مریم موسویان

مریم موسویان

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

تحلیل گفتمان انتقادی نامه های امام علی علیه السلام به عبدالله بن عباس(مقاله علمی وزارت علوم)

کلید واژه ها: نهج البلاغه امام علی (ع) عبدالله ابن عباس تحلیل گفتمان انتقادی نظم گفتمانی گفتمان مدیریت اسلامی

حوزه های تخصصی:
تعداد بازدید : ۵۳۵ تعداد دانلود : ۲۶۹
شناسایی گفتمان مدیریت اسلامی می تواند هم برای رهبران و هم برای افرادی که مسئولیتهای مدیریتی بخشی از جامعه را بر عهده دارند، بسیار راه گشا باشد. هدف این مقاله تحلیل گفتمان انتقادی نامه های امام علی به عبدالله ابن عباس است؛ به همین دلیل با روش کیفی و با استفاده از تحلیل گفتمان انتقادی فرکلاف به بررسی و تحلیل نامه های امام علی به عبدالله بن عباس حاکم بصره پرداخته شده است. این نامه ها هفت عدد است و تحلیل گفتمان انتقادی در سه سطح انجام شده است. در سطح توصیف ویژگیهای مهم زبانشناختی نامه ها به منظور شناسایی نظم گفتمانی حاکم بر آنها مورد بررسی قرار گرفته است. در تفسیر تلاش شده است که این نظم گفتمانی در پرتو ویژگیهای متنی و هم چنین شرایط تولید این متون در دوره امام علی(ع) تفسیر شود. هم چنین در سطح تبیین تلاش شده است تا رابطه نظم گفتمانی با متن و بستر اجتماعی سیاسی آن تبیین شود. به طور کلی یافته ها نشان می دهد که در نظم گفتمانی امام علی تنها یک پرکتیس یا عمل گفتمانی قابل شناسایی است و آن پرکتیس گفتمانی امام کارگزار است. امام علی در سطح پرکتیس گفتمانی امام کارگزار انواع مختلف گفتمانها را برای مفصل بندی نظم گفتمانی یا همان گفتمان مدیریت اسلامی در نامه هایشان به کار گرفته اند. به طور کلی شش گفتمان در مفصل بندی پرکتیس گفتمانی امام کارگزار برای تولید نظم گفتمان مدیریت اسلامی به کار گرفته شده که عبارت است از: گفتمان مدیریت عدالتگرا و حق گو، گفتمان گشاده رویی مدیریتی، گفتمان مدارای مدیریتی، گفتمان سرنوشتگرا، گفتمان شهادتگرا و گفتمان دنیاگریزی.
۲.

کاربرد یادگیری ماشینی مبتنی بر شبکه عصبی برای دسته بندی مستندات علمی(مقاله علمی وزارت علوم)

کلید واژه ها: مستندات علمی علوم انسانی دسته بندی شبکه عصبی فضای برداری ParsBERT معناشناسی توزیعی

حوزه های تخصصی:
تعداد بازدید : ۳۹۵ تعداد دانلود : ۲۰۳
از دهه ۱۳۸۰ شمسی، نگارش و انتشار مقالات علمی در ایران شدت بسیار زیادی به خود گرفته و سبب شده است علاوه بر سازمان های دولتی مانند ایرانداک و سازمان اسناد و کتابخانه ملی جمهوری اسلامی ایران، سامانه های برخط متعدد دیگری چون پرتال جامع علوم انسانی، نورمگز، مگ ایران، علم نت، سیویلیکا و غیره اقدام به مدیریت دانش و تهیه بایگانی های ساختارمند مستندات علمی کند. هرکدام از این بایگانی ها، امکاناتی را در اختیار کاربر قرار می دهد. یکی از این امکانات، قابلیت جستجو است و جستجوی دقیق می تواند بر کاربری این سامانه ها تأثیر به سزایی بگذارد. برای افزایش دقت جستجو نیاز است حوزه علمی مقالات مشخص شود. دسته بندی حجم زیاد منابع علمی در حوزه های مختلف بسیار زمانبر است که استفاده از روش های ماشینی به عنوان یک راه حل می تواند از این کار طاقت فرسا بکاهد. هدف اصلی این مقاله، ارائه یک مدل دسته بندی برای تعیین حوزه مقالات علمی است. اگرچه در پژوهش های پیشینِ دسته بندی به طور عمده از الگوریتم های دسته بندی متداول برای متن ساده به کار رفته است، در این پژوهش تلاش می شود علاوه بر استفاده از این دسته بندها، از دسته بندهای مبتنی بر شبکه عصبی، مانند شبکه عصبی پیچشی[۱] و پرسپترون[۲]، به همراه بازنمایی معنایی مبتنی بر بافت، مانند ParsBERT، استفاده گردد و نتایج آن با سایر روش های متداول در ساخت بردار مستندات، مانند Word2Vec، مقایسه گردد. برای این هدف، از داده های پرتال علوم انسانی که دربرگیرنده مقالات متنوع علوم انسانی استفاده می کنیم. ویژگی این داده مشخص بودن حوزه تخصصی هر مقاله است. یکی از ویژگی های شبکه عصبی این است که برایندی از ویژگی های نهفته از داده در فضای برداریِ ساخته شده شکل می گیرد و برای آموزش مدل استفاده می گردد. براساس نتایج عملی، دسته بند پرسپترون مبتنی بر ParsBERT بالاترین کارایی ۷۴/۷۱ درصدی براساس امتیاز F میکرو و کارایی ۷۲/۵۵ درصدی براساس امتیاز F ماکرو را به دست آورده است. [۱] convolutional neural network [۲] perceptron neural network
۳.

Contextualized Text Representation Using Latent Topics for Classifying Scientific Papers(مقاله علمی وزارت علوم)

کلید واژه ها: Article Content Analysis Contextualized Representation Distributional Semantics Neural Network Scientific Article Classification topic modeling

حوزه های تخصصی:
تعداد بازدید : ۸۱ تعداد دانلود : ۳۹
Annually, researchers in various scientific fields publish their research results as technical reports or articles in proceedings or journals. The collocation of this type of data is used by search engines and digital libraries to search and access research publications, which usually retrieve related articles based on the query keywords instead of the article’s subjects. Consequently, accurate classification of scientific articles can increase the quality of users’ searches when seeking a scientific document in databases. The primary purpose of this paper is to provide a classification model to determine the scope of scientific articles. To this end, we proposed a model which uses the enriched contextualized knowledge of Persian articles through distributional semantics. Accordingly, identifying the specific field of each document and defining its domain by prominent enriched knowledge enhances the accuracy of scientific articles’ classification. To reach the goal, we enriched the contextualized embedding models, either ParsBERT or XLM-RoBERTa, with the latent topics to train a multilayer perceptron model. According to the experimental results, overall performance of the ParsBERT-NMF-1HT was 72.37% (macro) and 75.21% (micro) according to F-measure, with a statistical significance compared to the baseline (p<0.05).

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان