تجزیه و تحلیل اطلاعات • علوم مهندسی • مهندسی صنایع و مواد

بهينه سازی كشف اطلاعات از مستندات نيمه‌ساخت‌يافته XML

صفحه 1:

صفحه 2:
5 دانشگاه صنعتي امير كبير ‎otal gh‏ بهينه سازى كشف اطلاعات از مستندات نيمهساختيافته ‎XML‏ Optimizing Information Discovery from Semi-Structured XML Documents دانشجو مینا ملكي استاد راهنما دکتر احمد عبدالله‌زاده بارفروش !يهنن 1385

صفحه 3:
gta ER ضرورت انجام پژوهش هدف پژوهش طبقه بندي مستندات روش هاي وزن دهي ويژگي روش وزن دهي ويژگي پيشنهادي ۳6066 روش وزن دهي ويژگي پيشنهادي ۵ سیستم طبقه بندي کننده مستندات نیمه ساختیافته 60 مشخصات بستر آزمايشگاهي پیاده سازي شده نتایج ارزيابي‌هاي انجام شده صاج حاحص ضاح حاص شاك نتیجه گیری. دستاوردهای پروژه. پیشنهاد کارهای آبنده مشاه سست هایهوشت. مينا ملكي- بهيته سازي كشف اطلاعات از مستندات نيمه ساختيافته 20001 ‎nO‏

صفحه 4:
‎fl ۱ @‏ اشرورت نجام يزوهض 0 ‏4 ساختيافته ؟ ‏مستندات نیمه ساختیافته با ‏]لت کیدزن ند ‏کشف خود کار اطلاعات ازمستندات نیمه ساختيافته ,21۷11 ‎ ‎ ‏کشف خودکار دانش‌هاي جدید, الگوهاء ارتباطات در مجموعه وسيعي از مستندات متن کاوی ‎ae ale ‏خلاصه سازي‎ ‏مس ههور‎ IML sb Ss AS glo ‏کي‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎

صفحه 5:
بهبود كارايي طبقه بندي کننده بهبود کشف اطلاعات از مستندات نیمه ساختیافته 20 ۰ تشخیص معناي کلمات مبهم 221 70 تت اراد سس بان هشیر مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 ‎RAT‏

صفحه 6:
fl D={d, ‏...روت‎ “ ِ = C={G, O,..-Gyt ‏تصميم گيري‎ 1 ‏رك‎ ‎ay = 0 0 G © | aa 9 1 آذآ فازهاي طبقه بندي ۴ فاز آموزشي ساخت مدل با استفاده از مستندات آموزشي © فار آزمايشي > استفاده از مدل بر روي مستندات آزمايشي آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎CT‏

صفحه 7:
پیش پردازش مستندات # شاخص بندي مستندات * تیدیل مستندات به برداري از کلمات تشکیل دهنده ۳ 7 * آستانه يابي تکرار مستندات (015) انتخاب ويژگي ‎(IG) tes oe?‏ 8 * کاهش ایعد بردار کلمات ۰ **قدرت ويژگي (۳5) * روش هاي مبتني بر 1۳ IDE ‏*#*روش هاي مبتني بر‎ © Sa 2 7 ‏وزن دهي ويزكي‎ * > تعیین میزان اهمیت. و قدرث کلمات انتخاب شنده در متمایز کزدن هر مستند از سایر مستندات لق طبقه بندي مستندات **طبقه بندي کننده هاي بیزین طبقه بندي مستندا *#نزدیکترین 16 همسایه ‎(KNN)‏ ‏© اعمال الكوريتم طبقه بندي بر روي بردار *درخت هاي تصميم گيري *”شبكه هاي عصبي ** ماشين هاي بردارهاي يشتيبان ‎(SVM)‏ آزمایشگا سيستع هاي موشمند مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 ‎RAT‏ كلمات انتخاب و وزن دهي شده مستندات

صفحه 9:
fl @ oT) بهبود روش وزن دهي ويژگي براي بالابردن كارايي طبقه بندي کننده مستندات نیمه ساختیافته ,21 مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 مسسمدسمد ممه ‎he‏

صفحه 10:
fl @ tis ‏هاي وزن دهي‎ BD افآ وزن دهي ويزكي (ولا...رزلا") - ‎ee dG‏ 2 04:6 اكر تعداد پيژگي‌هايمتمایز در کلمجموعة ‏ +۷ وززههي‌پيژگي ,ا در مستند 0 أن روش هاي متداول وزن دهي ويژگي © روش‌هاي مبتني بر 1۳ > تابعي از توزیع ويژگي در هر يك از مستندات ۴ روش‌هاي مبتني » ‎IDF‏ ‏< تابعي از توزیع ويژگي در مجموعه مستندات ‏ # روش هاي بر اطلاعات طبقات > تابعي از توزيع ويزكي در طبقات deD santa glo ges dCs) AT 0861. ‏مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته‎

صفحه 11:
ایده: افزایش وزن دهي ويژگي با افزایش فرکانس ويژگي در هر مستند. ب يف8 - رط مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 <b, =the a =|? | ‏اد‎ 4,€vectoof d, نام روش ۳ 1 1+ 016, 0( ret wah | a TOTES ATT ape | Me =ITRE, ay =I 6 Wig = Sparc, dq) 2۳۲,۹۳۳ 153۵ | ‏دوس‎ 6 تسش

صفحه 12:
ایده: کاهش وزن ويژگي با افزایش ف رکانس ويژگي در مجموعه مستندات ‎D‏ fal =i ‏لیم‎ ‎10: Wy =idft;,, d;) OS EO ree Wa =thidgft,, d) =tht,, d)*idht,, d) : ___tfidtt,, d) were 31 TS tid ft, Ay ‏اط| تعداد کل مستندات مجموعه ط‎ |(,۶)| تعداد مستنداتی از مجموعه ظ دارای ویژگی ۸ fal santa glo ges dCs) RAT 0841. ‏أطلاعات از مستندات نيمه ساختيافته‎ مین كيت يهينة لوي “كد

صفحه 13:
ها روش ۲۳۳۳" © سال 2005 توسط آقاي 1.810 ‎|e‏ بو ‎rf{t,,¢;) =lo‏ المع مقاط إل رسک [(ره ,/۳2۷] تعداد مستنداتی از مجموعه 72 و طبقه ره دارای ویژگی »1 I 4+ ‏تعدد مستداتی از مجموعد 0 و طبقه اى غير از طبقه ره داراى ويذكى‎ genres EDs 0) ( مه ماد( مزاآلا Whi = TFRR ty, dj) < یه( من رل ره طبقه مستند ,4 آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 — ‎AT‏

صفحه 14:
اه )© )© @ TFCRF *: تعداد مستندات فاقد ويژگي > از كلاس ,© : تعداد مستندات داراي ويژگي >« از كلاس ,© > تعداد مستندات داراي ويژگي 5 از کلاس غیر و6 تعداد مستندات فاقد ويژگي > از كلاس غير ,© وسسسسسسسسسسسس سس مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 age

صفحه 15:
fl (ast) TFCRE ندا روش هاي وزن دهي ويزكي مبتني بر ”11(1 ‎a+b+c+d‏ bee ‘| | | N idi =] =] 107 ‏عع لماك‎ وزن در (1)- وزن 2 در (2) -وزن ۲ در (3) - وزن > در (4) 2 روش 7۳0/7 T(x q) =loq 2+? 2 »4 ©) © @ 1 وزن > در (4)< وزن ع در (3) < وزن > در (1) < وزن > در (2) ae ie)

صفحه 16:
(acts) TFCRE روش وزن دهي ويژگي ‎TFRF‏ وزن ۲ (الف) <وزن 2 (ب) < وزن 2 (ج) < وزن ۲ (د) 1 ۱ 5 . سوک بیس ‎fl‏ روش وزن دهي ويزكي منطقي \ QO © | ‏افش‎ ‎SD‏ اراد سس بان هشیر مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 مسد وموم ‎he‏ ‎ ‎

صفحه 17:
fl rox 17 | (زه | لت = ‎positiveRk, G)‏ ‎|X) | 5‏ نت رو ‎crfValué,,‏ ‎negativeR&, c;)‏ الفط ا ‎negativeRf, G) = Pinal‏ هگ زعم کر ‎pe, )|‏ تعداد مستندات طبقه ره لاره: 64 تعداد مستندات طبقه ره دارای ویژگی 4 لمم رانک سس مان بش مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT I‏

صفحه 18:
o ‏رن‎ ها مثال: طبقه بندي مقالات علمي برچسب گذاري شده ۱0 ۴ فرکانس ويژگي ‏ در "عنوان " ! بار ۴ روش وزن دهي ويژگي 1 100+2+1=103 a 20939 ‏روش‎ ‎Sl‏ مساله: تعیین میزان اهمیت (وزن) اجزاء مستند نیمه سا راه حل 1: فرایند مکاشفه اي در تعیین میزان اهمیت هر جزء ‎JLs Bir)‏ 2004( ‎Sl‏ راه حل2: طبقه بندي کننده متا (0۳۳۸۳) سال 2004 و 2006) ‏فا راه حل 3: روش وزن دهي ویژگی ‎LOPE‏ ادي (۳۳() در سال 2007) ‎ ‎ ‎ ‎le gine dala)‏ موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎I‏

صفحه 19:
a o 660, ‏ایده: وزن دهي ويژگي براساس اطلاعات ساختاري مستندات نیمه ساختيافته‎ Gl HOD ‏تکنيك: توجه به چگالی هر يك از اجزاء تشکیل دهنده مستند‎ مجتنومه أچزآه موجود: در مستییات :1/167 تجیوی: 9 يه...روا- ير ۷ تعداد کل مستندات مجموعه 1 ‎N‏ ‏(:© ررك مي ب 5 /1- (رع انال 08 مجموعه کل ویژگی‌های متمایز در ‎D‏ له ماع 1د x ‏(رء..4.)# 2 لآ ميانكين كل كلمات موجود در جزء ره مجموعه ظ‎ ۵۱۳1۳۵6۵۸ < (4 1716 < با آزمایشگا سيستع هاي موشمند مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 سس

صفحه 20:
پردازشگر ‏ لو واحد طبقه بندي کننده ماه ید مستندات نیمه ساختيافته ‎XO)‏ سس سح ریت ‎OT — (poy aoa cea ue‏

صفحه 21:
0030 زیر سیستم وزن دهی ویزقی

صفحه 22:
‎fl @‏ رتم پالنده ستندات ‏ ‏الآ وظیفه: در ‎ ‎ ‎ ‏افت و پالايش مجموعه مستندات 26۲ ورودي جهت تعیین مجموعه 1 ‎20 ‏ورودي: مستندات نیمه ساختیافته‎ Gl ‎1( ‏خروجی: مستندات پالایش شده 60 به عنوان مجموعه‎ Gl ‏لآ مولفه ها ‎ae‏ ""حاوي اطلاعات معنايي مهم نیستند. ‎v ‎ ‏© حذف کننده برچسب هاي غیر ضروري © بررسي کننده ساختار مستندات /60( # انتخاب کننده مستندات ‎Sree) ous CAL XML‏ ‏سس سح ریت ‎OT — (poy aoa cea ue‏

صفحه 23:
وظیفه: پردازش مجموعه مستندات 7 جهت استخراج ويژگي هاي مهم با حفظ اطلاعات ساختاري a ورودي: مجموعه مستندات 1 a خروجی: مجموعه مستندات 2 شاخص بندي شده a مولفه ها ۲ شاخص بندي مستندات و استخراج کلمات با حفظ اطلاعات مکانه © تحلیلگر لغوي ساختاري ‎VY‏ احذف اعداد و علائم نگارشي سازنده پایگاه داده ۲ یکسان سازي شکل حروف حذف کلمات توقف ريشه يابي‌شده ۴ پالاینده لغوي ‎Y gH‏ ريشه يابي کلمات ss ts) ‎la‏ موشمند عينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختياقت ‎RFT AML‏

صفحه 24:
ژگی ها (دامم قالب مستندات شاخص بندي شده تعداد آتعداد ‎[vn 1‏ « ) اسسشتتس] | مستسا | | مت ) هه كك تعلاد 30 تعداد سس ناسا تكرار ويذكي در برجسب آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 سس ‎A‏

صفحه 25:
fl ‎GI‏ وظیفه: کاهش ابعاد ويژگي هاي تشکیل دهنده مستندات و انتخاب بهترین آذ ‎SP Sho 3 5‏ 3 تن ‏اث ورودي: جداول يايكاه داده حاوي ويژگي هاي شاخص بندي شده ساختاري ‎SI‏ خروجي: ليستي از ويژگي هاي انتخاب شده 500 ‏زمولند ها لاتعريف حد آأستانه بانين وبال © فیلتر کننده ويژگي ها حذف ويژگي هاي نادر > اشکال املائي یا ذهن خلاق نویسنده ( ‏حذف ويژگي هاي وافر > کلمه توقف حذف نشده ‎Saas ‏2ت‎ ‎۳77 ‏ل‎ ‎OT — (poy aoa cea ue ‏ریت‎ ‎

صفحه 26:
fl @ Sis ‏ليرسيستم وزن‎ أذ وظيفه: تعيين ميزان اهميت هر يك از ويزكي هاي مستند در متمايز كردن آن تند از ساير مستندات اذ ورودي: برداري از ويزكي هاي انتخاب شده به همراه اطلاعات شاخص بندي نها 6 ‎a‏ خروجي: بردار ويژگي هاي وزن دهي شده ‎ ‎ ‏آزمیشگاه سست ها أطلاعات از مستندات نيمه ساختيافته .3081

صفحه 27:
a Oo ‏ده ريش‎ 777909989 برنامه نويسي ۸0 با بیش از 6500 خط کد تا پیاده سازي در چارچوب 0090 به > 7 ‏مستندات ورودي»0‎ GI لمم رانک سس مان بش مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT I‏

صفحه 28:
fl حه اه رت مدمه همه اه دح مد 65 ‎‘Sibisame Ficepacrick at aftuapacdgwa:edu, or Macy Grossien‏ سوریو و مس ‎ce or coe‏ ویک هگ ۳ مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861

صفحه 29:
fl @ (Hines ‏جوم سسا‎ ‎SS!‏ شامل 12107 مقاله علمی از 18 مجله ان 5 تا 2002 به فرمت 20 ‏ات تاریخچه ‎ ‎ ‎ ‏انجمن کامپیوتر 16008 از سال ‏ها برچسب هاي مستندات ‎fx‏ ‏۴ برچسب هاي پایه < حفظ برچسب ابتداانها و محتویات ‎ ‎ ‎ ‎ ‏عع ست 0 اپ اي کشت را هه بخ 200 هو ‎ ‎ ‎

صفحه 31:
fl شامل 12107 مقاله علمی از 18 مجله انتشارات انجمن کامپیوتر 10090 از سال 5 تا 2002 به فرمت 20 a 7 ‏تاريخجه : دانشكاه «محاف<0 آلمان‎ Gl ‏ل برجسب هاي مستئدات سد اماه مهاه 71060 | مد | ارات‎ item-bold, 5 item-both, ۰ tie] <p> | ‏برچسب هاي پایه عسي مويو نفدي‎ itenrandash,itenvavaapara, item roman, iene, ‏هاي حذف شدني‎ ey © ‏بت ی‎ ۳ 5 ‏برچسب هاي تبدیل شدني‎ ۴ ‏تبديل برجسب ابتدا/ انتها مبدا به مقصدا تاد‎ > <emp> | nbediunicizht,sepsmalleaps, te typewriter font ‏ی‎ آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT‏

صفحه 32:
fl ‎[SI‏ شامل 12107 مقاله علمی از 18 مجله انت 5 تا 2002 به فرمت 20 ‎ ‏انجمن کامپیوتر 1600 از سال ‎a ‏اد" برچسب هاي مستندات ‎few‏ ‎ ‏۴ برچسب هاي پایه ‏۴ برچسب هاي حذف شدني ‎ ‏برچننب شروع مقاله ‎é‏ روز ی برچسب هاي تبدیل شدني 5 | اطلاعات تبتر ‏برچسب هاي ساختاري ‎oe. | MTNA hdd‏ ۳ ۳ ار جذف برچسب ابتدا/ انتها ۱17 ‎EL. BE.‏ | 7 ‎ ‎cde. ‏انیس نا انا‎ mumerictbrace, bullet sie) ‎santa glo ges dCs) TT 0861. ‏مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎

صفحه 33:
49 مجموعه مستندات ووورمن 12720 te td tg مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 ieee transactions on knowledge and data engineenng, ieee transactions on pattern analysis and machine intelligence ieee ttansactions on computers ieee transactions on parallel and distributed systems ieee transactions on visualization and computer graphics ieee transactions on software engineering, ivr te ayo 1 VA

صفحه 34:
پیاده سازي در چارچوب ۳۸( به زبان برنامه نويسي (4 با بیش از 6500 خط کد > ‏مستندات ورودي»1161‎ GI ان الگوریتم طبقه بندي کننده ‎GOD‏ € 5 یشگا سستی های هوشت. مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT I‏ وسسسسسسسسسسسس —

صفحه 35:
ban Gl 102,۰۰۰ ‏فحات‎ plar gag leg ‏در فضاي بعدي که نمونه‌هاي مثبت و‎ ‏منفی را با بیشترین حاشیه از هم جدا کنند.‎ 2 مزاياي 000: © بهترین الگوریتم طبقه بددي مستندات © قابلیت کار با تعداد ويژگي هايي زياد * عدم تاثیر تعداد ويژگي بر كارايي الگوریتم © يايداري پیاده سازي توسط (10808000ما مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861

صفحه 36:
ازي شده ‎Gl‏ پیاده سازي در چارچوب 0۳ به زبان برنامه نويسى 0 با بيش از 6500 خط كد ‎GI‏ مستندات ورودي 1261 -> أذ الكوريتم طبقه بندي کننده 600 > ‎)06( ‏روش انتخاب ويژگي > آستانه يابي فرکانس مستندات‎ SI ‏221 70 تت اراد سس بان هشیر مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT‏

صفحه 37:
fl @ DE 55088) دلیل انتخاب ۰ سادگي ۴ هزینه محاسباتي پائین ۰ دقت و كارايي معادل بهترین روش هاي انتخاب ويژگي نظیر 16 @ مناسب در حوزه طبقه بندي مستندات 2 2 ایده: ظاهر شدن ویژگی در تعداد مستندات > بالا بودن ارزش معنايي ويژگي یکدیگر (بعد از حذف کلمات توقف) ‎Sl‏ راهکار: شمارش تعداد مستندات داراي ويژگي ‏آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎HT‏ ‎

صفحه 38:
ان مستندات ورودي(0 12 > 2 الگوریتم طبقه بندي کننده ‎GOO‏ € ‎BI‏ روش انتخاب ويژگي؟00) > نا روش‌هاي وزن دهي ویژگی گمبتني بر ۳ +مبتني بر+ ۳00 + ۳ + 10 ‎“LODE‏ 1 5 1 a تقسیم بتدي مستندات به نسبت 3/2 آموزشي و 3/1 آزمايشي @ تعداد کلمات توقف بعد از تکمیل 1392 کلمه 00726 > کلمه توقف ريشه یابی شده ماگنه اي کشت هت از نات ‎WO es‏ و

صفحه 39:
میانگین میکرو میانگین ماکرو ‎PCs)‏ 3 ‎id TP; 3‏ ‎LPC) dpe ED‏ ‎E‏ ‏5 | رمعم +ررعم 2 ا ‎A‏ ‎TRe)+TNe,) 1 1‏ ۳ ‎LTR) 5‏ 8 7 +13 + رعرع بجيجج- (كفه ‎Re = i 2 3‏ (رعد 7 5 7 7 ‎___TAG) 1 a :‏ ل ‎FNC,))‏ +“ متیر ‎Pre,) “TR,)+ FAG,)‏ م مج را ير 7 ‎are‏ 66-7 a I | SEED عبن ملكي يهينه سازي كشف اطلاعات از مستندات نيمه ساختيفته 2084 — ۳۳

صفحه 40:
اثیر فیلتر کردن ويژگي ها # حد آستانه پائین ۶:10 کل تعداد مستندات تعداد مستندات تعداد ويزكى ها ‎es‏ کاهش مجموعه 10 بی فیلتر با فيلتر ویژگی ها ‎INN mut ۱۸3 ۱۸۰‏ ‎YAY ۱3۹3 he‏ 1۸۳ ‎YAR Yast ۳:۳۶ vy.‏ ‎ , —————— NS‏ عينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختياقت ‎HT AML‏

صفحه 41:
a Oo قد ارزيابي روش وزن دهي ويژگي ۱,)9/۳6۴ أقآ 180 مستند ورودي تا بدون فیلتر دأ میانگین تعداد کلمات در هر برچسب و وزن برچسب # عنوان: 5 ويژگي گوزن برچسب عنوان 2/0 ۴ چکیده: 40 ویژگی > وزن برچسب چکیده 09/0 * کلمات کليدي: 11 ويژگي ‏ وزن برچسب کلمات كليدي 025/0" ۴ متن: 439 ويژگي گ وزن برچسب متن 002/0 ۳77 ‏ل‎ ‎ih ‏اس‎ (poy aoa cea ue ‏ریت‎

صفحه 42:
fl @ a ab ‏ای ارييهاي انجام‎ LOVE ‏ارزيابي روش وزن دهي ويژگي‎ GI * تعداد مستندات: 80. ۴ تعداد کل ويژگي ها:ژ ؟ بهترین مقدار ,مه > :1 درصد > :۱۸/۲ درصد علو عتشييد مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT I‏

صفحه 43:
‎fl @‏ لابج ارزيابي هاي انجام شده مس ‏2 ارزیابی روش وزن دهی ویژگی ۱,۳6۴ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ae ee ‏سس[‎ ‎oh —letee belie beg gg ‏ی‎ aaa ‎a SD‏ سس بان هش مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎NT‏ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎

صفحه 44:
TF SD 0861. ‏مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته‎ یت ارزیابی روش وزن دهی ویژگی ۱,۳۵۴

صفحه 45:
* تعداد مستندات: 20 * تعداد ویژگی:16434 ۴ : > 73/0 يه ازاي 8000 ويژگي ‎:Gparck ©‏ > 7670 به ازاي 2000 ويژگي ‎Micro Average F, ‎ ‎ ‎ ‎4 ‎‘a 5000 10000 ۰ 15088 ۰ ۰ 20000 ۰۰ ۵ ‏سم‎ of Features ‎ ‏مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 ‎ae ie) ‎ ‎

صفحه 46:
> 0 به ازاي 2000 ويژگي TPCRE © > 933 /0 به ازاي 4000 ويژگي 10000 15000 2000 ۹ Number of Features TERE ‏هد‎ norm FIDE ‏هو سوت‎ سب[ عه 0 0۳0 Micro Average F, ‎SD‏ اراد سس بان هشیر مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 مسد وموم ‎he‏ ‎ ‎

صفحه 48:
ان تاثیر فیلتر کردن ويژگي ها بر روش ۳6۳066۴" معیارهای تعداه کر اوزیابی مجیوعه 2 ‎AB set‏ ل ‎ak‏ ‎A‏ ‎ve‏ ‏با فیلتر sar “ay vary ۹۹ ۳ “ae ۳ ۲ sar aoe sar لحل sar ۳ sar sara any aye ary av any yaar, ۸۳ rare yan

صفحه 49:
fl @ بهبود كارايي طبقه‌بندي کننده مستندات نیمه ساختیافته 160 (حدود 5 الي 9 درصد) با بکار گيري روش وزن دهي ويژگي ۲ عت طبقفزندی کتنذه نیمه ساختیافته(0 در رسیدن به يي با بكارگيري روش وزن دهي ويژگي ۵ ‎Gl‏ بهبود کارايي طبقه‌بندي کننده مستندات (حدود 5 درصد) با بكارگيري روش وزن دهي ويزگي ۳00 ‎Gl‏ عدم وابسته بودن کارايی روش طبقه‌بندي کننده مستندات مبتني بر 00۹6 با ‎ ‎ ‎ ‎۱ Gl ‎ ‎ ‎ ‏تعداد مستندات ورودي ‎9489 ‏افزایش سرعت محاسباتي با کاهش تعداد ويژگي ها (83 در 360 مستند و‎ Gl ‏در 720 مستند) >کاهش ناچیز کارايي طبقه‌بندي کننده مستندات مبتني بر‎ )004/0 ‏(حدود‎ 0۴ ‎ ‎ ‎ ‎ ‏آزمایشگا سيستع هاي موشمند مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 سس

صفحه 50:
fl @ (ax sass أذ ارائه روش جديدي براي طبقه‌بندي مستندات نیمه ساختيافته :20 دا طراحي و پیاده سازي چارچوبي جهت ارزيلبي اجزاء مختلف سیستم طبقه‌بندي کننده مستندات نیمه ساختيافته ‎GI‏ طراحي و پیاده سازي يك تحلیلگر لغوي ساختاري براي شاخص بندي کردن مستندات نیمه ساختيافته با حفظ اطلاعات ساختاري ويژگي‌هاي تشکیل دهنده آنها ‎ ‎ ‎I‏ ارائه روش جديدي براي وزن دهي برچسب ها و ان اهمیت هر يك از اجزاء ‏رائه روشي جدید براي وزن دهي ويژگي‌هاي مستتقات نیمه ساختیافته براساس موقعیت ويژگي () ‏أن اائه روش جدید براي وزن دهي ويژگي براساس اطلاعات طبقات (00) ‏اد بكارگيري روش وزن دهي ويژگي اسمح۵ در حوزه طبقه‌بندي مستندات ‏اتنا ارائه ليست كاملي از كلمات توقف + ايده جدید به منظور دستيابي به بهینه ترین لیست كلمات توقف ‎ ‎ ‎ ‎ ‎ ‏آزمایشگا سيستع هاي موشمند مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 — ‎Oh‏

صفحه 51:
fl @ eat lst ‏تاد‎ ال بهبود نحوه وزن دهی اجزاء مستندات نیمه ساختیافته انآ ترکیب روش هاي وزن دهي ويژگي ارائه روش جديدي براي انتخاب ويژگي از مستندات نیمه ساختيافته استفاده از (0:76) براي تولید برداري از ويژگي‌هاي مفهومي آزمایشگا سيستع هاي موشمند مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT‏

صفحه 52:
fl [Bl 1. ete, Dakar Lewrany OeBran Ud, Dow York, 8, C89. [Bl ‏تمسق‎ 0: tere, Okra Formas Reread, OO reer, Oru York 1, 488. ,اف ‎Dar Ora: Orenge wal Teakeanes, Darya aon‏ مامت :0 بسا لا [Bl ©, ©. Greens. Gov, Orbe be herent br Orr Probdety Ober al herder sheet, Dey, GOO. [SI 0.0. rey, Carvey oP Pe ‏سم لعج رفس بسا رد0‎ Spring bbe, 0 وزن دهي ويژگي 5 ‎Spe," oad‏ عم دا تسوا نع یاه( ی( بویت عیسو( ت۳۳ یله بل تسا 6۰ و ۵000 0۵۵06۸ وی 06 ,06 ای رس سا ما خی ‎| Vem Dk UY bh, CA. Xe, Omegrasin Chow Crate Drab ‏م‎ Dont Camortnan” Oh om rate Orb Ornf mew, Deane, Oey Dyed OPAPP, COD. ‎[Bl ban, 027. een LW. Lew, OL, Pay, © Onaprrcare One on Perr Dehn Ochre Por Pee ‏مه میسن‎ ۵۵ ‏ند مالس لسع مها‎ Oecd Deterker (AIO), ‏یر‎ 2006۵0 006 ‎Bl ‏نس‎ 1.0. Oye, (0 One ‏ای و0 سامت هو تم‎ hapa ‘erent ye, vk OW. 4 pp. 0109, C09. ‎ ‏عينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختياقت ‎TT I AML‏

صفحه 53:
fl ا ‎As‏ عقي" يارد لاح يون حبك الصوويه بويا سل ‎LEE EEO Ya Ug SPER‏ بودي تون مني رمد اکن ‎ge‏ موز فرط دق ‎tia espa‏ أ .يعاس يوه لداعت پل بان از يکي کار ین نم ‎pA‏ هرمز دنا دتم یکی 135 ‎٩۵ pruned Lygerted Oceeprinan Orton Dot beh cl hereweendy Orne Oho‏ نصا 0:۷ بت باق با نهآ ‎‘Abormar’OOrd DOO ‘heyaared Odorewe vu Ccewth wal Onebpwed ws bora Gere (OWGARDD), pp.‏ ‎Oho, 6, CODD‏ ,20-270 ‎Gl ©. Oke, 0. Gory, ©. Dogys, ©, Crarceh, CherPans of UND Drovers by ikiee Tree Date ‏مه‎ ‎AODONDI, py. 670-099, 080, OOD ‎TBI. ony. Gham; B. Oks, “B rn of Opyromches “Layee Octeprintan” ened of “hark ‏“الل‎ ‎10, 6/۵ ‏بو‎ 0000۵ 6 ‎[Bl ©. Onte, ©. Clye, “0 Grey ot Oiprowher & Orursretee Drove ‏سا مایا مجع خسان‎ 1115406-00, ‏برش هپس سوه‎ ۵ dent Ort ‏سل هه‎ 00 ‏| ‏ان 00۵0 یس ,0۵ اس مومس لت مسق ‏ع پم ‎“Pernt‏ ممعت مهن س0 لعن دس ‎Por‏ سعط للع مله" حبنت .© ‎[Bl ©. Orde,‏ 0 ‎ ‏بايان نامه كارشناسي ‎ ‏طبقه بندي مستندات احم ما من ‎(DI. Sem, bis, “@ ReKBanonnto of Pet Ocrnprizatra Ortent,” GCod BOD ‘tersntead OrPerrane‏ 1869 ,0005 ,طساب 3 ‎Berean SABRE), gy: POPS,‏ مهس انس مومت نا ,0 ام سس پمهمسس0 060 "همست ‎Gl ©. Gobwtad, “Dookie Leas bs Ohtani! eat‏ ‎e008.‏ ‎oS‏ ‏مينا ملكي- يهينه سازي كشف اطلاعات از مستندات نيمه ساختيافته .0861 ‎TT‏ ‎( ‎

صفحه 54:
fl @ Sale SD 1. M. Maleki, A. Abdollahzadeh, "A New Location-based Feature Weighting Method for Categorization of Semi-structured Documents," accepted in the 31st Annual Conference of the German Classification Society on Data Analysis, Machine Learning, and Applications (GFKL 2007), March 2007, Freiburg i. Br., Germany. 2, M. Maleki, A. Abdollahzadeh, "TFCRF: A Novel Feature Weighting Method Based on Class Information in Text Categorization (revised version)," accepted in the 31st Annual Conference of the German Classification Society on Data Analysis, Machine Learning, and Applications (GFKL 2007), March 2007, Freiburg i. Br., Germany. 3. M. Maleki, A, Abdollahzadeh, "TFCRF: A Novel Feature Weighting Method Based on Class Information in Text Categorization,” accepted in the 19th international conference on Computer, Information and Systems Science and Engineering, (ICKM 2007), 29-31 January 2007, Bangkok, Thailand. 4 م. ملکي. | عبدالله زاده. "1۳018 روش جدید وزن دهي ويژگي مبتني بر اطلاعات کلاس در حوزة طبقه بندي مستندات "» پذیرفته شده در دوازدهمین کنفیانس انجمن مهندسي کامپیوتر ایران 2007 05706 1-3 اسقند 1385 دانشکده برق و کمپیوتردانشگاه شهید بهشتي, تهران: یران آزمایشگا سيستع هاي موشمند مينا ملكي- يهيته سازي كشف اطلاعات از مستددات نيمه ساختيافته .0861 ‎Oh‏

صفحه 55:

صفحه 56:
١ ‏يكو‎ "برش وباس تن

دانشکده مهندسي کامپيوتر و فناوري اطالعات دانشگاه صنعتي امير كبير دفاعيه پايان نامه كارشناسي ارشد بهينه سازي كشف اطالعات از مستندات نيمه‌ساختيافته XML ‏Optimizing Information Discovery ‏from Semi-Structured XML Documents دانشجو مينا ملكي استاد راهنما دكتر احمد عبدالله‌زاده بارفروش 1بهمن 1385 عناوين اصلي ضرورت انجام پژوهش هدف پژوهش طبقه بندي مستندات روش هاي وزن دهي ويژگي روش وزن دهي ويژگي پيشنهادي TFCRF ‏ روش وزن دهي ويژگي پيشنهادي LBTF سيستم طبقه بندي كننده مستندات نيمه ساختيافته XML مشخصات بستر آزمايشگاهي پياده سازي شده نتايج ارزيابي‌هاي انجام شده نتيجه گيري ،دستاوردهاي پروژه ،پيشنهاد كارهاي آينده مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 3 ضرورت انجام پژوهش مستندات وب ساختيافته ؟ مستندات نيمه ساختيافته XML بازيابي+جستجو +فهم و يادگيري +ارزيابي +استخراج اطالعات...+ كشف خودكار اطالعات ازمستندات نيمه ساختيافته XML دانشهاي جديد ،الگوها، ‌ کشف خودكار ارتباطات در مجموعه وسيعي از مستندات خالصه سازي متن كاوي طبقه بندي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML خوشه بندي ... آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 4 هدف پژوهش بهبود كارايي طبقه بندي كننده بهبود كشف اطالعات از مستندات نيمه ساختيافته XML سازماندهي مستندا@ت تشخيص موضوع مستندات بندي كننده جهت راستايطبقIه كارايIي بهبود راهكاري بIه عاليق كاربر مستندات در منظوركردن ساختيافته و پيدا ارائIه جستجوي شاخص بندي خودكار مستندات در سيستم‌هاي بازيابي اطالعات ساختيافتهها XML اطالعات از كردنكشف فرايند نيمه مراتبي از پوشه مستندات سلسله الكترونيكي يا فايلها در بالدرنگ نامه هاي بهبودمرتب تشخيص معناي کلمات مبهم مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 5 طبقه بندي مستندات طبقه‌بندي مس@تندات = انتس@اب اس@ناد متن@ي بر اس@اس محتوي ب@ه ي@ك ي@ا چن@د طبقIه از قبل تعيين شده ماتريس تصميم گيري فازهاي طبقه بندي }D {d1, d2,...,dn }C {c1,c2,...,cm ‏1 d j  ci ‏aij  ‏0 d j  ci فاز آموزشيساخت مدل با استفاده از مستندات آموزشي فار آزمايشي استفاده از مدل بر روي مستندات آزمايشي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 6 مراحل طبقه بندي مستندات پيش پردازش مستندات شاخص بندي مستندات تبديل مستندات به برداري از كلمات تشكيل دهنده انتخاب ويژگي كاهش ابعاد بردار كلمات وزن دهي ويژگي ‏آستانه يابي تكرار مستندات ()DF ‏بهره اطالعاتي ()IG ‏روش هاي مبتني بر TF ‏قدرت ويژگي ()TS ‏روش  2 ‏روش هاي مبتني بر IDF تعيين ميزان اهميت و قدرت كلمات انتخاب شده در متمايز كردن هر مستند از ساير مستندات طبقه بندي مستندات اعم@ال الگوريتم طبقه بندي بر روي بردار كلم@ات انتخاب و وزن دهي شده مستندات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML ‏طبقه بندي كننده هاي بيزين ‏نزديكترين Kهمسايه ()KNN ‏درخت هاي تصميم گيري ‏شبكه هاي عصبي ماشين هاي بردارهاي پشتيبان ()SVM آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 7 راهكار بهبود كارايي طبقه بندي كننده ارائه الگوريتم جديد طبقه بندي كننده مستندات بهبود عمليات پيش پردازش 1960 الگوهاي آماري رخداد كلمات ‏Luhn 1986 سيستم هاي خبره ‏Humphery 1988 درخت هاي تصميم گيري Biebricherو ه@مكارا@ن 1992 روش KNN Creecyو ه@مكارا@ن 1994 الگوريتم Rocchio ‏Hull 1994 طبقه بندي كننده بيزين Lewisو ه@مكارا@ن 1996 روش رگرسيون LLSF ‏Yangو Chute 1996 شبكه هاي عصبي ‏Rumelhart 1998 ‏SVM ‏Joachims مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 8 راه حل پيشنهادي بهبود روش وزن دهي ويژگي براي باالبردن كارايي طبقه بندي كننده مستندات نيمه ساختيافته XML متن كاوي استخراج اطالعات پرسش و پاسخ طبقه بندي مستندات پيش پردازش شاخص بندي انتخاب ويژگي خالصه سازي خوشه بندي الگوريتم طبقه بندي وIزن دهي ويژگي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 9 روش هاي وزن دهي ويژگي وزن دهي ويژگي )di (w1i ,...,wki di  Dاگر :kت@@عداد و@يژگ@يهايم@تمايز در ك@لم@جموعة D :wikوز@ند@هيو@يژگ@ي tkدر م@ستند di روش هاي متداول وزن دهي ويژگي روش‌هاي مبتني بر TF تابعي از توزيع ويژگي در هر يك از مستندات روش‌هاي مبتني بر IDF تابعي از توزيع ويژگي در مجموعه مستندات D ‏di  D روش هاي مبتني بر اطالعات طبقات تابعي از توزيع ويژگي در طبقات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 10 روش وزن دهي ويژگي مبتني بر TF ايده :افزايش وزن دهي ويژگي با افزايش فركانس ويژگي در هر مستند. توضيحات رابطه )tk’ di(#تعداد تكرار ويژگيtk در مستند di نام روش ‏of di ‏#(t , d ) tk  vector ‏wki tf(tk, di )  k i ‏tk  vector ‏of di ‏0 ) tf (tk, di ‏ k (tf(tk, di ))2 ‏wki  ‏TF ‏normTF - )) wki log(tf(tk , di - 1 ) 1 tf(tk , di ‏r=1 kت@@عداد و@يژگ@يهاي م@نحصر ‏pk D ب@@ه ف@@رد) iدرtf (tk , d م@جموعة ‏wki ITF(tk , di ) 1 ‏wki  Sparck (tk , di ) tf (tk , di ) *  k  log pk   ‏logTF ‏ITF ‏Sparck ‏D مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 11 روش هاي وزن دهي ويژگي مبتني بر IDF ايده :كاهش وزن ويژگي با افزايش فركانس ويژگي در مجموعه مستندات .D ‏D ‏wki idf(tk , di ) log ) D(tk ‏IDF ) wki tfidf(tk , di ) tf(tk , di ) * idf(tk , di ‏TFIDF ) tfidf(tk , di 2 ))  k (tfidf(tk , di مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML ‏normTFIDF wki  آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 12 روش وزن دهي ويژگي مبتني بر اطالعات طبقات روش TFRF سال 2005توسط آقاي Lan ‏ ‏ ‏ ‏D(tk , cj )  ‏ |rf (tk , cj ) log 2  |C ‏ ‏ | D(tk , cm) | ‏ ‏m1,mj ‏ ‏ ) tf(tk, di ) * rf (tk,cd ‏i ‏ k  tf(tk,di ) 2 * (rf (tk,cdi ))2 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML ‏wki TFRF(tk, di )  آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 13 روش وزن دهي ويژگي پيشنهادي TFCRF ‏a تعداد مستندات متعاق به كالس c1 ‏b ‏c :aتعداد مستندات فاقد ويژگي xاز كالس c1 :bتعداد مستندات داراي ويژگي xاز كالس c1 تعداد مستندات متعلق به كالس هاي غير c1 ‏d ( )4 )(3 )(2 )(1 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML :cتعداد مستندات داراي ويژگي xاز كالس غير c1 :dتعداد مستندات فاقد ويژگي xاز كالس غير c1 آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 14 روش وزن دهي ويژگي پيشنهادي (TFCRFادامه) روش هاي وزن دهي ويژگي مبتني بر IDF ‏a تعداد مستندات متعاق به كالس c1 ‏b ‏c تعداد مستندات متعلق به كالس هاي غير c1 ‏d ((3 )4 ) (2 ) )(1 ‏N ‏a  b c  d ‏idf(x) log ‏log ‏b c ‏b c وزن xدر ( =)1وزن xدر ( = )2وزن xدر ( = )3وزن xدر ()4 روش TFRF ‏b ‏ ‏rf (x,c1) log 2   ‏c ‏ وزن xدر ( <)4وزن xدر ( < )3وزن xدر ( < )1وزن xدر ()2 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 15 روش وزن دهي ويژگي پيشنهادي (TFCRFادامه) ‏a تعداد مستندات متعاق به كالس c1 ‏b ‏c تعداد مستندات متعلق به كالس هاي غير c1 ‏d روش وزن دهي ويژگي TFRF وزن ( xالف)= وزن ( xب) = وزن ( xج) = وزن ( xد) روش وزن دهي ويژگي منطقي وزن ( xالف) < وزن ( xب) < وزن ( xج) < وزن ( xد) (الف) )ب( )ج( )د( مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 16 )(ادامه positiveRF (tk,ci )  TFCRF روش وزن دهي ويژگي پيشنهادي | D(tk,cj ) | | D(cj ) | |C|  | D(tk,cm) | negativeRF (tk,ci )  crfValue (tk , ci )  positiveRF (tk , cj) negativeRF (tk , cj ) m1,mj |C|  | D(cm) | m1,mj wki TFCRF(tk , di )  آزمايشگاه سيستم هاي هوشمند http://ce.aut.ac.ir/ISLAB 17 log(tf(tk , di ) * crfValue (tk , cdi )) 2 (tk , cdi )))  k (log(tf (tk , di ) * crfValue XML بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته-مينا ملكي روش وزن دهي ويژگي پيشنهادي LBTF مثال :طبقه بندي مقاالت علمي برچسب گذاري شده XML فركانس ويژگي xدر ”عنوان“ 1بار 2بار ”چكيده“ 100بار ” متن“ روش وزن دهي ويژگي TF =100+2+1=103وزن ويژگي x روش وزن دهي ويژگي منطقي وزن جزء متن*+100وزن جزء چكيده*+2وزن جزء عنوان* =1وزن ويژگي x مساله :تعيين ميزان اهميت (وزن) اجزاء مستند نيمه ساختيافته راه حل :1فرايند مكاشفه اي در تعيين ميزان اهميت هر جزء ( Giriسال )2004 راه حل :2طبقه بندي كننده متا ( Bratkoسال 2004و )2006 راه حل :3روش وزن دهي ويژگي LBTFپيشنهادي ( Malekiدر سال )2007 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 18 روش وزن دهي ويژگي پيشنهادي ( LBTFادامه) ايده :وزن دهي ويژگي براساس اطالعات ساختاري مستندات نيمه ساختيافته XML تكنيك :توجه به چگالي هر يك از اجزاء تشكيل دهنده مستند XML مجموعه اجزاء موجود در مستندات XMLمجموعه D ‏E  e1,...,ek  ‏N ) lwf(ej ) 1/   #(tk , di ,ej ‏i1tkVocab ) wki LBTF(tk , di )   #(tk , di ,ej ) * lwf(ej ‏ej E مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 19 سيستم طبقه بندي كننده مستندات نيمه ساختيافته XML واحد طIبقه بندي کننده مستندات نيمه ساختيافته طبقه بندي شده XML مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML واحد پيش پردازشگر مستندات نيمه ساختيافته XML مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 20 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 21 زيرسيستم پاالينده مستندات وظيفه :دريافت و پااليش مجموعه مستندات XMLورودي جهت تعيين مجموعه D ورودي :مستندات نيمه ساختيافته XML خروجي :مستندات پااليش شده XMLبه عنوان مجموعه D مولفه ها حذف كننده برچسب هاي غير ضروري بررسي كننده ساختار مستندات XML انتخاب كننده مستندات XMLپااليش شده مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML ‏حاوي اطالعات معنايي مهم نيستند. در تعداد كمتري از مستندات مجموعه وجود دارند. شناسايي و اصالح اجزاء غير خوش فرم قابل تبديل به برچسب هاي ديگر هستند. ‏حذف اجزاء تهي داراي بيشترين برچسب آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 22 زيرسيستم استخراج كننده ويژگي ها وظيفه :پردازش مجموعه مستندات Dجهت استخراج ويژگي هاي مهم با حفظ اطالعات ساختاري ورودي :مجموعه مستندات D خروجي :مجموعه مستندات Dشاخص بندي شده مولفه ها شاخص بندي مستندات و استخراج كلمات با حفظ اطالعات مكاني تحليلگر لغوي ساختاري ‏ حذف اعداد و عالئم نگارشي سازنده پايگاه داده پاالينده لغوي يكسان سازي شكل حروف حذف كلمات توقف ريشه يابي شده ريشه يابي كلم@ات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 23 زيرسيستم استخراج كننده ويژگي ها (ادامه) قالب مستندات شاخص بندي شده اطالعات ويژگي شناسه ويژگي اطالعات مستندات حاوي ويژگي تعداد تاكيد بر روي ويژگي شناسه مستند تعداد تكرار ويژگي در مستند اطالعات برچسب هاي حاوي ويژگي شناسه برچسب مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML تعداد ظاهر شدن در جمله اول تعداد تكرار ويژگي در برچسب آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 24 زيرسيستم كاهنده ويژگي ها وظيفه :كاهش ابعاد ويژگي هاي تشكيل دهنده مستندات و انتخاب بهترين آنها ورودي :جداول پايگاه داده حاوي ويژگي هاي شاخص بندي شده ساختاري خروجي :ليستي از ويژگي هاي انتخاب شده مولفه ها فيلتر كننده ويژگي ها انتخاب كننده ويژگي ‏تعريف حد آستانه پائين و باال ‏حذف ويژگي هاي نادراشكال امالئي يا ذهن خالق نويسنده (!) ‏حذف ويژگي هاي وافر كلمه توقف حذف نشده شناسايي و حذف ويژگي هاي داراي بار معنايي پائينتر از ساير ويژگي ها مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 25 زيرسيستم وزن دهي ويژگي وظيفه :تعيين ميزان اهميت هر يك از ويژگي هاي مستند در متمايز كردن آن مستند از ساير مستندات ورودي :برداري از ويژگIي هاي انتخاب شده بIه همراه اطالعات شاخIص بندي مكاني آنها خروجي :بردار ويژگي هاي وزن دهي شده مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 26 مشخصات بستر آزمايشگاهي پياده سازي شده پياده سازي در چارچوب Net.به زبان برنامه نويسي #Cبا بيش از 6500خط كد مستندات ورودي inex مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 27 مجموعه مستندات inex شام@ل 12107مقال@ه علم@ي از 18مجل@ه انتشارات انجم@ن كامپيوت@ر IEEEاز سال 1995تا 2002به فرمت XML تاريخچه مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 28 مجموعه مستندات inex شام@ل 12107مقال@ه علم@ي از 18مجل@ه انتشارات انجم@ن كامپيوت@ر IEEEاز سال 1995تا 2002به فرمت XML تاريخچه برچسب هاي مستندات inex برچسب هاي پايه حفظ برچسب ابتدا/انتها و محتويات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 29 مجموعه مستندات inex شام@ل 12107مقال@ه علم@ي از 18مجل@ه انتشارات انجم@ن كامپيوت@ر IEEEاز سال 1995تا 2002به فرمت XML تاريخچه برچسب هاي مستندات inex برچسب هاي پايه برچسب هاي حذف شدني حذف برچسب ابتدا/انتها و محتويات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 30 مجموعه مستندات inex شام@ل 12107مقال@ه علم@ي از 18مجل@ه انتشارات انجم@ن كامپيوت@ر IEEEاز سال 1995تا 2002به فرمت XML تاريخچه :دانشگاه Duisburgآلمان برچسب هاي مستندات inex برچسب هاي پايه برچسب هاي حذف شدني برچسب هاي تبديل شدني تبديل برچسب ابتدا /انتها مبدا به مقصد مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 31 مجموعه مستندات inex شام@ل 12107مقال@ه علم@ي از 18مجل@ه انتشارات انجم@ن كامپيوت@ر IEEEاز سال 1995تا 2002به فرمت XML تاريخچه برچسب هاي مستندات inex برچسب هاي پايه برچسب هاي حذف شدني برچسب هاي تبديل شدني برچسب هاي ساختاري حذف برچسب ابتدا /انتها مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 32 مجموعه مستندات inexmodified مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 33 مشخصات بستر آزمايشگاهي پياده سازي شده پياده سازي در چارچوب Net.به زبان برنامه نويسي #Cبا بيش از 6500خط كد مستندات ورودي inex الگوريتم طبقه بندي كننده  SVM مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 34 الگوريتم طبقه بندي كننده SVM هدف: پيدا کردن تمام صفحات  1, 2,... در فضاي rبعدي که نمونه‌هاي مثب@ت و منفي را با بيشترين حاشيه از هم جدا كنند. مزاياي :SVM حاشيه كوچك بهترين الگوريتم طبقه بندي مستندات قابليت كار با تعداد ويژگي هاي زياد عدم تاثير تعداد ويژگي بر كارايي الگوريتم پايداري پياده سازي توسط LIBSVM مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML حاشيه بزرگ آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 35 مشخصات بستر آزمايشگاهي پياده سازي شده پياده سازي در چارچوب Net.به زبان برنامه نويسي #Cبا بيش از 6500خط كد مستندات ورودي inex الگوريتم طبقه بندي كننده  SVM روش انتخاب ويژگيآستانه يابي فركانس مستندات ()DF مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 36 انتخاب ويژگي DF دليل انتخاب سادگي هزينه محاسباتي پائين دقت و كارايي معادل بهترين روش هاي انتخاب ويژگي نظير IG مناسب در حوزه طبقه بندي مستندات ايده :ظاه@ر شدن ويژگ@ي در تعداد مس@تندات بيشت@ر باال بودن ارزش معناي@ي ويژگي جهت تفكيك طبقات از يكديگر (بعد از حذف كلمات توقف) راهكار :شمارش تعداد مستندات داراي ويژگي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 37 مشخصات بستر آزمايشگاهي پياده سازي شده پياده سازي در چارچوب Net.به زبان برنامه نويسي #Cحدود ....خط كد مستندات ورودي inex الگوريتم طبقه بندي كننده  SVM روش انتخاب ويژگي DF روش‌هاي وزن ده@ي ‏LBTF ويژگ@يمبتن@ي بر + TFمبتني برIDF + TFRF + TFCRF + تقسيم بندي مستندات به نسبت 3/2آموزشي و 3/1آزمايشي تعداد كلمات توقف بعد از تكميل 1392كلمه  1079كلمه توقف ريشه يابي شده مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 38 معيارهاي ارزيابي Ac(cj )  Pr(c j )  Re(c j )  TP(cj )  TN(cj ) TP(c j )  FP(c j )  TN(cj )  FN(cj ) TP(c j ) TP(c j )  FP(c j ) TP(c j ) TP(c j )  FN(c j ) آزمايشگاه سيستم هاي هوشمند http://ce.aut.ac.ir/ISLAB 39 XML بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته-مينا ملكي نتايج ارزيابي‌هاي انجام شده تاثير فيلتر كردن ويژگي ها حد آستانه پائين %10كل تعداد مستندات مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 40 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگي LBTF 180مستند ورودي بدون فيلتر ميانگين تعداد كلمات در هر برچسب و وزن برچسب عنوان 5 :ويژگي وزن برچسب عنوان 2/0 نتيجه منطقي چكيده 40 :ويژگي وزن برچسب چكيده 09/0 كلمات كليدي 11 :ويژگي وزن برچسب كلمات كليدي 025/0 متن 439 :ويژگي وزن برچسب متن 002/0 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 41 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگي LBTF تعداد مستندات180 : تعداد كل ويژگي ها10816: بهترين مقدار Accuracy TF: 46 در%صد LBTF: 55 در%صد مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 42 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگي LBTF ‏LBTF مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 43 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگي LBTF ‏TF مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 44 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگيTFCRF تعداد مستندات720 : تعداد ويژگي26434: :TF 73/0 به ازاي 8000ويژگي : Sparck 767/0 به ازاي 2000ويژگي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 45 نتايج ارزيابي‌هاي انجام شده (ادامه) ارزيابي روش وزن دهي ويژگيTFCRF ‏TFRF 883/0 به ازاي 2000ويژگي ‏TFCRF 0/ 933 به ازاي 4000ويژگي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 46 نتايج ارزيابي‌هاي انجام شده (ادامه) تاثير تعداد مستندات بر روي روش TFCRF ‏TFCRF ‏TFRF مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 47 نتايج ارزيابي‌هاي انجام شده (ادامه) تاثير فيلتر كردن ويژگي ها بر روش TFCRF مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 48 نتيجه گيري بهبود كاراي@@ي طبقه‌بندي كننده مس@@تندات نيم@@ه س@@اختيافته( XMLحدود 5ال@@ي 9 درصد) با بكارگيري روش وزن دهي ويژگي LBTF افزاي@ش س@رعت طبقه‌بندي كننده مس@تندات نيم@ه س@اختيافته XMLدر رس@يدن به بيشترين حد كارايي با بكارگيري روش وزن دهي ويژگي LBTF بهبود كاراي@ي طبقه‌بندي كننده مس@تندات (حدود 5درص@د) ب@ا بكارگيري روش وزن دهي ويژگي TFCRF عدم وابس@ته بودن كاراي@ي روش طبقه‌بندي كننده مس@تندات مبتن@ي بر TFCRFب@ا تغيير تعداد مستندات ورودي افزاي@ش س@رعت محاس@باتي ب@ا كاه@ش تعداد ويژگ@ي ه@ا ( %83در 360مس@تند و %89 در 720مس@تند) كاه@ش ناچي@ز كاراي@ي طبقه‌بندي كننده مس@تندات مبتن@ي بر ( TFCRFحدود )004/0 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 49 دستاوردهاي پروژه ارائه روش جديدي براي طبقه‌بندي مستندات نيمه ساختيافته XML طراح@ي و پياده س@ازي چارچوبIي جهIت ارزيابIي اجزاء مختلIف سيستم طبقه‌بندي كننده مستندات نيمه ساختيافته طراح@ي و پياده سIازي يIك تحليلگIر لغوي سIاختاري براي شاخ@ص بندي كردن مستندات نيمه ساختيافته با حفظ اطالعات ساختاري ويژگي‌هاي تشكيل دهنده آنها ارائه روش جديدي براي وزن دهي برچسب ها و تعيين ميزان اهميت هر يك از اجزاء ارائ@ه روش@ي جدي@د براي وزن دهIي ويژگي‌هاي مسIتندات نيمIه سIاختيافته براساس موقعيت ويژگي ()LBTF ارائه روش جديد براي وزن دهي ويژگي براساس اطالعات طبقات ()TFCRF بكارگيري روش وزن دهي ويژگي Sparckدر حوزه طبقه‌بندي مستندات ارائ@ه ليسIت كاملIي از كلمات توقIف +ايده جدي@د ب@ه منظور دس@تيابي ب@ه بهين@ه تري@ن ليست كلمات توقف مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 50 پيشنهاد كارهاي آينده بهبود نحوه وزن دهي اجزاء مستندات نيمه ساختيافته تركيب روش هاي وزن دهي ويژگي ارائه روش جديدي براي انتخاب ويژگي از مستندات نيمه ساختيافته استفاده از WordNetبراي توليد بردار‌ي از ويژگي‌هاي مفهومي برچسب گذاري مستندات فارسي طبقه‌بندي مستندات فارسي مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 51 مراجع كتاب T. Mitchell, Machine Learning, McGraw Hill, New York, US, 1999. R. Baeza, N. Ribeiro, Modern Information Retrieval, ACM press, New York, US, 1999. J. Han, M. Kamber, Data Minig: Concepts and Techniques, Morgan Kaufman Publisher, 2001. P. Baldi, P. Frasconi, P. Smyth, Modeling the Internet and the Web-Probabilistic Methods and Algorithms,chapter4, Wiley, 2003. M. W. Berry, Survey of Text Mining, Clustering, Classification, and Retreival, Springer Publisher, 2004. وزن دهي ويژگي E. Leopold, J. Kindermann, “Text Categorization with Support Vector Machines. How to Represent Texts in Input Space?,” Journal of Machine Learning, vol. 46, no. 1-3, pp. 423-444, 2002. Z.H. Deng, S.W. Tang, D.Q. Yang, M.Z.h. Li-Yu Li, K.Q. Xie, “A Comparative Study on Feature Weight in Text Categorization,” 6th Asia Pacific Web Conference, Hangzhou, China, April 14-17, 2004. M. Lan, S.Y. Sung, H.B. Low, .C.L. Tan, “A Comparative Study on Term Weighting Schemes for Text Categorization,” IEEE International Conference on Neural Networks (IJCNN05), pp. 546-551, 2005. J. Zhang, T.N. Nguyen, “A New Term Significance Weighting Approach,” Journal of Intelligent Information System, vol. 24. no. 1, pp. 61-85, 2005. آزمايشگاه سيستم هاي هوشمند http://ce.aut.ac.ir/ISLAB 52 XML بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته-مينا ملكي مراجع طبقه بندي مستندات نيمه ساختيافته پايان نام@ه كارشناسي،"" رويکردي ن@و در کاوش شبک@ة گس@تردة جهان@ي ب@ا هدف س@اخت ي@ک دروازة وب براي دس@تيابي ب@ه مجموع@ة طبقه‌بندي شده‌اي از اطالعات، ص@في خان@ي.ژ .1384 ، دانشگاه صنعتي اميركبير، دانشكده مهندسي كامپيوتر و فناوري ارتباطات،ارشد .1385 ، دانشگاه صنعتي اميركبير، دانشكده رياضي و علوم کامپيوتر،" پايان نامه كارشناسي ارشد، "ساخت پرتال با استفاده از تکنيک‌هاي وب‌کاوي، مرادي دولت آبادي.پ .H.J. Oh, S.H. Myaeng, M.H. Lee, “A practical Hypertext Categorization Method Using Links and Incrementally Available Class Information,”23rd ACM International Conference on Research and Development in Information Retrieval (SIGIR00), pp. 264-271, Athens, GR, 2000. M. Diligenti, M. Gori, M. Maggini, F. Scarselli, “Classification of HTML Documents by Hidden Tree Markov Models,” ICDAR01, pp. 849-853, USA, 2001. Y. Yang, S. Slattery, R. Chani, “A Study of Approaches to Hypertext Categorization,” Journal of Intelligent Information Systems, vol. 18, no. 2/3, pp. 219-241, 2002. A. Bratko, B. Filipic, “A Study of Approaches to Semi-structured Document Classification,” Technical Report IJS-DP-9015, Department of Intelligent Systems, Jozef Stefan Institute, November 2004. L. Denoyer and P. Gallinari, “Baysian Network Model for Semi-Structured Document Classification,” Journal of Information Processing and Management, vol. 40, no. 5, pp. 807-827, 2004. A. Bratko, B. Filipic, “Exploiting Structural Information for Semi-structured Document Categorization,” Information Processing & Management, vol. 42/3, pp. 679-694, Elsevier, 2006. طبقه بندي مستندات Y. Yang, X. Liu, “A Re-Examination of Text Categorization Methods,” 22nd ACM International Conference on Research and Development in Information Retrieval(SIGIR-99), pp. 42–49, Berkeley, US, 1999. F. Sebastiani, “Machine Learning in Automated Text Categorization,” ACM Computing Surveys, vol. 34, no. 1, pp. 1–47, 2002. آزمايشگاه سيستم هاي هوشمند http://ce.aut.ac.ir/ISLAB 53 XML بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته-مينا ملكي مقاالت مستخرج از پروژه 1. M. Maleki, A. Abdollahzadeh, "A New Location-based Feature Weighting Method for Categorization of Semi-structured Documents," accepted in the 31st Annual Conference of the German Classification Society on Data Analysis, Machine Learning, and Applications (GFKL 2007), March 2007, Freiburg i. Br., Germany. 2. M. Maleki, A. Abdollahzadeh, "TFCRF: A Novel Feature Weighting Method Based on Class Information in Text Categorization (revised version)," accepted in the 31st Annual Conference of the German Classification Society on Data Analysis, Machine Learning, and Applications (GFKL 2007), March 2007, Freiburg i. Br., Germany. 3. M. Maleki, A. Abdollahzadeh, "TFCRF: A Novel Feature Weighting Method Based on Class Information in Text Categorization," accepted in the 19th international conference on Computer, Information and Systems Science and Engineering, (ICKM 2007), 29-31 January 2007, Bangkok, Thailand. روش جدي@د وزن ده@ي ويژگ@ي مبتن@ي بر اطالعات كالس در حوزة طبقه بندي:TFCRF” ، عبدالل@ه زاده. ا،يI ملك.م ،)CSICC 2007( ه شده در دوازدهمي@ن كنفر@ان@س انجم@ن مهندس@ي كامپيوت@ر ايرانI پذيرفت،“مس@تندات . ايران، تهران، دانشکده برق و کامپيوتر دانشگاه شهيد بهشتي،1385 اسفند1-3 آزمايشگاه سيستم هاي هوشمند http://ce.aut.ac.ir/ISLAB 54 XML بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته-مينا ملكي .4 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 55 مينا ملكي -بهينه سازي كشف اطالعات از مستندات نيمه ساختيافته XML آزمايشگاه سيستم هاي هوشمند ‏http://ce.aut.ac.ir/ISLAB 56

51,000 تومان

خرید فایل توسط کلیه کارت‌های شتاب امکان‌پذیر است و بلافاصله پس از خرید، لینک دانلود فایل در اختیار شما قرار خواهد گرفت.

در صورت عدم رضایت سفارش برگشت و وجه به حساب شما برگشت داده خواهد شد.

در صورت نیاز به شماره 09353405883 در ایتا پیام دهید.

51,000 تومان

درباره PPT.IR

تیم ppt.ir با توجه به خلاء موجود در دسترسی به فایل‌های ارائه و اشتراک‌گذاری پاورپوینت، در سال 1390 تصمیم به ایجاد سامانه‌‌ای محتوایی در این حوزه نمود. ppt.ir علاوه بر ایجاد دسترسی به هزاران پاورپوینت آماده و قالب پاورپوینت، آموزش‌هایی در زمینه‌ی ساخت و ارائه‌ی پاورپوینت ارائه می‌دهد.

بهينه سازی كشف اطلاعات از مستندات نيمه‌ساخت‌يافته XML

ppt.ir

51,000 تومان

GPS چیست و چه کاربردهایی دارد؟

سیستم موقعیت یاب جهانی

آشنایی با اصول GPS

قالب پاور پوینت

قالب پاور پوینت

پاورپوینت درس حقوق مالی

درباره PPT.IR