعات است؛ در تشخیص مرجع مشترک تمام عبارت‏های اسمی‏‏‏ که به یک موجودیت واحد در دنیای واقعی اشاره دارند، تعیین می‏گردند. هدف نهایی این پایان‏نامه شناسایی اشاره‏های هم مرجع شامل ضمیر و اسم اشاره در متون پارسی می‏باشد. برای تحقق این هدف نیاز به انجام پیش پردازش‏هایی بر روی متون خام می‏باشد تا داده‏های مورد نیاز برای ورود به فرآیند تحلیل مرجع مشترک فراهم شوند. فرض ما بر این است که خروجی حاصل از فرآیند کشف اشاره^[24] به عنوان یک پیش پردازش می‏تواند در کنار سایر پیمانه‏های پیش پردازشی مانند تجزیه‏گر، شناسایی موجودیت‏های نامدار و… بر بهبود عملکرد تحلیل مرجع مشترک موثر واقع شود. [23،38،53،83]

به هر ترتیب شناسایی عبارت‏های اسمی‏‏‏ هم‏مرجع از مهمترین زیر وظایف استخراج اطلاعات می‏باشند که بهبود عملکرد آن موجب بهبود عملکرد کلی سیستم استخراج اطلاعات و سایر سیستم‏های مرتبط با آن خواهد شد.

واحد مورد بررسی در حوزه تشخیص مرجع مشترک، متن می باشد که پس از اجرای ماژول‏هایی متفاوت، متن مورد نظر به عبارت های اسمی یا به عبارت بهتر به اشاره تبدیل می‏شود. روش‏های موجود در این حوزه، به دو دسته روش‏های زبان‏شناسی^[25] و روش‏های یادگیری ماشین^[26] تقسیم می‏‏‏شوند. [76[ در روش اول، ابتدا به ازای هر عبارت اسمی‏‏، مراجع کاندیدا تعیین می‏‏‏شود و سپس با به کارگیری مجموعه‏ای از قواعد زبان‏شناسی، برخی از کاندیداها حذف شده و کاندیداهای باقیمانده نیز امتیازدهی می‏‏‏شوند و در‏نهایت کاندیدایی به عنوان مرجع برگزیده می‏‏‏شود که بیشترین امتیاز را کسب کرده باشد. مسئله اصلی در این روش این است که کسب اطلاعات زبان‏شناسی مورد نیاز، فرآیندی زمان‏بر، پرهزینه و پر خطاست. البته با پیدایش پیکره‏های^[27] زبان‏شناسی و موفقیت روش‏های یادگیری ماشین در سایر حوزه‏ها، روش‏های زبان‏شناسی جای خود را به روش‏های یادگیری ماشین دادند. در یادگیری ماشین، به محاسبات زبان‏شناسی پیچیده و سطح بالای روش‏های زبان‏شناسی نیاز نیست به طوریکه با استفاده از دانش اندکی در زمینه زبان‏شناسی نیز می‏توان به نتایج خوب و قابل توجهی دست یافت.

از سوی دیگر، امروزه اغلب پژوهشگران فرآیند تشخیص مرجع مشترک را به دو مرحله تقسیم می‏‏‏ کنند. (۱) کشف و شناسایی اشاره؛ برای شناسایی عبارت‏های اسمی‏‏‏ که به موجودیت^[28] ها در دنیای واقعی اشاره دارند، (۲) شناسائی اشاره‏هایی که به یک مرجع واحد اشاره دارند. به این ترتیب در مرحله اول، اکثر عبارت‏های اسمی‏‏‏ تحت عنوان اشاره^[29] و در قالب چهار گروه اصلی ضمایر^[30]، اسامی‏‏‏ خاص^[31]، اسامی‏‏‏ عام^[32] و غیر اشاره‏ها^[33] قرار می‏گیرند،[8،910،16،48،53،72] سپس این فرآیند مشخص می‏‏‏‌کند که هر اشاره به کدام موجودیت در دنیای واقعی اختصاص دار[26]می‏‏‏توان گفت که فرآیند کشف اشاره، توسعه یافته‏ی فرآیند شناسایی موجودیت‏های نامدار می‏باشد که علاوه بر شناسایی اسامی‏‏‏ خاص، به شناسایی اسامی‏‏‏ عام و ضمایر نیز می‏پردازد. [،23،72،81،113،114]از آنجائیکه بررسی فرآیند‏های شناسایی اشاره و تحلیل مرجع مشترک به طور همزمان خارج از حوزه‏ی این پایان‏نامه است، ما عبارت‏های اسمی‏‏‏ را در قالب انواع اشاره‏های گفته شده در پیکره‏ای تحت عنوان لوتوس برچسب‏گذاری می‏نمائیم و نتیجه‏ی آن را برای تحلیل مرجع مشترک به کار خواهیم برد.

چارچوب کلی این پایان‏نامه به این صورت می‏باشد: در بخش دوم این فصل گذری کوتاه بر انواع روابط میان دو عبارت اسمی‏‏‏ و به خصوص ارتباط‏های هم‏مرجعی خواهیم داشت. سپس در بخش اول فصل دوم، روش‏های ارائه شده برای تشخیص مرجع مشترک را مورد بررسی و مطالعه قرار می‏دهیم و در بخش دوم آن، به نحوه ایجاد پیکره‏ای مناسب برای کشف اشاره و تحلیل مرجع مشترک خواهیم پرداخت. در فصل سوم، به الگوریتم‏های مناسب برای این پایان‏نامه را معرفی می نمائیم. سیستم پیشهنادی برای شناسایی اشاره‏های ارجاع شده در فصل چهارم معرفی خواهد شد و همچنین در این فصل الگوریتم‏های یادشده را مورد ارزیابی قرار می‏دهیم. در نهایت در فصل پنجم نیز به نتیجه گیری و پیشنهاد كارهای آتی در ادامه‏ی این پژوهش خواهیم پرداخت.

1-2.بررسی ارتباط هم ‏مرجعی

یکی از ‏ویژگی‏های خاص گفتمان این است که می‏توان در یک متن آزادانه در مورد یک یا چند موجودیت صحبت کرد و برای اشاره به هر موجودیت از انواع مختلف عبارت‏ها مانند ضمیر (او)، اسم عام (دانشمند)، اسم خاص (لطفعلی عسگر زاده) و یا یک عبارت اسمی‏(بنیان‏گذار منطق فازی) بهره برد تا به این ترتیب از تکرار عبارت‏ها کاسته و شیوایی مطلب نیز افزایش یابد. همین ویژگی موجب می‏شود که زنجیره‏ها‏ی بالقوه‏ای از تمام عبارت‏های اسمی‏که به یک موجودیت واحد در متن ارجاع دارند، ایجاد گردد. (مانند: او، دانشمند، لطفعلی عسگر زاده، بنیان‏گذار منطق فازی که به شخص پرفسور زاده اشاره دارند).

یکی از اهداف مهم استخراج اطلاعات، شناسایی این زنجیره‏ها در متن است که در فرآیند تحلیل مرجع‏مشترک انجام می‏پذیرد. برای شروع، مثال ۱ را در نظر بگیرید^[34]:

مثال۱: (سیستم آبیاری گلاب) _۱Ant, در روز سه شنبه رونمایی شد. (این سیستم)_۱Ana, محصول اندیشه‏ی (دکتر سارا شکری)_۲Ant, است. (او) _Ana,2، ( یک پژوهشگر)_Ana در (شرکت آبیاری لاله)_۳ است.

اگر فرض کنیم که پیمانه‏های نشانه‏گذاری تا کشف اشاره به عنوان پیش پردازش‏هایی بر روی متن اجرا شوند، با اجرای این پیمانه‏ها، انواع عبارت‏های اسمی‏موجود در متن (سیستم آبیاری، این سیستم، دکتر سارا شکری، او، یک پژوهشگر و شرکت آبیاری لاله) تعیین و نشانه‏گذاری می‏شوند. سپس با اجرای پیمانه تشخیص مرجع‏مشترک، ارتباطات میان این عبارت‏ها و اطلاعات نهفته در مورد موجودیت‏های شرکت کننده در متن آشکار می‏شود. به عنوان نمونه، می‏دانیم «او» و «سارا شکری» (با اندیسِ۲) به یک فرد مشخص و همچنین «سیستم آبیاری گلاب» و «این سیستم» (با اندیسِ۱) نیز به یک سیستم مشخص اشاره می‏کنند.

استفاده از اصطلاح موجودیت در تحلیل مرجع‏مشترک، این سؤال را مطرح می‏کند که چه چیزهایی موجودیت محسوب می‏شوند؟ تاکنون گروه‏بندی‏های متعددی برای انواع موجودیت‏ها ارائه شده است، به عنوان نمونه^[35]ACE، یک تقسیم بندی هفت موجودیتی برای انواع موجودیت‏ها (شخص، سازمان، مکان، سیاسی، تسهیلات، سلاح و خودرو) و تعداد زیادی زیرگروه (به عنوان مثال شخص: فرد، گروه) و کلاس برای هر موجودیت پیشنهاد کرده است و[۶۴] که اغلب پژوهشگران همه این موجودیت‏ها و یا گاهی اوقات برخی از آن‏ها را مورد مطالعه و بررسی قرار می‏دهند.

یکی از ‏ویژگی‏های تحلیل مرجع‏مشترک این است که علاوه بر انواع موجودیت‏های رایج، می‏توانیم در حوزه‏ها‏ی متفاوت از تعاریف پیش فرض خود نیز برای موجودیت‏ها نیز استفاده نماییم. همین ویژگی موجب شده است تا برخی از پژوهشگران مانند[97] به تحلیل مرجع‏مشترک در متون پزشکی پرداخته و بررسی موجودیت‏هایی مانند انواع دارو، بیماری، ژن وغیره را هدف پژوهش خود قرار دهند.

2-5 تعاریف یادگیری الكترونیكی…………………………. 11

2-6-مزایای یادگیری الکترونیکی…………………………. 13

2-7-چالش های یادگیری الکترونیکی در ایران…………. 16

2-8- مدلهای آموزش الكترونیكی…………………………. 18

2-8-1-آموزش همزمان یا کلاسهای آنلاین…………. 18

2-8-2-آموزش غیر همزمان یا کلاسهای آفلاین…………….. 18

2-8-3-آموزش بر پایه کامپیوتر(CBT)………………………..

2-8-4آموزش بر پایه اینترنت (IBT)………………………..

2-8-5آموزش بر پایه وب ( WBT)………………………..

2-9-سیستم های یادگیری الکترونیکی…………………………. 19

2-9-1 سیتم مدیریت یادگیری…………………………. 19

2-9-2 سیتم مدیریت محتوای آموزشی (LCMS)………………………..

2-10-مروری بر تحقیقات پیشین: ………………………..20

2-10-1فاکتورهای حیاتی موفقیت یادگیری الکترونیکی…………… 20

2-10-2-مدل های موفقیت سیستم های اطلاعاتی…………………. 23

 

2-10-3 مدل های موفقیت سیستم های یادگیری الکترونیکی…………. 25

2-11-جمع بندی مولفه های سنجش موفقیت یادگیری الکترونیکی…………… 31

فصل سوم: روش شناسی تحقیق

3-1- مقدمه : ………………………..35

3-2- مدل تحلیلی پژوهش…………………………… 35

3-3-روش تحقیق :……………………….. 41

3-4- ابزار جمع آوری داده ها:……………………….. 41

3-5 جامعه آماری و روش نمونه گیری……………………….. 42

3-6 روائی پرسش نامه :……………………….. 42

3-7-پایائی پرسشنامه:……………………….. 43

یک مطلب دیگر :

3-8- روش تجزیه و تحلیل…………………………. 43

3-9روشهای تصمیم گیری چند معیاره MCDM…………………………..

3-9-1روشAHP…………………………

3-9-2روشANP…………………………

3-9-3گام های فرایند ANP…………………………

3-9-4منطق فازی…………………………. 49

3-9-5مجموعه های فازی…………………………. 49

3-9-6اعداد فازی مثلثی…………………………. 50

3-9-7فرایند تحلیل شبکه فازی…………………………. 50

فصل چهارم:تجزیه و تحلیل داده ها

4-1-مقدمه………………………… 54

4-2- آمار توصیفی…………………………. 55

4-2-1جنسیت: ………………………..57

4-2-2 –سطح تحصیلات…………………………. 55

4-2-3- میزان تجربه در حوزه یادگیری الکترونیکی…………………………. 55

4-2-4- توزیع فراوانی پاسخ دهنده گان به تفکیک استاد و دانشجو………… 56

4-2-5 توزیع فراوانی سنی پاسخ دهندگان…………………………. 56

4-3- آمار تحلیلی…………………………. 57

4-3-1 – تجزیه و تحلیل داده های پرسشنامه شناسایی عوامل موفقیت سیستم های یادگیری الکترونیکی….. 57

4-3-1-1 تحلیل فرضیه های تحقیق……………………..60

4-3-2- تجزیه و تحلیل داده های پرسشنامه الویت بندی عوامل موثر بر موفقیت سیستم های یادگیری الکترونیکی……..64

فصل پنجم : نتیجه گیری

5-1-مقدمه:……………………….. 89

5-2-بحث و نتیجه گیری…………………………. 89

5-3-محدودیت های تحقیق…………………………. 93

5-4- پیشنهادهای عمومی:……………………..93

5-6-پیشنهادهایی برای تحقیقات آینده………………. 95

مراجع…………………………. 97

پیوستها:

پیوست الف : پرسشنامه شماره1………………..102

پیوست ب : پرسشنامه شماره 2 …………………….107

چکیده:

دانشگاه قم

 

دانشکده فنی و مهندسی

 

پایان‌نامه دوره کارشناسی ارشد مهندسی فناوری اطلاعات

 

گرایش تجارت الکترونیک

 

 

عنوان:

 

تدوین شاخص‌ها و داشبورد ارزیابی و پیش‌بینی پیشرفت تحصیلی دانشجویان با شبکه‌ عصبی و درخت‌ تصمیم C5

 

استاد راهنما:

 

دکتر امیر افسر

یک مطلب دیگر :

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی 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)

چکیده:

درک عواملی که منجر به موفقیت یا شکست در امتحانات مسئله ای جالب و چالش برانگیز است.مفاهیم مرتبط، تجزیه و تحلیل عوامل موفقیت در امتحانات، ممکن است به درک و به طور بالقوه به بهبود پیشرفت تحصیلی کمک کند.بنابراین در این پژوهش ضمن مروری کلی بر داده کاوی و ویژگی های اصلی یک داشبورد مدیریتی کارا، سعی بر این است تا یک مطالعه موردی بر روی پایگاه داده های دانشگاه های سراسری و آزاد استان قم صورت گیرد تا پیشرفت تحصیلی دانشجویان پیش بینی گردد.

در این پژوهش ابتدا توسط الگوریتم k-means خوشه بندی صورت گرفته است و با استفاده از شاخص ارزیابی SSE ، تعداد خوشه بهینه تعیین گردیده است. بنابراین تعداد خوشه بهینه برای دانشجویان چهار خوشه می باشد و سپس خوشه ها با روش های پیش بینی داده کاوی از جمله شبکه عصبی و درخت تصمیم C5 که از پرکاربردترین و دقیق ترین روش های پیش بینی می باشند، پیش بینی شده اند و درنهایت با استفاده از نتایج این روش ها، شاخص های مناسب یافت شدند و به صورتی روشن در یک داشبورد نمایش داده شدند.

فصل اول: مقدمه و کلیات تحقیق

1-1- مقدمه

پیش‌‌‌‌بینی آینده در زمینه‌های مختلف همواره برای انسان جالب و جذاب بوده است. با اطمینان می‌توان گفت که پیش‌‌‌‌بینی آینده و روند تغییرات در همه‌ی حوزه‌ها از دغدغه‌های اصلی و همیشگی مدیران سطح بالا و میانی می‌باشد. اما همواره مشکلات فراوانی در برابر آن وجود داشته است که انجام پیش‌‌‌‌بینی‌های دقیق و قابل اعتماد را تقریباً غیرممکن نموده است (توحیدی- مقدم و فرهادی، 1391). در سالهای اخیر با توجه به جذابیت‌هایی که در زمینه داده‌کاوی و همچنین پیش‌‌‌‌بینی که یکی از اهداف داده‌کاوی می‌باشد وجود دارد،تحقیقات زیادی در این حوزه انجام شده است.

در حال حاضر در اکثر دانشگاه‌ها بانک‌های اطلاعاتی وسیعی از ویژگی‌های دانشجویان موجود است که حجم بالایی از اطلاعات مربوط به سوابق آموزشی و تحصیلی را شامل می‌شود و از آن‌جایی که امروزه فضای رقابتی شدیدی در دانشگاه‌های مختلف حاکم شده است. مدیران باید سریع‌تر و درست‌تر از قبل تصمیم بگیرند. لازمه چنین امری، دستیابی سریع و دقیق به دانش است و برای دستیابی به دانش، وجود ابزارهای کارا و موثری نظیر داشبوردهای مدیریتی ضرورت دارد. ارزش داشبورد در اتصال ویژگی‌ها و کاربرد مناسب آن در سازمان است. گرچه تا به امروز توافق خاصی در اینکه داشبورد باید دقیقا چگونه باشد و چه کارهایی را انجام دهد، وجود ندارد اما به طور کلی انتظار می‌رود داشبورد، امکان جمع‌آوری، خلاصه‌سازی و ارائه اطلاعات مناسب از منابع مختلفی را داشته باشد تا بدین وسیله کاربر بتواند وضعیت شاخص‌ها را به طور یک‌جا ملاحظه نماید.

2-4 مرور مقالات مرتبط……………………. 11

2-5 نحوه اطلاع رسانی……………………. 15

2-6 استفاده از تلفن های همراه برای مداخلات و اقدامات سلامت………… 18

2-7 M-health…………………..

2-8 شبکه های سنسوری بدن (BSNs)…………………..

2-9 خلاصه‏ فصل……………………. 21

فصل سوم : اطلاعات بالینی برای تشخیص تشنج………………. 22

3-1 مقدمه…………………… 23

3-2 شتاﺏسنج……………………. 23

3-3 استفاده از شتاﺏسنج سه محوره…………………… 25

3-4 رسانایی پوست…………………….. 26

3-5 طراحی مدار GSR…………………….

3-6 خلاصه‏ فصل……………………. 30

فصل چهارم : طراحی و پیاده سازی سخت افزاری و نرم افزاری……. 31

4-1 مقدمه…………………… 32

4-2 قطعات سختﺍفزاری مورد استفاده…………………… 32

4-2-1 میکروکنترلرها………………….. 33

4-2-1-1 انواع روشها و پروتکل های ارتباطی بر روی میکروکنترلر…….. 34

 

4-2-2 کریستال یا نوسان ساز…………………… 36

4-2-3 رگولاتور…………………… 36

4-2-4 LCD…………………….

4-2-5 Op-Amp……………………

4-2-6 microSD Module……………………

4-2-7 مبدل آنالوگ به دیجیتال خارجی ADC0804……………………

4-2-8 تولید کننده مرجع ولتاژ REF30xx……………………

4-2-9 تقویت کننده ابزار دقیق AD620……………………

4-2-10 تولید ولتاژ متقارن با TC7660……………………

4-3 پیاده سازی سختﺍفزاری سنسور…………………… 47

4-3-1 تامین ولتاژ مدار…………………… 47

4-3-2 نحوه اتصال پایه های میکروکنترلر…………………… 48

4-3-3 نحوه اتصال پایه های ماژول RS232……………………

4-3-4 نحوه اتصال پایه های ماژول بلوتوث HC05……………………

4-3-5 اتصال ماژول HC05 و RS232……………………

4-4 شرح نرﻡﺍفزارهای مورد استفاده…………………… 53

4-4-1 Pic C Compiler…………………..

4-4-1-1 برنامه نویسی میکروکنترلر…………………… 54

4-4-2 Proteus……………………

4-4-3 Altium Designer (Protel DXP)…………………..

یک مطلب دیگر :

4-4-4 TNM Programmer…………………..

4-4-5 برنامه نویسی آندروید…………………… 62

4-4-5-1 نحوه ارتباط بیسیم سنسور تشنج با گوشی همراه……. 64

4-4-5-2 نرمال سازی دادﻩها………………….. 67

4-4-5-3 ذخیره در پایگاه داده…………………… 68

4-4-5-4 استخراج ویژگی ها………………….. 69

4-4-5-5 استفاده از مدل SVM در آندروید…………………… 74

4-4-5-6 مکان یابی فرد مصروع با کمک GPS گوشی همراه……… 75

4-4-5-7 اعلام هشدار (ارسال SMS و ایمیل)………………….. 76

4-5 خلاصه‏ فصل……………………. 79

فصل پنجم : داده کاوی……………………. 80

5-1 مقدمه…………………… 81

5-2 مقایسه حوزه زمان، تبدیل فوریه و تبدیل ویولت……… 82

5-2 پیش پردازش دادﻩها………………….. 83

5-3 استخراج ویژگی……………………. 84

5-3-1 ویژگی ها در حوزه زمان…………………… 86

5-3-2 ویژگی ها در حوزه تبدیل ویولت…………………….. 95

5-3-3 انتخاب ویژگی های برتر…………………… 103

5-4 دادﻩکاوی با نرﻡﺍفزار Weka……………………

5-4-1 مقدمه ای بر Weka……………………

5-4-2 انتخاب SVM به عنوان طبقهﺑﻧﺩﻯکننده………… 105

5-4-3 طراحی طبقهﺑﻧﺩﻯکننده در Weka……………………

5-5 خلاصه‏ فصل……………………. 107

فصل ششم : نتیجه گیری و طرح پیشنهادات………. 108

6-1 مقدمه…………………… 109

6-2 نتایج……………………. 109

6-3 پیشنهادات برای کارهای آتی……………………. 113

6-4 خلاصه فصل……………………. 115

منابع و مآخذ…………………… 117

پیوست الف: datasheet…………………..

Abstract…………………..

چکیده:

1-11 ساختار پژوهش……………………. 19

1-12 خلاصه ی فصل…………………. 20

2-ادبیات تحقیق…………………. 21

2-1 مقدمه………………… 22

2-2 تعریف وب سرور………………… 24

2-2 انواع وب سرورها……………….. 26

2-2-1 وب سرور آپاچی اچ تی تی پی سرور…….. 28

2-2-2 وب سرور انجین ایکس……………………. 30

2-3 شتاب دهنده ای به نام وارنیش……………………. 31

2-3-1 تاریخچه………………… 32

2-3-2 معماری………………….. 32

2-3-3 کارایی………………….. 34

2-3-4 شما این کار را اشتباه انجام می دهید…………………. 34

2-4 نرم افزارهای مبتنی بر وب………………….. 47

2-4-1 معماری و وضعیت اجرای   نرم افزارهای تحت وب……… 48

2-5 خلاصه فصل…………………. 50

3-روش تحقیق…………………. 51

3-1 مقدمه………………… 52

3-2 آشنایی با لینوکس……………………. 53

3-2-1 آشنایی با توزیع اوبونتو………………… 54

3-2-1-1 آشنایی با محیط ترمینال و کار با دستورات آن……………. 54

3-3 اتصال به سرور از راه دور……………….. 55

3-3-1 از طریق نرم افزار پوتی و کار با محیط ترمینال اوبونتو………………… 56

3-3-2 از طریق ریموت دسکتاپ کانکشن و کار با محیط اصلی وب سرور…….. 58

3-4 نصب وب سرورها روی اوبونتو………………… 60

 

3-4-1 نصب آپاچی………………….. 61

3-4-2 نصب انجین ایکس……………………. 65

3-4-3 نصب آپاچی- وارنیش……………………. 74

3-4-4 نصب انجین ایکس- وارنیش……………………. 79

3-5 نصب نرم افزارهای مدیریت محتوا……………….. 82

3-5-1 قابلیت های سیستم های مدیریت محتوا……………….. 82

3-5-2 انواع سیستم های مدیریت محتوای وب………………….. 85

3-5-3 مزایای سیستم های مدیریت محتوا……………….. 85

3-5-4 معایب سیستم های مدیریت محتوا……………….. 86

3-5-5 مهم ترین سیستم های مدیریت محتوای وب………….. 87

یک مطلب دیگر :

3-6 خلاصه فصل…………………. 91

4-تست سرعت وب سرورها……………….. 92

4-1 مقدمه………………… 93

4-2 نمایی از محیط نرم افزار نصب وب سرورها ………………..93

4-3 وب سایت های تست سرعت بارگذاری………………….. 97

4-4 نمونه ای از تست سرعت یک وب سرور به همراه یک سیستم مدیریت محتوا….. 99

4-5 نتایج حاصل از تست کلی………………….. 104

4-6 خلاصه فصل…………………. 110

5-نتیجه گیری و پیشنهادات………………….. 111

5-1 مقدمه………………… 112

5-2 جمع بندی………………….. 112

5-3 نتیجه گیری………………….. 113

5-4 پیشنهادات برای کارهای آینده………………… 117

5-5 خلاصه فصل…………………. 117

منابع و مراجع…………………. 118

چکیده:

در دنیای امروز اینترنت و مهم ترین سرویس آن وب، زندگی بشر را دچار تغییر و تحولات فراوانی کرده است. اینترنت تمام نیازهای اشخاص برای برقراری ارتباط با یکدیگر، به دست آوردن اطلاعات در هر زمینه ای، بازی و سرگرمی، آموزش و هر زمینه ای که به ذهن انسان خطور کند را فراهم می کند. اهمیت این سرویس به حدی رسیده است که همه روزه دانشمندان در حوزه ی کامپیوتر و وب به دنبال راهی برای جذب بیشتر افراد به وب هستند. تمرکز آن ها روی این زمینه است که اشخاص در مدت کوتاهی بتوانند تمام نیازهایی که هر لحظه برایشان پیش می آید را از طریق وب برطرف کنند. خوشبختانه یکی از زمینه هایی که فعالیت وب در آن بسیار گسترده و مهم شده است، مقوله ی تجارت و سیستم های تجاری است. درحال حاضر هیچ فعالیت اقتصادی وجود ندارد که نتوان از طریق وب به آن پاسخ داد. اما مساله ای که پیش می آید این است که باید سطح این خدمات تجاری بهبود پیدا کند و این بهبود به طور مستقیم با سرعت فعالیت ها در ارتباط است. در نتیجه در سال های اخیر دانشمندان تمرکز خود را روی سرعت بخشیدن به وب قرار دادند و تلاش کردند تا راهی برای سریع تر کردن وب بیابند. سرورهای وب ابزارهایی بودند که توسعه دهندگان به وسیله ی آن ها توانستند راه حل هایی برای تسریع وب پیشنهاد دهند و با پیاده سازی آن ها نتایج سودمندی را برای افراد جامعه رقم زدند. هدف از نگارش این پژوهش معرفی راهکارهای تسریع وب از طریق ابزاری به نام وب سرورها بود. در ابتدای کار مقدماتی از وب سرورها و انواع آن ها توضیح دادیم و سپس به دونوع مهم از آن ها پرداختیم. سپس نرم افزاری برای تسریع در این وب سرورها معرفی کرده و در نهایت شروع به پیاده سازی این وب سرورها کردیم. پس از نصب و اجرای آن ها عملیات تست سرعت را روی تمامی آن ها انجام داده و نتایج به دست آمده را مورد بررسی قرار دادیم.

فصل اول: کلیات پژوهش

1-1- مقدمه

اینترنت و مهمترین سرویس آن وب، علاوه بر این كه حیات بشری را در هزاره سوم دستخوش تحولات فراوانی كرده است، توانسته است منشاء تحولات گسترده ای در سایر حوزه های فناوری گردد. یکی از حوزه های جدی تاثیر اینترنت تجارت الکترونیک است.

در وب سایت های تجاری سرعت اجرا و پاسخ سیستم ها موضوعی بسیار مهم و حیاتی شده است. در مورد سیستم های تجاری مشتری به مشتری و تجارت به مشتری با توجه به حجم بالای مراجعه کنندگان و بازدید کنندگان که هریک عملیات متنوعی را انجام می دهند توان و سرعت پاسخگویی سیستم امری بسیار تاثیر گذار در رضایت مشتریان و کارآمدی سیستم تجاری است.

روش های شناخته شده و سابقه داری از قبیل پیش پردازش[1]، کوکی[2]، آژاکس[3]، کش کردن[4] و … برای سرعت بخشیدن به اجرای برنامه های اینترنتی استفاده شده اند ولی همچنان نیاز به بالا بردن سرعت اجرا و بهره وری سیستم های تحت وب احساس می شود.

اهمیت سرعت اجرا در وب سایت های تجاری مشتری به مشتری به دلیل ماهیت ذاتی آن (مشارکت مشتریان با یکدیگر) و تعداد بالای بازدیدکنندگان همزمان بسیار حیاتی است. سیستم های تجارت الکترونیک از قبیل بازارهای اینترنتی، بازارهای حراج اینترنتی، خرده فروشی های مشارکتی و … نمونه هایی از این سیستم های مشتری به مشتری هستند.

در مورد سیستم های تجارت الکترونیک با پایه ی تجارت به مشتری مثل بانک های اینترنتی، سیستم های پرداخت و تسویه حساب اینترنتی و … نیز به دلیل تعامل همزمان با تعداد زیادی از مشتریان سرعت اجرا و پاسخ دهی بلادرنگ اهمیت ویژه ای پیدا می کند.