فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word دارای ۴۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word :

بخشی از فهرست مطالب فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word

۲-۱ مقدمه    
۲-۲ کاوش متن    
۲-۳ ایده چیست    
۲-۴ اساس و پایه در پشت ایجاد ایده    
۲-۵ فرایند کاوش ایده    
۲-۵-۱ نتایج استفاده از روش کاوش ایده    
۲-۵-۲ ارزیابی روش کاوش ایده    
۲-۶ کاربردهای روش کاوش ایده    
۲-۶-۱ استفاده از کاوش ایده در نوآوری سرویس در زنجیره ارزش کسب و کار    
۲-۶-۲ کاوش ایده برای پشتیبانی از توسعه و تحقیقات درباره محصول جدید    
۲-۷ سیستم‌های خبره    
۲-۷-۱ مفاهیم سیستم‌های خبره    
۲-۷-۲ توسعه سیستم‌های خبره    
۲-۷-۳ فرایند مهندسی دانش    
۲-۷-۴ مراحل فرایند مهندسی دانش    
۲-۷-۵ مرحله کشف دانش    
منابع    

بخشی از منابع و مراجع فایل ورد کامل پیشینه تحقیق کاوش متن و ایده ۴۰ صفحه در word

Thorleuchter, D.Van den Poel, A.Prinzie,” Mining ideas from textual information” Germany,

Thorleuchter, Finding Technological Ideas and Inventions with Text Mining and Technique Philosophy”. In: Preisach, C., Burkhardt, H., Schmidt-Thieme, L., Decker R. (Eds.). Data Analysis, Machine Learning, and Applications. pp. 413-420. Springer, Berlin, Heidelberg,

Stathel, J.Finzen, C.Riedl, N.May,”Service Innovation in Business Value Networks”, FZI, Fraunhofer IAO, TU München (TUM), SAP Research CEC,

Thorleuchter, D.Van den Poel, A.Prinzie,”Extracting Consumers’ Needs to support New Product Development”,  Proceedings of WKDD 2010, pp. 440-443, IEEE Computer Society, Los Alamitos, CA,

Thorleuchter, DVan den Poel, A. Prinzie, “Mining Innovative Ideas to Support new Product Research and Development”, In: Locarek-Junge, H., Weihs, C.(Eds.), Classification as a Tool for Research, pp. 587-594, Springer, Berlin, Heidelberg,

Rajman, R.besancon, “Text mining: natural language techniques and text mining application”, Artificial intelligence laboratory, Computer science department, Swis federal inistitue of technology

Fan, L.Wallace, S.Rich, Z.Zhang, “Tapping the power of text mining”, Communication of the ACM,

O’LEARY,”Design, Development and Validation of Expert Systems: A Survey of Developers “

BOOSE, “EXPERTISE TRANSFER FOR EXPERT SYSTEM DESIGN”, Boeing Artificial Intelligence Center

F f.de carvalho, M.nassar, et al, “Management of uncertainty in an expert system”, Habana,

۱ مقدمه

روش کاوش ایده روشی است که از تکنیک‌های کاوش متن و تکنیک جدیدی به نام کاوش ایده برای بدست آوردن ایده‌های جدید از متون غیر ساختار یافته استفاده می‌شود. این روش که در وزارت دفاع المان برای اولین بار ایجاد و به کار برده شد متنی که حاوی توضیح مسأله مطرح شده و متنی که احتمالاً ایده جدید برای حل این مسأله در آن مطرح شده است را به عنوان ورودی‌هایش دریافت می‌کند و با استفاده از تکنیک‌های که به کار می‌برد ایده‌های جدید و مفید را استخراج می‌کند و در نهایت با استفاده از روشی قابل درک برای کاربر آن را در خروجی نمایش می‌دهد

ما در این تحقیق ابتدا در بخش ۲-۲ مروری اجمالی بر کاوش متن خواهیم داشت تا در مورد پایه و اساس روش کاوش ایده که کاوش متن است بحث کنیم. که در این قسمت بیشتر، کلیات کاوش متن که در کاوش ایده مورد استفاده قرار گرفته است را مورد بحث قرار می‌دهیم. در بخش بعدی تعریف ایده را بیان می‌کنیم تا با این کار از شبه‌هایی که در زمینه این واژه ممکن است وجود داشته باشد پرهیز کنیم و بتوانیم بر اساس این تعریف دامنه کار را بهتر مشخص کنیم. در بخش ۲-۴ به بررسی اساس و پایه ایجاد ایده می‌پردازیم تا بتوانیم نحوه به وجود آمدن این روش و در واقع ایده به وجود آمدن این روش را بهتر درک کنیم. در بخش ۲-۵ روش کاوش ایده را مورد بحث قرار می‌دهیم که مراحل مختلف این روش را به طور کامل شرح می‌دهد. در بخش ۲-۵-۱ به ارزیابی روش کاوش ایده می‌پردازیم تا بتوانیم میزان دقت و صحت این روش را ببینیم

در بخش بعدی کاربردهای کاوش ایده را بیان می‌کنیم. که در بخش ۲-۶-۱ به کاربرد این روش در زمینه کسب و کار و برای یافتن سرویس‌های جدید اشاره خواهیم کرد. در بخش ۲-۶-۲ کاربرد این روش در توسعه و تحقیق محصول[۱] جدید را بیان می‌کنیم. از آنجایی که ایده من در این مقاله علاوه بر پیاده‌سازی این روش به زبان فارسی به کار بردن آن در زمینه توسعه سیستم­های خبره است در بخش ۲-۷ مروری بر مفهوم سیستم­های خبره خواهیم داشت و در بخش ۲-۷-۱ فرایند مهندسی دانش را مورد بررسی قرار می‌دهیم. در ادامه در قسمت ۲-۷-۲ مراحل مهندسی دانش و در نهایت در بخش ۲-۷-۲-۱ مرحله کشف دانش را بیان خواهیم کرد

۲-۲ کاوش متن

تکنیک کاوش متن به استخراج اتوماتیک اطلاعات از داده‌های متنی غیر ساختار یافته تخصیص داده می‌شود. تفاوت عمده کاوش متن با داده‌کاوی[۲] این است که داده‌کاوی استخراج اطلاعات از پایگاه داده‌های ساختار یافته است در حالیکه کاوش متن روی متن‌های غیر ساختار یافته کار می‌کند. کاوش متن برای کشف و استخراج اطلاعات از ساختار ضمنی متن‌ها به کار می‌رود و در پردازش زبان طبیعی[۳] نیز مورد استفاده قرار می‌گیرند [۱۲].در واقع کاوش متن بخش خاصی از داده‌کاوی است که به عنوان فرایندی که اطلاعات با کیفیت بالا را از متن‌ها بدست می‌آورد به حساب می‌آید. کاوش متن یک فرایند سه مرحله‌ای است که متن ورودی را در اولین مرحله ساختار یافته می‌کند، الگوهای جدید و مشاهده نشده را در داده‌های متنی ساختار یافته در مرحله دوم شناسایی می‌کند و در مرحله سوم، نتایج را ارزیابی و تفسیر می‌کند [۱۲].معمولاً مرحله اول در بسیاری از موارد کاربرد کاوش متن سیر یکسانی را دنبال می‌کند اما مرحله دوم و سوم بنا بر نیاز زمینه‌های خاص با هم متفاوت است. ابزارهای کاوش متن طی این سه مرحله ساخته می‌شوند و در زمینه‌های مختلف مورد استفاده قرار می‌گیرند. در مرحله اول که همان مرحله پیش پردازش[۴] است متن اولیه پاک‌سازی می‌شود (مثلاً از عکس یا تگ‌ها و; ). نشانه‌گذاری‌ها حذف و فرهنگ لغتی برای تصحیح خطاهای نوشتاری به کار برده می‌شود. سپس شناسه‌ها[۵] جدا می‌شوند که واحد اصطلاح کلمه است و تبدیل حروف (تبدیل اصطلاحات به حروف کوچک و بزرگ کردن کاراکتر اول جمله در زبان‌های که دارای حروف بزرگ و کوچک هستند) اعمال می‌شود

معمولاً در قسمت فیلتر کردن متن چندین روش به کار می‌رود. ادات سخن نشانه‌گذاری شده برای شناسایی گروه نحوی اصطلاحات به کار برده می‌شود. فیلتر کلمات عمومی[۶] اغلب برای شناسایی اصطلاحات با اطلاعات کم یا بدون مضمون استفاده می‌شود. با ریشه‌یابی[۷] بر اساس فرهنگ لغت ریشه کلمات (جایی که ریشه مشابه کلمات مرتبط ارائه می‌شود) شناسایی می‌شود

مضافاً توزیع زیف [۸]برای کاهش تعداد اصطلاحات با استفاده از حذف اصطلاحات کمیاب به کار برده می‌شود. بعد از این کار اصطلاحات انتخاب شده به صورت دستی چک می‌شوند. سپس بردارهای متنی ساخته می‌شوند. در مرحله دوم از این بردارهای متنی با شیوه‌های مختلف جهت استخراج اطلاعات استفاده می‌شود تا الگوهای جدید را کشف کند. که در نهایت این الگوها برای ارزیابی میزان مفید بودنشان در مرحله سوم مورد ارزیابی قرار می‌گیرند

ابزار کاوش متن[۹] در این فرایند سه مرحله‌ای ساخته می‌شوند تا بتوان از آن در زمینه‌های مختلف بهره جست. همان‌طور که حجم داده‌های غیر ساختار یافته در حال افزایش است، ابزار کاوش متن که آن‌ها را وارسی می‌کند به صورت فزاینده با ارزش می‌شوند. برای مثال، ابزارهایی که در زمینه‌های پزشکی به کار گرفته ­می‌شوند، که حجم اطلاعات در موضوع خاصی سبب شده که این کار برای یک محقق غیر ممکن باشد که تمام آن‌ها را کشف کند. روش‌های کاوش متن اغلب برای دولت و آژانس‌های امنیتی که سعی دارند هشدارهای تروریستی و دیگر تهدیدهای امنیتی را قبل از اینکه شانس رخ دادن داشته باشند را پیدا کنند، مفید است، آموزش، حیطه دیگری است که کاوش متن در آن بسیار مفید واقع شده است. دانش‌آموزان و آموزگاران بهتر قادر خواهند بود که اطلاعات مربوط به موضوع‌هایشان را نسبت به روش‌های سنتی پیدا کنند. برای محققان کاوش متن، کاربردهای تجاری می‌توانند هدف بسیار امیدبخشی باشد. ابزارهای کاوش متن می‌تواند به شرکت‌ها در آنالیز رقیبانشان، پایگاه مشتری و استراتژی‌های بازاریابی کمک کند [۱۳]. این تنها قسمتی از کاربردهای کاوش متن است و استفاده از آن در تمام زمینه‌ها به سرعت در حال افزایش است. اهمیت فزاینده کاوش متن در مقابل رشد چشمگیر حجم اطلاعات بیشتر نمایان می‌شود و محققان در همه زمینه‌ها به اهمیت استفاده از این روش برای رقابت و پیشی گرفتن در بازارهای جهانی واقف هستند

[۱] Product Research and Development

[۲] Data mining

[۳] Natural language processing

[۴] Preprocessing

[۵] token

[۶] Stop words

[۷] Stemming

[۸] Zipf

[۹] Text mining tools