پایان نامه معناشناسی واژه\"نور\"درتفاسیرکهن فارسی( تاپایان سده هشتم هجری ونیزدوقرن بعد)

اختصاصی از هایدی پایان نامه معناشناسی واژه\"نور\"درتفاسیرکهن فارسی( تاپایان سده هشتم هجری ونیزدوقرن بعد) دانلود با لینک مستقیم و پر سرعت .

بخش قابل ملاحظه ای ازتفسیر های قرآن متعلق به قرن های 4 تا 10 هجری قمری است .دراین قرون تفسیر های متعددی به زبان های فارسی و عربی نوشته شده است ایرانیان فارسی زبان بعد از ورود اسلام به ایران با ایمان آوردن و رشد و پرورش در مکتب اسلام پیامبر (ص) و اهل بیت (ع) با اینکه عربی زبان مادریشان نبود اما با فراگرفتن آن و بحث و تفحص  درقرآن وآموزه های اسلامی بزودی توانستند،در میان خود مفسران و قرآن پژوهانی را تربیت کنند.برای آنها بهترین راه آشنا کردن عامه مردم با قرآن شرح و بسط وتفسیر کردن آن به زبان فارسی بود.مثلا برای اولین بار جمعی از علمای ماوراء النهر،دست به ترجمه وتفسیر جامع البیان فی تفسیر القرآن طبری زدند.آن ها با استناد به آیه و" وما ارسلنا  من رسول الابلسان قومه"(ابراهیم-4)،بر این باور بودندکه درست است قرآن به زبان عربی است اما پیامبری که خاتم رسولان است و دین او تمام کننده ادیان است ،باید برای هر قومی بتواند سخن بگوید ،و این کار ممکن نبود مگر از راه ترجمه قرآن و آموزه های هر دین به زبان هر قوم که این کار را مومنان و معتقدان هر قوم باید انجام می دادند،این ترجمه که به ترجمه تفسیر طبری معروف شد اولین اقدام آنان برای انتقال مفاهیم قرآن به مردم و به زبان فارسی شد.از آن پس نگارش تفاسیرو کتب علوم قرآن به زبان فارسی جواز گرفت و رایج شد.

بهبود مدل کاربر در وب¬سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه

اختصاصی از هایدی بهبود مدل کاربر در وب¬سایت بصورت خودکار با استفاده از معناشناسی با مفاهیم خاص دامنه دانلود با لینک مستقیم و پر سرعت .

چکیده

گرانبار شدن اطلاعات یک مشکل عمده در وب کنونی به شمار می­رود. برای مقابله با این مشکل، سیستم­های شخصی­سازی وب ارائه شده­اند که محتوا و سرویس­های یک وب­سایت را با افراد براساس علایق و رفتار گردشی آن­ها سازگار می­کنند. یک مولفه­ی اساسی در هر سیستم شخصی­سازی وب، مدل کاربر آن است. محتوای صفحات یک وب­سایت را می­توان به منظور ایجاد مدل دقیق­تری از کاربر مورد استفاده قرار داد، اما رویکردهای مبتنی بر کلمات کلیدی نگرش عمیقی از وب­سایت ندارند. اخیرا تحقیقاتی برای ترکیب کردن معنای موجود در وب­سایت در نمایش کاربران آن انجام شده است. تمامی این تلاش­ها یا از یک رده­بندی یا واژگان شناختی خاص و دست ساخته و یا از واژگان­شناختی­های عمومی مانند WordNet برای نگاشت مشاهده صفحات به عناصر معنایی استفاده می­کنند. با این وجود ساختن یک سلسله مراتب از مفاهیم بصورت دستی زمان­بر و هزینه­بر است. از سوی دیگر منابع معنایی لغوی عمومی از پوشش کم عبارات خاص دامنه رنج می­برند. در این پایان نامه ما قصد داریم که هر دوی این نقص­ها را برطرف کنیم. دستاورد اصلی ما این است که مکانیسمی برای بهبود نمایش کاربر در وب­سایت بصورت خودکار و با استفاده از یک منبع معنایی لغوی جامع معرفی می­کنیم. ما از Wikipedia، بزرگ­ترین دایره­المعارف امروزی به عنوان یک منبع غنی معنایی برای بهبود ساخت خودکار مدل برداری از علایق کاربر بهره­برداری می­کنیم. معماری ارائه شده شامل تعدادی مولفه است که عبارتند از: پیش پردازش اولیه، استخراج مفاهیم دامنه­ی وب سایت، استخراج کلمات کلیدی از وب­سایت، سازنده­ی بردار کلمات کلیدی و نگاشت کلمات کلیدی به مفاهیم. دستاورد مهم دیگر استفاده از ساختار وب سایت برای محدود کردن خودکار مفاهیم خاص دامنه می­باشد.

کلمات کلیدی: مدلسازی کاربر، کاوش Wikipedia، تکنیک­های معنایی ، شخصی­سازی وب

     

    

 

فهرست مطالب

عنوان                                                                                                                   صفحه

فصل اول:مقدمه  1

1- مقدمه  2

1-1- دلایل نیاز به شخصیسازی وب   2

1-1-1- گرانبار شدن اطلاعات   2

1-1-2- نیاز به جذب مشتری پابرجای برای وبسایت   3

1-2- تعریف شخصیسازی وب   3

1-3- فواید سیستم شخصیسازی وب   3

1-4- تفاوت شخصیسازی وب با تطبیق طرح کلی سایت   3

1-5- طبقهبندی عملکردهای اصلی شخصیسازی وب   4

1-6- نیازمندیهای اصلی سیستم شخصیسازی وب   5

1-7- رویکرد های موجود در شخصی سازی وب   6

1-8- نقش وب کاوی کاربرد وب در شخصیسازی وب   7

1-9- نیاز به استفاده از محتوا در شخصیسازی وب   7

1-10- نیاز به استفاده از معنا در شخصیسازی وب   8

1-11- هدف پروژه 9

1-12- نحوهی گردآوری مراجع  9

1-13- رویکرد بکار رفته در تحقیق  10

1-14- ساختار پایان نامه 10

فصل دوم:مطالب پیش زمینه  11

2- مطالب پیش زمینه  12

مقدمه  12

2-1- شخصی سازی وب براساس وب کاوی کاربرد وب   12

2-1-1- آماده سازی و مدلسازی داده 14

2-1-1-1- منابع و انواع داده 15

2-1-1-1-1- داده های کاربرد 15

2-1-1-1-1-1- فرمت های ثبت   16

2-1-1-1-1-2- منابع داده های کاربرد 17

2-1-1-1-2- داده های محتوا 21

2-1-1-1-3- داده های ساختار 22

2-1-1-1-4- داده های کاربران  22

2-1-1-2- آماده سازی و پیش پردازش دادهها 23

2-1-1-2-1- پاکسازی داده ها 23

2-1-1-2-2- شناسایی کاربر  24

2-1-1-2-3- تشخیص مشاهده صفحه 26

2-1-1-2-4- تشخیص جلسه ی کاربر  26

2-1-1-2-5- تکمیل مسیر  27

2-1-1-2-6- تشخیص تراکنش    28

2-1-1-2-7- پیش پردازش نهایی داده های کاربرد 30

2-1-1-2-8- یکپارچه سازی داده ها از منابع گوناگون  31

2-1-2- کشف الگو از داده های کاربرد وب   32

2-1-2-1- سطوح و انواع تحلیل  32

2-1-2-2- وظایف داده کاوی بر روی داده های کاربرد وب   33

2-1-2-2-1- کاوش قواعد انجمنی  34

2-1-2-2-2- کشف الگوهای ترتیبی  35

2-1-2-2-3- خوشه بندی  40

2-1-3- استفاده از الگوهای کشف شده جهت شخصی سازی وب   43

2-1-4- زمینه های تحقیقاتی شخصی سازی وب   43

2-2- منابع معنایی لغوی  45

2-2-1- فرهنگ لغت   45

2-2-2- فرهنگ های جامع  45

2-2-3- واژگان شناختی و رده بندی  46

2-2-3-2- رده بندی  48

2-2-3-3- واژگان شناختی ها و رده بندی های موجود 49

2-2-3-3-1- واژگان شناختی های مربوط به یک دامنه ی خاص    49

2-2-3-3-2- واژگان شناختی های عمومی  49

2-2-3-3-2-1- CYC و OpenCYC   50

2-2-3-3-2-2- WordNet 50

2-2-3-3-2-3- دایرکتوری های وب   51

2-2-3-4- زبان های نمایش واژگان شناختی  52

2-2-4- فرهنگ های عمومی  53

2-2-4-1- Wikipedia  53

2-2-4-1-1- نقاط ضعف و قوت Wikipedia  54

2-2-4-1-2- ساختار Wikipedia  55

2-2-4-1-3- انواع اطلاعات معنایی لغوی در Wikipedia  56

فصل سوم:کارهای انجام شده در زمینه مدلسازی کاربر در شخصی سازی وب با استفاده از محتوای وب   58

3- کارهای انجام شده در زمینه مدلسازی کاربر در شخصی سازی وب با استفاده از محتوای وب   59

مقدمه  59

3-1- تکنیک های مورد استفاده 60

3-1-1- تکنیک tf-idf 60

3-1-2- تکنیک تحلیل معنایی پنهان  60

3-1-3- تکنیک های مربوط به محاسبه ی ارتباط معنایی دو کلمه 61

3-1-3-1- معیارهای ارتباط معنایی مهم در ساختارهای سلسله مراتبی  61

3-1-3-1-1- رویکردهای مبتنی بر مسیر  61

3-1-3-1-2- رویکردهای مبتنی بر محتوای اطلاعات   62

3-1-3-1-3- رویکردهای مبتنی بر همپوشانی متن  62

3-1-3-2- رویکردهای محاسبه ی ارتباط معنایی دو کلمه برای روابط غیر رابطه ی هست   63

3-1-3-3- کارهای انجام شده در مورد محاسبه ی ارتباط معنایی دو کلمه در Wikipedia  63

3-2- رویکردهای انجام شده در زمینه ی مدلسازی کاربر در وب سایت با استفاده از محتوای صفحات   64

3-2-1- رویکردهای بر مبنای کلمات کلیدی  65

3-2-2- رویکردهای معنایی  66

3-2-2-1- روش های آماری  66

3-2-2-2- روش های مبتنی بر سلسله مراتب   67

جمع بندی   72

فصل چهارم: 73

روش پیشنهادی   73

4- روش پیشنهادی   74

4- روش پیشنهادی   74

مقدمه  74

4-1- تعریف مساله  74

4-2- طراحی روش جدید  74

4-2-1- مولفه ی پیش پردازش اولیه ی ثبت   75

4-2-2- مولفه ی استخراج کلمات کلیدی از صفحات وب سایت   75

4-2-3- مولفه ی استخراج مفاهیم دامنه از وب سایت   78

4-2-4- مولفه ی سازنده ی بردار کلمات کلیدی  80

4-2-5- مولفه ی نگاشت   82

4-6- دیاگرام های UML قسمت های اصلی سیستم  84

4-7- بررسی تطابق طرح پیشنهادی با صورت مساله 85

جمع بندی   86

منایع  87

فهرست اشکال

عنوان                                                                                                                 صفحه

شکل 2-1- مولفه های برون خطی آماده سازی داده و کشف الگو[Mobasher 2004]............... 13

شکل 2-2- مولفه برخط شخصیسازی وب [Mobasher 2004]........................................ 14

شکل 2-3- تراکنش HTTP.................................................................................... 15

شکل 2-4- URL و URI...................................................................................... 16

شکل 2-5- مکانهای جمعآوری دادههای کاربرد وب......................................................... 17

شکل 2-6- مثالی از مدل کردن رفتار گردشی کاربر با زنجیرهی مارکف..................................... 38

شکل 2-7- مثالی از مدل کردن رفتار گردشی در یک درخت تجمعی........................................ 39

شکل 2-8- مثالی از استخراج پروفایل های تجمعی کاربرد از خوشه های تراکنش ها....................... 41

شکل 2-9- بخشی از زمینههای تحقیقاتی شخصیسازی وب.................................................. 44

شکل 2-10- نمونهای از واژگان شناختی....................................................................... 47

شکل 2-11- نمونهای از یک ردهبندی.......................................................................... 49

جدول 2-1- مثال هایی از ارتباطات لغوی در WordNet................................................. 51

جدول 2-2- منابع اطلاعات معنایی لغوی در Wikipedia................................................. 56

شکل 3-1- استفاده از SVD برای تجزیه ماتریس d * t.................................................... 61

شکل 3-2- مفسر معنایی سیستم ESA [Gabrilovich 2007]...................................... 64

شکل 3-3- ماتریس session-page view [Zhang 2005]......................................... 66

شکل 3-4- تولید C-log [Eirinaki 2003 b].......................................................... 69

شکل 4-1- معماری کلی سیستم پیشنهادی..................................................................... 75

شکل 4-2- جزئیات مولفهی استخراج کلمات کلیدی.......................................................... 77

شکل 4-3- شبه کد مولفه استخراج کلمات کاندیدا............................................................. 77

شکل 4-4- شبه کد مولفه رتبهبندی کلمات کاندیدا............................................................ 78

شکل 4-5- جزئیات مولفهی استخراج مفاهیم دامنه............................................................ 79

شکل 4-6- شبه کد بخش فیلتر کردن کاندیدا................................................................... 80

جدول 4-1- بردارهای کلمات کلیدی صفحات وب سایت مثال1............................................ 81

جدول 4-2- بردارهای کلمات کلیدی جلسهی داده شده در مثال1............................................ 81

شکل 4-7- شبه کد مولفه سازنده بردار کلمات کلیدی......................................................... 82

شکل 4-8- شبه کد مولفهی نگاشت............................................................................. 83

جدول 4-3- کلمات کلیدی و وزنهای فرضی آنها در مثال 2.................................................. 83

جدول 4-4- مفاهیم موجود در صفحات جلسات کاربر به همراه وزنهای آنها در مثال 2.................... 83

شکل 4-9- class diagram مولفه های اصلی سیستم................................................... 84

شکل 4-10- sequence diagram بخش اصلی سیستم................................................ 86

فهرست جدول ها

عنوان                                                                                                                  صفحه

جدول 2-1- مثال هایی از ارتباطات لغوی در WordNet................................................. 66

جدول 2-2- منابع اطلاعات معنایی لغوی در Wikipedia................................................. 73

جدول 2-3- مقایسه ی انواع منابع معنایی لغوی جهت استفاده در شخصی سازی وب..................... 74

جدول 4-1- بردارهای کلمات کلیدی صفحات وب سایت مثال1.......................................... 110

جدول 4-2- بردارهای کلمات کلیدی جلسه ی داده شده در مثال1......................................... 110

جدول 4-3- کلمات کلیدی و وزن های فرضی آنها در مثال 2.............................................. 112

جدول 4-4- مفاهیم موجود در صفحات جلسات کاربر به همراه وزن های آنها در مثال 2................ 112

  فصل اول: مقدمه

1- مقدمه مقدمه

در این فصل دلیل پرداختن به موضوع پروژه و صورت مساله آن مورد بررسی قرار می­گیرد. برای این منظور ابتدا مقدماتی در رابطه با شخصی­سازی وب، دلیل مطرح شدن آن، مولفه های اصلی و مشکلات آن به اختصار مطالبی ارائه می­شود. در این میان به لزوم استفاده از معنا در فرآیند شخصی­سازی وب اشاره شده و مدل کاربر به عنوان یک مولفه از سیستم شخصی­سازی وب به منظور بهبود با استفاده از معنا مورد انتخاب قرار می­گیرد. سپس مساله­ای که پایان نامه سعی در حل آن دارد مطرح می­گردد. در انتها رویکرد بکار رفته در تحقیق و ساختار پایان نامه ارائه می­شود.

1-1- دلایل نیاز به شخصی­سازی وب 1-1-1- گرانبار شدن اطلاعات

وب جهانی منبعی عظیم از اطلاعات را فراهم آورده است. در بررسی­های گوناگون انجام شده در زمینه­ی گسترش وب تخمین زده شده است که روزانه بیش از یک میلیون صفحه به وب اضافه می­شود و بیش از 600 گیگابایت از صفحات در هر ماه تغییر می­کنند[Nasraoui 2008] و[Achananuparp 2007] . این پدیده که گرانبار شدن اطلاعات نامیده می­شود مشکلاتی را برای کاربران وب بوجود آورده است.

از مهم­ترین این مشکلات عدم دسترسی آسان به اطلاعات مورد نیاز می­باشد. در این انباره­ی عظیم کاربران در یافتن اطلاعات مورد نیاز خود در زمان مناسب و بصورت آسان دچار مشکل هستند زیرا از یک سو باید میزان ربط هر صفحه را با نیاز خود بررسی کنند و از سوی دیگر باید صفحات را از نظر میزان قابلیت اعتماد ارزیابی کنند.

برای رفع این مشکل در دهه­های اخیر سیستم­های بازیابی اطلاعات و به تبع آن موتورهای جستجو ایجاد شدند که محتوای صفحات وب را اندیس­گذاری می­کنند و صفحات مرتبط با پرسش کاربر را برمی­گردانند اما این تکنولوژی­ها دو مشکل دارند:

• حجم اطلاعاتی که موتورهای جستجو به کاربر تحویل می­دهند بسیار بیشتر از آن است که قابل پردازش توسط کاربر باشد.

بیشتر موتورهای جستجوی معروف موجود در وب تنها از محتوای صفحات و ساختار ارتباطی موجود بین آن­ها برای ارزیابی میزان ربط صفحات با پرسش کاربر استفاده می­کنند. از این رو برایشان اهمیت ندارد که پرسش توسط چه کسی و با چه علایق و دانش پیش­زمینه­ای وارد شده