شریف پژوه

چکیده: در دنیای امروز حجم عظیمی از اطلاعات به صورت متن می باشد. بنابراین تکنیک های متن کاوی اهمیت یافته اند. کاوش نظرات یا تحلیل احساسات به عنوان شاخه ای از متن کاوی، به معنی یافتن دیدگاه نویسنده متن درباره یک موضوع خاص است. اینترنت این امکان را برای کاربران فراهم می کند تا نظرات خود را به سهولت بیان کنند و از نظرات دیگران در مورد موضوعی خاص مطلع شوند. حجم بالا و فقدان ساختار مناسب برای متن نظرات ارائه شده بروی بستر وب، استفاده از دانش پنهان درون آنها را دشوار نموده است. بنابراین ارائه روش هایی که بتواند این دانش را به صورت خلاصه و ساخت یافته آماده کرده و در اختیار ما قرار دهد حائز اهمیت است. در این پژوهش سعی شده به ارائه روشی برای تحلیل نظرات ذیل خبر در سایت های خبری با توجه به متن خبر پرداخته شود. در این راستا سعی شده با استفاده از ویژگی های دستوری متون مانند اسم و فعل و همچنین تحلیل بار احساسی جملات، رابطه نظر با خبر و دیدگاه نویسنده نظر را با توجه به موضوع متن خبرکشف کنیم. در ادامه به ارزیابی روش، با پیاده سازی آن روی مجموعه داده جمع آوری شده از اخبار و نظرات به زبان فارسی پرداخته شده است. روش پیشنهادی صحت تشخیص 42.9 درصدی دارد.

چکیده: به سبب رشد سریع شبکه ها و رسانه های اجتماعی، امکان دسترسی افراد به نظرهای دیگران افزایش یافته است. نظرها، حاوی اطلاعات ارزشمندی اند که با تحلیل آنها، می توان به گرایش ها و ترجیح افراد پی برد و نظرهای مثبت و منفی را نسبت به مسائل گوناگون، شناسایی کرد. نظرکاوی فرایندی است که به تحلیل عاطفه ها، احساس ها و نظرهای افراد می پردازد و از این طریق، اولویت افراد را شناسایی می کند. در این مقاله، روشی برای نظرکاوی در زبان فارسی ارائه شده است که از ترکیب لغت نامه و الگوریتم نظارتی ماشین بردار پشتیبان (SVM) استفاده می کند. برای ایجاد لغت نامه، از لغت نامه SentiWordNet بهره برده شده است. در واقع این لغت نامه، مجموعه ویژگی های الگوریتم SVM است. برای ارزیابی نتایج، از داده های دامنه هتل استفاده شد. چهار فرضیه برای دستیابی به بهترین نتیجه تعریف شد که از این بین، بیشترین درستی، به فرضیه حاصل ضرب قطبیت در تعداد تکرار کلمه ها اختصاص یافت.

 
این دوره ی آموزشی مناسب برای افراد مبتدی می باشد.

در این دوره، موارد مختلف مربوط به طراحی بازی در نرم افزار Unity 3D آموزش داده می شود. آموزش استفاده از ابزارهای مختلف Unity 3D و همچنین برنامه نویسی مقدماتی برای ساخت بازی در این دوره برای متقاضیان ارائه می گردد.

 
چکیده: سیستم های خبره یا مبتنی بر دانش، رایج ترین نوع سیستمهای هوش مصنوعی در علم پزشکی در کاربرد ها و استفاده های کلینیکی هستند. آنها شامل دانش پزشکی هستند که این دانش معمولا در محدوده وظیفه و عملیاتی است که به صورت مخصوص برای او تعریف شده است. سیستم های خبره می توانند با استفاده از داده های مربوط به هر بیمار، نتیجه گیری منطقی و معقولی را به دست آورند. با وجود تغییرات فراوان و تفاوت های موجود، دانش درون سیستم خبره، بسته به نوع آن، در قالب مجموعه ای از قوانین، نمایش داده می شود.دراین مقاله، برای تشخیص اختلال های تیرویید را با استفاده از یک سیستم خبره مبتنی بر آنتولوژی و روش فازی عصبی پیشنهاد می دهدOBESTDD مخفف عبارت . سیستم خبره مبتنی بر آنتولوژی برای تشخیص اختلال تیرویید است. در این تشخیص، از آنتولوژی برای مدل سازی محتوا و مفاهیم دانش حوزه ای، و همچنین استنتاج تشخیص مرتبط با بیماری بر اساس قوانین، استفاده می شود.فایده آنتولوژی این است که دانش ارایه شده، هم برای کامپیوتر و هم برای انسان، به اندازه کافی خوانایی دارد. استفاده از آنتولوژی در حوزه پزشکی و مراقبت های بهداشتی، باعث شده است که افراد متخصص و یا غیر متخصص در این حوزه بتوانند به راحتی دانش خود را ارایه دهند. همچنین ما با استفاده از روش فازی عصبی، توانستیم قوانین فازی را به دست آورده و آنها را در سیستم سیستم خبره تشخیص اختلال تیروییدESTDDجایگذاری کنیم. به این صورت، این سیستم توانست اختلال تیرویید را با دقت 95.33 % تشخیص دهد. علاوه بر این، می توان از این سیستم برای آموزش دانشجویان رشته پزشکی نیز استفاده کرد.

 
چکیده: باتوجه به اینکه مردم به تازگی علاقه به وضعیت سلامتیشان دارند، توسعه دامنه کاربرد پزشکی یکی از فعالترین زمینه های تحقیقات را به خود اختصاص داده است. یک مثال از دامنه کاربرد پزشکی کشف روش برای بیماری قلبی بر پایه روش تشخیص به کمک رایانه است، که اطلاعات از منابع دیگر بدست آمده و توسط نرم افزارهای رایانه ای ارزیابی شده است. سیستم های خبر، با هدف عمومی کردن مهارت های افراد متخصص، برای افراد غیرمتخصص طراحی شده اند. در واقع این نرم افزارها، الگوی منطقی ای را که یک متخصص براساس آنها تصمیم گیری می کند، شناسایی می نمایند و سپس بر اساس آن الگوها، مانند انسان ها تصمیم گیری می کنند. تاکنون سیستم های خبره ی مختلفی در زمینه ی علوم پزشکی ارائه شده و در این مورد پیشرفت زیادی داشته است. در حالی که سرعت عمل در تشخیص بیماری قلبی و در بهبود حال بیماران بسیار موثر می باشد، اما گاهی دسترسی به پزشکان متخصص برای بیماران وجود ندارد و ا ز این رو طراحی سیستمی با دانش پزشک متخصص که تشخیص مناسب را به بیماران ارائه نماید، شرایط درمان به موقع بیماران را رفراهم می کند. در این تحقیقی یک نمونه از قواعد نامعلوم سنگین برپایه روش پشتیبانی تصمیم برای تشخیص بیماری قبلی آورده شده است. تصمیم پزشکی پیشنهادی سیستم برای پیش بینی ریسک بیماران قلبی شامل دو فاز است: (1) روش خودکار برای قاعده سنگین نامعلوم (2) توسعه قاعده سنگین براساس پشتیببانی تصیمیم سیستم . سپس سیستم نامعلوم در مطابقت با قاعده سنگین نامعلوم و خواص منتخب ساخته شده است. در پایان عملکرد سیستم با دقت شبکه عصبی، حساسیت و ویژگی مورد استفاده مقایسه می شود.