داده کاوی

سلامت روان یکی از بزرگترین چالش ها برای نسل کنونی است. اختلال اضطراب فراگیر (GAD) یکی از بسیاری از مشکلات سلامت روان است. افراد مبتلا به این اختلال نگرانی ها و تنش های اغراق آمیزی را در مورد رویدادهای روزمره تجربه می کنند. گزارش شده است که حدود 5 درصد از جمعیت کشورهای توسعه یافته به GAD مبتلا هستند و زنان دو برابر بیشتر از مردان به این بیماری مبتلا می شوند و یک اتفاق رو به رشد در بین زنان بالاخص زنان دانشجو است. این پژوهش با هدف پیش بینی اختلال اضطراب فراگیر در بین زنان دانشجو با رویکرد جنگل تصادفی، انجام شده است. از روش داده کاوی جهت پیش بینی استفاده شد.جامعه پژوهشی را زنان دانشجوی دانشگاه آزاد شیرازتشکیل دادند. تعداد 150 نفر از دانشجویان زن به روش تصادفی ساده انتخاب و با پرسشنامه DSM-IV, مورد ارزیابی قرار گرفتند. در این فرآیند، الگوریتم جنگل تصادفی برای تولید مدل پیش بینی پیشنهاد شده است. NetBeans IDE ابزاری بود که برای ساخت این پیاده سازی استفاده شد. جاوا زبان برنامه نویسی انتخاب شده برای کدگذاری این نمونه اولیه بود و از کتابخانه WEKA در این پیاده سازی استفاده شد. نتایج نشان داد که دقت پیش بینی با روش جنگل تصادفی بالای 0.9 است که نشان می دهد رویکرد جنگل تصادفی قادر به پیش بینی دقیق اختلال اضطراب فراگیر GAD است. برای ارزیابی ویژگی، رویکرد جنگل تصادفی در پیش بینی دقیق فردی که از GAD رنج نمی برد سازگاری نشان می دهد. نتایج به دست آمده از نمونه اولیه در مقایسه با خط پایه که در ابزار R پیاده سازی شده است، نسبتاً سازگار است. به طور خلاصه، رویکرد جنگل تصادفی عملکرد پیش بینی بالایی تولید می کند و می تواند روابط مهم بین پارامتر پیشنهادی و پارامتر وابسته را استخراج کند.

روش شبکه سازی، مؤثرترین ابزار دشمن در جنگ نرم است. اتفاقی که اکنون افتاده، استفاده از بستر ابزاری قوی چون اینترنت برای سرعت دادن به بحث شبکه سازی است که کارایی این بحث را دوچندان کرده است. رشد شبکه های اجتماعی مبتنی بر وب و ویژگی های این شبکه ها، انرژی زیادی برای تولید نرم افزارهای هوشمند ایجاد کرده است. این نرم افزارها، شبکه ی اجتماعی یک کاربر و اولویت های او را یکپارچه می کنند. در این شبکه ها، اطلاعات به طور گسترده در دسترسی است. یکی از نخستین کارهای عملّی وب این است که راه کار گسترده قدرتمندی را برای نمایش و نشر اطلاعات شبکه ی اجتماعی فراهم می کند که این موضوع اهمیت کار را دو چندان نموده است. روش این پژوهش، توصیفی و تحلیلی بوده و روایی ابزار پژوهش، به دو شکل محتوایی و سازه ای انجام و پایایی آن به وسیله ی روش «آلفای کرونباخ» ارزیابی شده است. جامعه ی آماری این تحقیق، بیست نفر به صورت تمام شمار از متخصصین حوزه ی پدافند است که در حوزه های شبکه های مجازی و امنیتی فعالیت می کنند. نتایج تحقیق نشان می دهد که شبکه های اجتماعی مجازی، جامعه ی کاربران اینترنتی است که با امکانات سخت افزاری و نرم افزاری برای تحقق اهداف مورد نظر با هم ارتباط برقرار می کنند. با تحلیل شبکه و محتوا می توان افراد مؤثر در شبکه های اجتماعی را شناسایی کرد و به اهداف این شبکه ها و تهدید ات ناشی از آن پی برد و سپس با نفوذ در شبکه و ایجاد انشعاب در آن و همچنین انجام برنامه های آگاه سازی، باعث کاهش تهدید ات شبکه های اجتماعی مجازی شد.

هدف: هدف از پژوهش حاضر تعیین الگوی دسترسی کاربران کتابخانه های عمومی استان ایلام به منابع اطلاعاتی و تحلیل تراکنش های امانت با استفاده از رویکرد قوانین انجمنی، خوشه بندی و طبقه بندی در داده کاوی است. روش: در این پژوهش، با استفاده از فنون داده کاوی و با بهره گیری از الگوریتم های قوانین باهم آیی، خوشهبندی، و طبقه بندی روی داده های بخش امانت کتابخانه های عمومی استان ایلام، اطلاعات جمعیت شناختی تأثیرگذار بر رفتار مطالعاتی اعضا بررسی و الگوهای استفاده از منابع اطلاعاتی توسط این جامعه ناهمگن استخراج شد. فرایند داده کاوی به کاررفته در پژوهش متشکل از شش مرحله است که به ترتیب شامل درک شغلی، درک داده ها، آماده سازی داده ها، مدل سازی (اپریوری، کوهنن، شبکه عصبی مصنوعی، و درخت تصمیم)، ارزیابی، و استفاده بود. یافته ها: یافته های پژوهش نشان داد که در بحث موضوعات مورد مطالعه، گروه های مختلف استفاده کننده از منابع اطلاعاتی دانشجویان علاوه بر مطالعه کتاب های درسی خود، موضوعاتی مانند تاریخ ایران و دین اسلام را مطالعه کرده اند. به لحاظ بُعد جنسیت، خانم های دارای مدرک تحصیلی کارشناسی به مطالعه موضوعاتی درزمینه ادبیات و زبان فارسی و داستان علاقه مند بودند. تجزیه وتحلیل امانت منابع ازنظر جنسیت نشان داد که ۵۸ درصد از اعضای فعال کتابخانه های عمومی استان ایلام را خانم ها و ۴۲ درصد را آقایان تشکیل می دهند؛ این تفاوت نمایانگر آن است که خانم ها تمایل بیشتری به استفاده از منابع اطلاعاتی کتابخانه های عمومی استان ایلام دارند. همچنین، ۵۴ درصد از افرادی را که در بازگشت کتاب های به امانت گرفته تأخیر دارند خانم ها و ۴۶ درصد از آن ها را آقایان تشکیل می دهند، و در بازگشت به موقع کتاب، خانم ها ۵۲ درصد و آقایان ۴۸ درصد از خود مسئولیت پذیری نشان داده اند. نتایج به دست آمده نشان دهنده آن است که آقایانِ دارای مدرک تحصیلی دیپلم به موضوعاتی درباره دین اسلام علاقه مند بودند و این گروه نسبت به بازگشت کتاب های خود احساس مسئولیت داشتند. ازنظر جنسیت و تأثیر آن بر موضوعات مورد مطالعه، خانم هایی که ازنظر تحصیلات در مقطع کارشناسی بوده و ازنظر شغل، خود را در گروه مشاغل آزاد معرفی کرده اند، به رده های ادبیات و زبان فارسی و داستان علاقه نشان داده اند و در بازگشت کتاب های خود تأخیری نداشته اند. نتایج حاصل از بررسی مدل رفتاری مراجعان ازنظر برگشت کتاب، نشان داد آقایانی که دارای تحصیلات دیپلم بوده اند و شغل خود را آزاد معرفی کرده اند در بازگشت کتاب های خود تأخیری نداشته اند. همچنین، خانم های دارای مدرک تحصیلی دیپلم و کارشناسی که شغل خود را آزاد معرفی کرده اند در بازگشت کتاب های خود تأخیر نداشته اند. دانشجویان دارای مدرک تحصیلی کارشناسی در بازگشت کتاب های خود تأخیر داشته اند. برای پیش بینی تأخیر در بازگشت کتاب ها براساس ویژگی هایی همچون جنسیت و مقطع تحصیلی، از مدل شبکه های عصبی استفاده شد و میزان صحت مدل در حین فرایند یادگیری 18/69 درصد بود. اصالت/ارزش: پیاده سازی شبکه عصبی در پایگاه داده کتابخانه های عمومی استان ایلام به منظور پیش بینی تأخیر در بازگشت کتاب ها براساس ویژگی هایی مختلف نمایانگر آن است که یادگیری و پیش بینی خروجی، با دریافت ورودیهای جدید در پایگاه داده کتابخانه های عمومی استان ایلام امکان پذیر است.

امروزه بسیاری از کشاورزان و فعالان بخش کشاورزی از تغییرات قیمت های بازار و آخرین پیشرفت های فناوری در حوزه قیمت محصولات کشاورزی آگاهی های لازم را ندارند؛ بنابراین بهره گیری از مدل های هوشمند برای پیش بینی دقیق قیمت کالاهای کشاورزی در حوزه کشاورزی هوشمند برای آنها اهمیت حیاتی دارد. لذا هدف از این مطالعه، ارائه یک مدل هوشمند بر پایه داده کاوی از نوع هیبریدی غیر خطی برای پیش بینی دقیق قیمت آتی پسته به منظور رفع محدودیت های موجود شامل ماهیت چندبعدی داده ها، عدم قطعیت در داده های پیش بینی شده و نهایتاً ارائه و ساخت مدل پایه قابل انتشار در زمینه به کارگیری الگوریتم های یادگیری ماشین عمیق برای پیش بینی قیمت محصولات کشاورزی است. نتایج حاصل از این مطالعه نشان داد که 1) با بکارگیری تئوری موجک برای نوفه زدایی داده ها، میزان خطای داده های قیمت کاهش یافته و داده ها از یک روند باثبات برخوردار شدند، 2) نتایج حاصل از اجرای شبکه کدکننده خودکار منتج به انتخاب وقفه بهینه یک، به عنوان متغیر ورودی برای پیش بینی قیمت آتی پسته تشخیص داده شد، 3) نتایج حاصل از بکارگیری شبیه سازی مونت کارلو-زنجیره مارکف و نیز پیش بینی خارج از نمونه با مجموعه داده های جدید، بیانگر این است که محتمل ترین و خوشبینانه ترین قیمت قابل وقوع برای قیمت آتی پسته در بورس کالای ایران، در سقف قیمتی 213 هزار تومان قرار دارد و قیمت پیش بینی شده با قیمت واقعی دارای اختلاف اندکی است (میزان خطا 0/7 درصد است). بر اساس نتایج حاصل شده، استفاده از مدل هیبریدی پیشنهاد شده و بکارگیری اجزای بکار برده شده در آن یعنی تابع تبدیل موجک، شبکه کدکننده خودکار، شبکه عصبی یادگیری عمیق، شبیه سازی مونت کارلو و استنتاج قیمت های جدید به عنوان کامل ترین زنجیره ارزش دو بخشی تحت یک مدل مرجع و پایه قابل انتشار برای پیش بینی و آزمون سایر محصولات کشاورزی با امکان به کارگیری تواترهای زمانی مختلف پیشنهاد می شود.

پیشینه و اهداف: صنعت بیمه درمانی در پیش بینی هزینه های بیمه افراد که براساس پارامترهای پیچیده ای مانند سن و ویژگی های فیزیکی است، با چالش مهمی مواجه است. شرکت های بیمه برای مدیریت ریسک و جلوگیری از زیان احتمالی، بیمه گذاران را به دو گروه پرخطر و کم خطر دسته بندی می کنند. بااین حال، برآورد دقیق هزینه ها برای هر فرد می تواند کار سختی باشد. برای مقابله با این چالش، ما رویکردی مبتنی بر علم داده و یادگیری ماشین را پیشنهاد می کنیم که از یادگیری جمعی برای پیش بینی افراد پرخطر و کم خطر استفاده می کند.روش شناسی: روش پیشنهادی شامل مراحل مختلفی از جمله پیش پردازش داده ها، مهندسی ویژگی ها و اعتبارسنجی متقابل برای ارزیابی عملکرد مدل است. در مرحله اول، داده ها را با پاک کردن، مدیریت مقادیر ازدست رفته و رمزگذاری متغیرهای طبقه بندی، پیش پردازش می کنیم. در مرحله دوم، ما ویژگی های جدیدی را با استفاده از روش های مهندسی ویژگی ها مانند مقیاس بندی، نرمال سازی و کاهش ابعاد تولید می کنیم. این روش ها به استخراج اطلاعات معنادار از داده ها و بهبود عملکرد مدل کمک می کند. در مرحله بعد، ما از یادگیری جمعی برای ترکیب روش های رگرسیون متعدد، مانند رگرسیون لجستیک، شبکه های عصبی، ماشین های بردار پشتیبانی، جنگل های تصادفی، LightGBM و XGBoost استفاده می کنیم. هدف از ترکیب این روش ها این است که از نقاط قوت آن ها استفاده کنیم و نقاط ضعف آن ها را به حداقل برسانیم تا به دقت پیش بینی بهتری دست یابیم. در نهایت، عملکرد مدل را با استفاده از روش اعتبارسنجی متقاطع k-fold ارزیابی می کنیم. این روش به اعتبارسنجی دقت مدل و جلوگیری از برازش بیش از حد کمک می کند.یافته ها: رویکرد پیشنهادی ما به AUC برابر با 73/0 دست می یابد که اثربخشی آن را در پیش بینی افراد پرخطر و کم خطر نشان می دهد.نتیجه گیری: با استفاده از علم داده و روش های یادگیری ماشین، شرکت های بیمه می توانند دقت برآورد هزینه خود را بهبود بخشند و ریسک را بهتر مدیریت کنند. این رویکرد می تواند به شرکت های بیمه کمک کند تا پوشش بیمه ای و قیمت گذاری دقیق تری را برای افراد ارائه دهند که به رضایت بیشتر مشتریان و کاهش زیان های مالی منجر می شود.

مقدمه: دانستن اینکه وفاداری گردشگران در مقاصد گردشگری به چه چیزی بستگی دارد و چگونه شکل می گیرد، برای مدیران شرکت ها و مقاصد گردشگری به یک اصل تبدیل شده است. یک مقصد گردشگری مانند هر سازمانی باید بازار هدف خود را شناسایی، جذب و حفظ کند. ایجاد هرگونه تحول و استانداردسازی خدمات گردشگری در شهر زنجان مستلزم شناخت ظرفیت های گردشگری، انجام مطالعات تطبیقی، شناخت تجربیات سایر کشورهای موفق جهان و بومی سازی این تجربیات است. شهر زنجان با وجود داشتن جاذبه های گردشگری قابل توجه در مقایسه با شهرهای استان های همجوار نتوانسته است مانند بسیاری از آنها گردشگر را جذب کند.داده و روش: تحقیق حاضر به بررسی نقش تصویر از مقصد بر وفاداری گردشگران شهر زنجان پرداخته شود. نوع تحقیق کاربردی و از نظر ماهیت توصیفی- تحلیلی می باشد. جامعه آماری تحقیق حاضر، شامل گردشگران با حداقل یک شب اقامت در هتل های سه و چهار ستاره شهر زنجان می باشد که با استفاده از فرمول کوکران تعداد 281 گردشگر مورد بررسی قرار گرفته اند. روش گردآوری اطلاعات به صورت کتابخانه ای و میدانی و جهت تجزیه و تحلیل داده ها نیز از آمار توصیفی و استنباطی استفاده شده است.یافته ها: نتایج تحقیق نشان می دهد، در بررسی نهایی تحلیل عاملی تصویر از مقصد به ترتیب بیشترین تا کمترین تأثیر را در تازگی سفر، هزینه سفر، هزینه مالی و تعداد دفعات سفر به ترتیب با مقدار بار عاملی 0.481، 0.354، 0.301 و 0.247 بر وفاداری گردشگران دارد.نتیجه گیری: استان زنجان از نظر چرخه زندگی در حوزه گردشگری در مراحل ابتدایی خود بوده و حساسیت موضوع از آن جهت است که این درصد، می توانند به عنوان سفیرانی باشند که به دیگران در خصوص این مقصد اطلاعات داده و به اصطلاح نوعی تبلیغات دهان به دهان رایگان برای زنجان انجام خواهند داد و بسته به تصویری که از زنجان در ذهن آنان شکل گرفته است، این تبلیغات می تواند مثبت یا منفی باشد.

امروزه با رشد روز افزون اینترنت و گسترش سریع فضای مجازی و ویژگی های چشمگیر آن از جمله افزایش سرعت تبادل اطلاعات، ، دسترسی آسان و رایگان به اطلاعات ، متنوع بودن موضوعات و غیره، باعث شده افراد بیشتر زمان خود در فضای مجازی به ویژه فعالیت در شبکه های اجتماعی اختصاص دهند، در این راستا نظرات ثبت شده توسط کاربران در شبکه های مجازی رشد روزافزونی داشته و اهمیت بسیاری پیدا کرده؛ بر این اساس، هدف پژوهش حاضر تحلیل و بررسی نظرات کاربران توییتر درباره ی فناوری واقعیت مجازی با بهره گیری از روش های یادگیری ماشین و رویکرد مبتنی بر واژه نامه می باشد که با جمع آوری حدود 1 میلیون توییت در زمینه فناوری واقعیت مجازی توسط خزشگر وب به پیش پردازش داده ها شامل حذف ایست واژه ها و لینک ها، بن واژه سازی پرداخته شد، سپس مدل سازی موضوعی تخصیص پنهان دیریکله روی داده ها اجرا شد و توسط امتیاز انسجام درجه تشابه معنایی بین کلمات و تمایز بین موضوعات را به دست آمد و تعداد موضوعاتی که بیشترین امتیاز را داشت انتخاب شد و داده ها در 9 موضوع دسته بندی شدند، برای ارزیابی مدل نیز از معیار سرگشتگی استفاده شد که مقدار آن 44/9- به دست آمد که نشان از کارایی مدل دارد. سپس موضاعات مرتبط با فناوری واقعیت مجازی نام گذاری شد .

هدف این تحقیق بررسی عوامل موثر در پیش بینی عملکرد تحصیلی دانشجویان مقطع کارشناسی در طبقه بندی چهار کلاسه می باشد. برای دستیابی به این هدف، مطالعه از روش داده کاوی کریسپ پیروی می کند. مجموعه داده ها از سیستم آموزشی ناد برای مقطع کارشناسی در دانشگاه شاهد برای ورودی سال های 1390 تا 1400 استخراج شده است. تعداد 1468 رکورد در داده کاوی استفاده شده است. ابتدا شاخص های مؤثر بر عملکرد تحصیلی دانشجویان استخراج شد. مدلسازی با استفاده از ابزار رپیدماینر9.9 انجام شد. برای بهبود عملکرد طبقه بندی و دقت پیش بینی رضایت بخش ، از ترکیبی از تجزیه و تحلیل مؤلفه اصلی همراه با الگوریتم های یادگیری ماشین و تکنیک های انتخاب ویژگی و الگوریتم های بهینه سازی استفاده می کنیم. عملکرد مدل های پیش بینی با استفاده از اعتبارسنجی متقاطع 10 برابری تأیید شده است. نتایج نشان داد که الگوریتم درخت تصمیم بهترین الگوریتم در پیش بینی عملکرد دانشجویان با دقت 84.71 درصد است. این الگوریتم به درستی فارغ التحصیلی 77.88 درصد از دانشجویان عالی و 85.26 درصد از دانشجویان خوب و 84.69 درصد از دانشجویان متوسط و 85.96 درصد از دانشجویان ضعیف را بر اساس معدل نهایی پیش بینی کرد.متغیر معدل دیپلم بیشترین تأثیر را در پیش بینی عملکرد دانشجویان دارد.

با ظهور فناوری های دیجیتال و ظهور خدمات رسانه های نمایشی VOD، چشم انداز صنایع فرهنگی و خلاق دستخوش دگرگونی چشم گیری شده است. به ویژه، بازار این رسانه ها در ایران شاهد رشد قابل توجهی بوده و طیف متنوعی از محتوا را ارائه می دهد تا مطابق با اولویت های مخاطبان فارسی زبان در سراسر جهان باشد. این پژوهش به سنجش اجتماعی رسانه های نمایشی VOD ایرانی و نظرکاوی آن ها در میان کاربران فارسی توییتر می پردازد. هدف این مطالعه با استفاده از روش های داده کاوی، علوم اجتماعی محاسباتی، تحلیل احساسات و تحلیل مضمون، سنجش تأثیر و پویایی VODهای ایرانی در چارچوب توییتر فارسی است. از طریق تحلیل مضمون، شش مضمون فراگیر استخراج شد: 1. سویه های تاریک رسانه های نمایشی VOD، 2. نظارت صداوسیما بر رسانه های نمایشی VOD، 3. فراگیری و محبوبیت رسانه های نمایشی VOD و عوامل مؤثر آن، 4. فیلتر و تعطیلی رسانه های نمایشی VOD، 5. حضور بازیگران در رسانه های نمایشی VOD پس از پاییز سال 1401، و 6. خرید اشتراک رسانه های نمایشی VOD. این مضامین منعکس کننده دیدگاه ها و گفتگوهای متنوع پیرامون VODهای ایرانی است.با استفاده از روش های محاسباتی علوم اجتماعی، تجزیه و تحلیل احساسات و نظرسنجی کاربران، بینش عمیق تری در مورد سنجش اجتماعی VODهای ایرانی به دست می آید. تحلیل احساسات توییت ها نشان داد که احساسات منفی نسبت به این رسانه ها در میان کاربران توییتر فارسی 59%، احساسات مثبت 39%، و احساسات خنثی 2% بودند. علاوه بر این، از تکنیک های داده کاوی برای بررسی درصد توجه نسبت به VODهای ایرانی و احساسات کاربران نسبت به هر یک از آنها استفاده شد که فیلیمو مورد توجه ترین VOD ایرانی بود و بیشترین توجه کاربران را به خود جلب کرده است.

مقدمه: امروزه فناوری های معنایی رویکرد جدیدی را در پردازش و بازنمون معارف قرآنی با هدف ارائه اطلاعات معنادار ارائه می دهند. هستی نگاشت ها به عنوان یکی از فناوری های معنایی، ابزاری جهت بیان رسمی مفاهیم و روابط موجود در حوزه خاصی بوده که توسعه و کاربرد آن جهت استخراج معارف و علوم قرآنی مورد توجه قرار گرفته است. یادگیری هستی نگاشت ها و روش های آن به صورت خودکار جهت استخراج مفاهیم از مباحث مهم در حوزه وب معنایی و فناوری های آن است. به تازگی توسعه و کاربرد یادگیری هستی نگاشت ها جهت استخراج مفاهیم قرآنی مورد توجه قرار گرفته است. ازاین رو، هدف پژوهش حاضر، بررسی جامع یادگیری خودکار هستی نگاشت ها در حوزه استخراج مفاهیم قرآنی به منظور شفاف سازی وضعیت فعلی و آینده است. معیارهای مورد بررسی مجموعه داده ها، روش های یادگیری، روش های ارزیابی، نتایج و پیشنهاد های آتی پژوهش ها در حوزه یادگیری خودکار هستی نگاشت های قرآنی بود. روش شناسی: روش بررسی پژوهش حاضر، مرور دامنه ای بر اساس دستورالعمل های پریزما و بر اساس رویه استفاده شده توسط آرکسی و امالی (2005) است. این فرآیند پروتکلی را به منظور تطبیق نتایج پژوهش موجود با سؤالات و معیارهای تحقیق توصیف می کند. پنج مرحله پیشنهادی آرکسی و امالی عبارت اند از: 1. شناسایی و طراحی سؤال(ها) پژوهش، 2. انجام استراتژی های جستجو برای استخراج مطالعات مرتبط از طریق انتخاب واژه های کلیدی مناسب و عملگرهای بولی، 3. انتخاب نهایی پژوهش های مرتبط با تعیین معیارهای ورود و خروج، 4. خلاصه سازی و گزارش یافته ها و درنهایت، 5. گزارش و بحث پیرامون نتایج حاصل. جستجوی منابع در هفت پایگاه داده علمی مشتمل برEmerald, Science Direct, IEEE Xplore Digital Library, Google Scholar, Web of Science, Scopus انجام شد. فرایند جستجو در فروردین 1402 صورت گرفت. تعداد 811 مقاله، بدون توجه به محدوده زمانی، مورد ارزیابی و انتخاب قرار گرفت. به منظور سازماندهی مقالات بازیابی شده، از نرم افزار مدیریت منابع اطلاعاتی اندنوت استفاده شد و پس از تطبیق عناوین در پایگاه های اطلاعاتی مختلف، تعداد 317 مقاله تکراری حذف گردید. پس از بررسی چکیده ها، معیارهای ورود و خروج و کیفیت مقالات اعمال گردید. همچنین به منظور جلوگیری از سوگیری در انتخاب مقالات، طی بررسی تصادفی مجددی، توسط دو پژوهشگر مستقل در حوزه یادگیری خودکار هستی نگاشت نیز ارزیابی صورت گرفت و درنهایت تعداد 25 اثر به عنوان ملاک مرور انتخاب گردید. یافته ها: یافته ها نشان داد اغلب پژوهش ها در حوزه مجموعه داده های قرآنی به زبان های انگلیسی و عربی بودند و بخش عمده آن ها نیز از ترجمه انگلیسی قرآن الهلالی و خان استفاده کرده اند. استفاده از مجموعه داده های بسیار محدود، مهم ترین محدودیت پژوهش های انجام شده بود. بخش عمده پژوهش ها از روش های نرمال سازی، خوشه بندی و دسته بندی متن، خلاصه سازی متن، استخراج اطلاعات، تشابه و یافتن موجودیت های نامدار استفاده کرده اند. البته در برخی پژوهش ها، روش های هوش مصنوعی نظیر شبکه عصبی نیز به کار گرفته شده است. علاوه بر این، یافته ها نشان داد که الگوریتم های داده کاوی مبتنی بر روش های آمار و احتمال برای یادگیری و ساخت هستی نگاشت های خودکار در میان محققان با محبوبیت روبرو شده است. همچنین از روش های محاسبه دقت، فراخوانی و معیار F برای ارزیابی نتایج کاربرد الگوریتم های یادگیری خودکار در هستی نگاشت های قرآنی استفاده کرده اند. پژوهش هایی که از روش های هوش مصنوعی بهره برداری کرده اند، با تحلیل معنایی، استنتاج، مدل سازی و تأیید اعتبار داده های استنتاج شده به نتایجی مانند تشخیص صوت برای آموزش قرائت قرآن، تشخیص آرایه های ادبی و ایجاد ارتباط های موضوعی در مفاهیم قرآنی و همچنین ایجاد ارتباط بین این مفاهیم با مفاهیم سایر ادیان نائل شده اند. ارزیابی روش های ارائه شده برای یادگیری خودکار هستی نگاشت های قرآنی نشان می دهد استفاده توأمان از روش های داده کاوی و هوش مصنوعی نتایج بهتری را به همراه دارد. بخش عمده نتایج این حوزه در دو دسته کلی قرار دارد. دسته اول مبتنی بر به کارگیری روش های داده کاوی، متن کاوی و یادگیری ماشین جهت استخراج خودکار مفاهیم و ابعاد سه گانه (فعل، فاعل، مفعول) به همراه روابط معنایی از متن قرآن بود. دسته دیگر به مقایسه عملکرد روش ها و الگوریتم های مبتنی بر آمار و مشابهت یابی نظیر TF، TF-IDF، AVE-TF، Ridf، TIM، N-gram، FREyA، Pos Taggin، Levenshtein، Log Likelihod، هِرسِت، و جز این ها در استخراج مفاهیم خودکار جهت ساخت هستی نگاشت قرآنی پرداخته اند. یافته های حاصل از بررسی کارهای آینده نشان از علاقه محققان به الگوریتم های هوش مصنوعی و استفاده در یادگیری هستی نگاشت و توسعه خودکار و نیمه خودکار هستی نگاشت های قرآنی دارد. فقدان مجموعه داده های صحیح، دلیل عجز سامانه های هوش مصنوعی پیشرفته دنیا مانند جی پی تی 4 است که در آینده باید به این مهم پرداخته شود. نتیجه گیری: نتایج این مطالعه می تواند به جهت دهی پژوهش های آتی درباره بهترین روش ها در توسعه خودکار هستی نگاشت های قرآنی کمک کند. این مسئله می تواند با طراحی هستی نگاشت جامع قرآنی که تمام موضوعات و مفاهیم را با توجه به بافت قرآن، پوشش دهد، مدنظر قرار گرفته و با ایجاد هستی نگاشتی جامع از مفاهیم قرآن، کاربران را به سمت بازیابی دانش قرآنی رهنمون سازد. همچنین بهره برداری بیشتر از روش های هوش مصنوعی و پردازش زبان طبیعی نظیر جی.پی.تی. به عنوان مدل یادگیری ماشینی برای تولید متن به زبان طبیعی با استفاده از شبکه عصبی عمیق، در توسعه خودکار هستی نگاشت های قرآنی ضروری به نظر می رسد. با توجه به اینکه یادگیری ماشین مستلزم وجود داده های کلان در حوزه قرآن است، ساخت مجموعه داده های استاندارد ازجمله کارهای آتی محققان است.

هدف: در پژوهش حاضر، مقایسه عملکرد مدل های یادگیری ماشین و مدل های آماری در پیش بینی سود و جریان نقد عملیاتی با استفاده از مجموعه متغیر های تعهدی و نقدی بررسی شده است.روش: روش شناسی پژوهش به سه مرحله گزینش مجموعه داده و متغیرها، مدل سازی و قیاس تقسیم بندی می شود. جامعه آماری پژوهش حاضر، شرکت های بورس اوراق بهادار تهران و داده های 184 شرکت طی بازه زمانی 1391 تا 1400 بررسی شده است.یافته ها: نتایج این پژوهش نشان دهنده آن بود که متغیرهای تعهدی توان تبیین بیشتری نسبت به متغیر های نقدی برای پیش بینی سود خالص و جریان نقد عملیاتی آتی دارد. علاوه بر این، مقایسه عملکرد مدل های یادگیری ماشین و آماری در پیش بینی سود خالص و جریان نقد عملیاتی آتی نشان دهنده آن بود که رویکرد هوش مصنوعی توانایی بیشتری دارد و بین مدل های یادگیری ماشین، رگرسیون نمادین و مدل های آماری، مدل پروبیت از عملکرد بیشتری برخوردار است؛ همچنین نتایج نشان دهنده آن بود که اگرچه به طور میانگین مدل های یادگیری ماشین عملکرد بیشتری نسبت به مدل های آماری دارد، مدل های آماری نیز عملکرد بیشتری از برخی مدل های یادگیری ماشین ارائه می دهد.

سنجش اعتماد سیاسی جهت ایجاد ثبات جامعه در رخدادها ضروری است. این پژوهش تلاش دارد الگوی محاسباتی اعتماد سیاسی را به کمک کلان داده های 1649 متغیر در حوزه های مختلف، برآمده از کنشگری شهروندان ایران مبتنی بر «کلان داده های مشاهداتی» به دست آورد. روش پژوهش، ترکیبی از روش کمی و کیفی (با غلبه روش کمی) است؛ ازاین رو ابتدا به بررسی مفهوم، ابعاد و متغیرهای اعتماد سیاسی مبتنی بر روش تحلیل اسنادی و با ابزار فیش برداری پرداخته شد. سپس مطابق سازه نظری مفهوم اعتماد سیاسی، متغیرهای مرتبط به کمک مصاحبه با خبرگان استخراج شده و آنگاه جهت تجزیه وتحلیل کلان داده ها، روش KDD مورد بهره برداری قرار گرفت. همچنین با کمک یادگیری ماشین دو روش تحت نظارت و بدون نظارت در داده کاوی تحلیل شده و با توجه به دو معیار ریسک کمتر و مطلوبیت بیشتر، بهترین الگوریتم انتخاب شد. با بررسی های انجام شده یادگیری با نظارت ذیل طبقه بندی و الگوریتم  شبکه عصبی «Neural Net» بهترین مدل معرفی شد. سپس با ابزار IBM SPSS Modeler به «طبقه بندی» داده ها در چهار گام، غربال سازی، کشف داده های همبسته، نرمال سازی و مدل سازی صورت گرفت. لازم به ذکر است در مرحله مدل سازی ضرایب تأثیرگذاری 13 متغیر به دست آمده از مراحل گذشته، استخراج شده و نیز نسبت آن ها در شبکه عصبی مطابق تأثیر لایه های میانی (لایه های مخفی) بر اعتماد سیاسی مبتنی بر شبکه عصبی نشان داده شد.

با توجه به سهم بالای مصرف برق در صنایع کشور، طی چند سال اخیر طرح های مختلفی از جمله خاموشی های سراسری در اوقات پیک مصرف اجرا شده است. امروزه داده کاوی به عنوان فرآیند کشف الگوهای مفید از پایگاه داده و یکی از روش های مؤثر برای تجزیه و تحلیل، مدل سازی و پیش بینی مصرف انرژی کاربرد فراوانی پیدا کرده است. در این مطالعه، مدلی تلفیقی جهت بررسی رفتار مصرف برق با استفاده از تکنیک های خوشه بندی کا میانگین و قوانین وابستگی جهت کشف و استخراج الگو از مجموعه داده های مربوط به مصرف برق واحدهای صنعتی مستقر در یکی از شهرک های صنعتی استان تهران طراحی شده است.  مشاهدات نشان می دهد که طی ماه های گرم سال، میانگین مصرف واحدهای خوشه پرمصرف که حدود 34 درصد واحدهای صنعتی مورد مطالعه را شامل می شود، حدود 4.2 برابر مصرف خوشه کم مصرف و حدود 1.7 برابر مصرف خوشه متوسط است. با بکارگیری مدل پیشنهادی در این پژوهش ضمن شناسایی واحدهای پرمصرف و اعمال سیاست های هوشمندانه و عادلانه در خاموشی اجباری، می توان علاوه بر تشویق واحدهای صنعتی به بهینه سازی مصرف انرژی، از ایجاد خسارت ناشی از توقف های اجباری تولید ممانعت کرد. رویکرد نوآورانه این مدل قادر به کنترل حجم زیادی از داده ها برای برنامه ریزی مناطق مختلف با هدف بهینه سازی در مصرف انرژی آن می باشد.

هدف پژوهش، ارائه مدل پیش بینی ریسک های بحرانی و اولویت دار شبکه انتقال گاز و انتخاب اقدام کنترلی بهینه از نظر زمان و هزینه است. در این پژوهش، پیش بینی ریسک ها با الگوریتم های داده کاوی بر اساس متدلوژی CRISP انجام شده و برای خوشه بندی از الگوریتم K-Means, Kohnen, Two Step و در ادامه ، از الگوریتم های شبکه عصبی، درخت C.5، نزدیک ترین همسایگی و بردار پشتیبان برای طبقه بندی بهره گیری شده است. اقدام کنترلی بهینه با فرایند تصمیم مارکوف انتخاب و مسئله تصمیم گیری بر اساس استقرای بازگشتی برنامه ریزی پویای احتمالی زمان محدود مدل سازی و شبیه سازی شده و تحلیل حساسیت و اعتبارسنجی مدل صورت پذیرفته است. بر اساس نتایج، در 56/97 درصد  از داده های موردتوافق، یادگیری ایجاد شده و صحت و اعتبار مدل داده کاوی، 92/86 درصد برآورد شده است. همچنین 13 ریسک، بحرانی تشخیص داده شده اند و نتایج شبیه سازی مدل ریاضی نیز، نرخ بهبود را 92 درصد در هزینه و 77 درصد در زمان اجرای اقدام کنترلی نشان می دهد.  

معمولاً سهم قابل ملاحظه ای از خسارت های ناشی از سیلاب، به رسوبات معلق در جریان سیل و هزینه های لایروبی ناشی از نشست آن ها در مناطق طبیعی، مسکونی و صنعتی برمی گردد. ازاین رو هنگام وقوع سیلاب علاوه بر پارامتر دبی آب، پایش دبی رسوبات حمل شده در آب نیز بسیار حائز اهمیت است. امروزه شبکه های عصبی مصنوعی به خوبی برای پیش بینی سری های زمانی غیرخطی توسعه یافته اند، اما ماهیت غیرخطی داده های رسوب و تأثیر گسترده ای از عوامل مختلف بر میزان دبی رسوب، منجر شده تا پیش بینی این داده ها همواره با چالش هایی مواجه باشند. تئوری موجک ازجمله روش های پیش پردازشی است که می تواند با تجزیه سری های زمانی اصلی به سیگنال های فرعی منجر به وضوح بهتر روابط درونی داده های غیرخطی گردد. در تحقیق حاضر مقادیر داده های رسوب در دو ایستگاه آبنما و میناب از حوزه آبخیز رودان هرمزگان قبل از ورود به شبکه عصبی مصنوعی از طریق تبدیل موجک به سیگنال های فرعی شکسته شد و سپس توسط شبکه عصبی مصنوعی فرایند پیش بینی صورت پذیرفت. همچنین به منظور بررسی تأثیر تبدیل موجک در عملکرد مدل شبکه عصبی، نتایج حاصل از این مدل ترکیبی با نتایج به دست آمده از مدل شبکه عصبی منفرد مقایسه گردید و کارایی آن ها با استفاده از روش اعتبارسنجی چندتکه، همبستگی و ریشه میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد شبکه عصبی مصنوعی در دو ایستگاه موردمطالعه به ترتیب با همبستگی 89/0 و 68/0 و شبکه عصبی موجکی با همبستگی 9/0 و 8/0 قادر به شبیه سازی میزان رسوبات هستند. همچنین آماره نرمال شده ریشه میانگین مربعات خطا به ترتیب در شبکه های عصبی مصنوعی 104/0 و 35/0 و در شبکه های ترکیبی 124/0 و 18/0 به دست آمد. با توجه به نتایج داده ها، تأثیر موجک در شناسایی سیگنال های فرعی و در نتیجه بهبود عملکرد مدل نسبت به شبکه های عصبی منفرد در پیش بینی میزان رسوبات قابل حمل در سیلاب به وضوح قابل توجه است.

سیستم های ارزیابی آسیب پذیری آب های زیرزمینی برای دستیابی به روشی مناسب برای حفاظت از این منابع در برابر آلاینده ها توسعه یافته اند. یکی از روش های شناخته شده برای تعیین حساسیت آب های زیرزمینی، روش DRASTIC است. از آنجایی که ارزیابی آلودگی آب های زیرزمینی اغلب با عدم قطعیت همراه است، مطالعه حاضر از مفهوم اعداد Z به عنوان نسل جدیدی از منطق فازی برای تخمین آسیب پذیری ویژه آبخوان ها استفاده کرده است. در این مطالعه، از پارامترهای مدل DRASTIC (ورودی ها) و مقادیر غلظت نیترات (خروجی) در دو سناریو برای برآورد آسیب پذیری ویژه آبخوان های دشت های اردبیل و قروه- دهگلان استفاده شد و نتایج به دست آمده با نتایج مدل DRASTIC به عنوان مدل معیار مقایسه شد. تجزیه وتحلیل نتایج نشان داد که مدل سازی مبتنی بر اعداد Z به دلیل درنظرگرفتن قابلیت اطمینان داده ها و تخصیص وزن مناسب به قوانین، کیفیت نتایج را نسبت به منطق فازی کلاسیک به میزان 53 درصد (برای سناریوی اول)، 184 درصد (برای سناریوی دوم) در دشت اردبیل و 127 درصد (برای سناریوی اول)، 311 درصد (برای سناریوی دوم) در دشت قروه_دهگلان بهبود بخشید. همچنین بر اساس نتایج، ممکن است کیفیت قوانین استخراج شده برای مدل مبتنی بر اعداد Z در دشت هایی با ضریب تغییرات داده بالاتر، پایین باشد (برای مثال ضریب تغییرات داده بالای دشت اردبیل نسبت به دشت قروه_دهگلان در این مطالعه)، بنابراین در این شرایط، نتایج مدل مبتنی بر اعداد Z ممکن است بهبود قابل توجهی نسبت به نتایج منطق فازی مرسوم نداشته باشد. روش پیشنهادی در این مطالعه به دلیل قابلیت بالای آن می تواند برای طراحی کنترل کننده های هوشمند مدیریت آب زیرزمینی مورد استفاده قرار گیرد.

در این مقاله اثر اجرای گام دوم هدفمندی یارانه ها بر توزیع درآمد در اقتصاد ایران با استفاده از روش داده کاوی بررسی شده است. شاخص نشان دهنده وضعیت توزیع درآمد ضریب جینی است. این تحقیق که شامل چهار سناریو می باشد، به پیش بینی توزیع درآمد در سال های آینده پرداخته است و نتایج حاصله نشان می دهد که اعمال گام دوم هدفمندی یارانه ها و پرداخت نقدی یارانه به طور مساوی به همه ی گروههای درآمدی توزیع درآمد را نامتعادل تر می کند. همچنین ، اعمال گام دوم هدفمندی یارانه با پرداخت نقدی یارانه به هفت دهک اول درآمدی، توزیع درآمد را نسبت به زمانی که بطور مساوی به همه دهک درآمدی توزیع شود، متعادل تر می سازد، اما در کل توزیع درآمد را نا متعادل تر می کند. و سناریوی سوم مبنی بر اعمال گام دوم هدفمندی یارانه و پرداخت نقدی تنها به گروههای پایین درآمدی ، توزیع درآمدرا نسبت به حالت های قبل متعادلتر می سازد.

در هر سازمانی، رشد فزاینده پایگاه داده ها به کارگیری ابزارهای جدید و قدرتمند تحلیلی در امر پردازش و بهره برداری از داده ها را ضروری کرده است.علم داده کاوی یکی از ابزارهای مورد نیاز در تحلیل داده های حجیم می باشد که این حوزه را به عنوان یکی از مهم ترین حوزه های پژوهشی مطرح نموده است. یکی از عرصه های مهم کاربرد داده کاوی حوزه جرم شناسی است. نیروی انتظامی به عنوان یکی از سازمان های فعال در عرصه نظم و امنیت، با توجه به ماهیت مأموریتی، با حجم، تنوع و گستره فراوانی از فرایند ذخیره سازی و به کارگیری بانک های داده ای انبوه در حوزه های گوناگون اجتماعی، امنیتی، اقتصادی و فرهنگی در ارتباط است. از این رو، ضروری است برای اجرا و تحقق مأموریت های محوله، استخراج الگوهای مفید و کاربردی از پایگاه داده ای، با کمک علم داده کاوی، از اولویت های اصلی این سازمان می باشد. در این مقاله پس از معرفی روش های داده کاوی و الگوریتم های آن به بیان مدلی کاربردی در آماده سازی و پیش پردازش داده های جمع آوری شده مواد مخدر، شامل ویژگی های شخصیتی و دیگر اطلاعات جمع آوری شده از این مجرمان، به خوشه بندی در پنج دسته پرداخته شده است. هدف نهایی در این نگاشته آشنایی مدیران عالی برای درک اهمیت راهبردی علم داده کاوی در اقدامات آتی پلیس است. گفتنی است، این مقاله بخشی از کار عملی بوده که نگارندگان آن در حوزه پردازش اطلاعات انجام داده اند و مثال های آن واقعی و اطلاعات سیستمی آن موجود است و به همین دلیل، نگاه کتابخانه ای و ارجاع به منابع در آن کمتر دیده می شود.

یکی از عوامل بروز تخلفات و حوادث ترافیکی،بی‌توجهی به مقررات راهنمایی ‌و ‌رانندگی است که با توجه به بافت فرهنگی، اجتماعی، اقتصادی و جغرافیایی جوامع، میزان و نوع آن متفاوت خواهد بود. آمار بالای تخلفات ترافیکی و حوادث ناشی از آن در کشور، باعث بروز صدمات جبران‌ناپذیری می‌گردد که در این میان، عوامل انسانی اصلی‌ترین عامل بروز تخلفات قلمداد می‌گردد. هدف این تحقیق، تحلیل راهبردی تخلفات رانندگان و بررسی ارتباط آن با مشخصات فردی آنان و مراکز صدور گواهینامه با رویکرد داده‌کاوی می‌باشد. این تحقیق از نظر هدف، کاربردی و از نوع تحلیل محتوا است. جامعه آماری تحقیق، اطلاعات پایگاه داده صدور گواهینامه و اجرائیات و حجم نمونه اطلاعات این پایگاه‌ها در سال‌های 1395 و 1396 شهر تهران است. شیوه تحلیل داده‌ها، کشف قوانین انجمنی است. نتایج حاصل از اهم قوانین استخراج‌شده بدین شرح است: 1. بین سن و تحصیلات رانندگان و تخلفات رانندگی آنان رابطه معنی‌داری وجود دارد؛ به‌نحوی که بیشترین تکرار تخلفات در قوانین کشف‌شده مربوط به رانندگان مرد با مدرک دیپلم و سن 20 سال است؛ 2. بیشترین تکرار تخلف انجام شده، تخلف ورود ممنوع می‌باشد؛ 3. بین برخی تخلفات رانندگان و برخی آموزشگاه‌های رانندگی قوانین رانندگی ارتباط وجود دارد. اغلب قوانین کشف شده موردتأیید کارشناسان راهور است و نتایج حاصل از قوانین، با نظریه‌های مربوط به دلایل بروز کج‌رفتاری‌ها و تخلفات انطباق دارد. تحقیق حاضر، متغیرهای موثر در تخلفات رانندگی را در نظر گرفته‌است؛ بنابراین، می‌توان شیوه ارائه آموزش به متقاضیان گواهینامه را با توجه به قوانین حاصل، برنامه‌ریزی و از بروز افزایش تخلفات پیشگیری نمود.

هدف: همه گیری کووید ۱۹ تاثیر زیادی بر جامعه گذاشت و بسیاری از مشاغل و فعالیت های جامعه بشری را دستخوش تغییراتی کرد. این تغییرات در حوزه آموزش های مدارس و دانشگاه ها نیز اتفاق افتاد. آموزش ها از حضوری به آموزش های  مجازی تغییر پیدا کرد. در بعضی از نیم سال ها، آزمون ها نیز از حضوری به آزمون های مجازی تغییر پیدا کردند. در این پژوهش وضعیت نمرات و کیفیت طراحی سوالات به تفکیک دروس و استان ها در آزمون های تستی و تشریحی در شرایط کرونا و قبل از آن مورد بررسی قرار گرفتند.روش پژوهش: به این منظور از داده کاوی و تحلیل میانگین و واریانس نمرات دانشجویان در دروس در نیمسال های مختلف و از نتایج مصاحبه با مدرسان و مدیران مراکز آموزش علمی کاربردی استفاده شد.یافته ها: نتایج این پژوهش شاخصی برای مقایسه عملکرد استآن ها و مراکز آموزش علمی کاربردی در اختیار مدیران ارشد دانشگاه جامع علمی کاربردی قرار داد. نتیجه گیری: نتایج نشان داد در نیم سال های ابتدایی آزمون های مجازی به واسطه کرونا با توجه به اینکه مدرسان آشنایی کافی با طراحی سوال به شیوه مجازی نداشته اند، کیفیت آزمون ها پایین تر بوده است ولی این کیفیت به تدریج بهبود یافته است. کیفیت طراحی سوالات در آزمون های تستی در زمان کرونا و آزمون های مجازی با قبل از آن تفاوت معناداری نداشته است.دانشگاه جامع علمی کاربردی، آزمون متمرکز، داده کاوی، کیفیت آموزشی، همه گیری ویروس کرونا.