دسته بندی

در زبان روسی پیشوندها با افعال زیادی ترکیب می شوند و نقش عمده ای در بیان معانی مختلف ایفا می کنند و مشکلات زیادی را برای زبان آموزان (ایرانی) در درک و فهم این مبحث مهم و پیچیده ایجاد می کنند و از آن جایی که در کتاب های موجود توصیف معانی پیشوندها برای زبان آموزان کامل نمی باشد‘ بایستگی آن به شدت احساس می شود و در این مقاله سعی می شود به مواردی کاربردی- آموزشی توصیف معانی پیشوندها اشاره شود. اگر توصیف معانی پیشوندها درست و کامل باشد و در تضاد نباشد و معانی پیشوندها به درستی دسته بندی و طبقه بندی شده باشند و به شرایط بیان آن ها در بافت جمله اشاره شود به نظر می رسد که زبان آموز در درک درست معانی پیشوندهای روسی کمتر دچار مشکل شود.

در این مقاله، موانع کاربرد فناوری اطلاعات بررسی و از نگاه مدیریت تغییر، تحلیل میشوند. بدین منظور، ابتدا با اشاره به سرمایه گذاریهای ملی و جهانی در این زمینه، شواهدی از میزان موفقیت و شکست کاربرد این فناوری ارائه میگردد. بررسی پژوهشها و مطالعات پیشین در زمینة موانع کاربرد این فناوری، بخش بعدی مقاله را تشکیل میدهد که در آن در مجموع به 31 مانع اشاره میشود. سپس لزوم دسته بندی این عوامل تبیین و معیارهای دسته بندی آنها بیان میشوند. از آنجا که فناوری اطلاعات به عنوان عاملی برای تغییر شناخته میشود، مدلهای تغییر نیز در دسته بندی مفهومی عوامل مؤثر بر کاربرد آن قابل استفاده هستند. برای این دسته بندی از دو گونة «مدلهای محتوایی» و «مدلهای فرایندی» تغییر استفاده شد. مدلهای محتوایی، مدلهایی هستند که بر محتوای تغییر تأکید دارند و سازمان را به ابعادی تفکیک میکنند که تغییر باید در آنها صورت پذیرد. مدلهای گونة دوم نیز مدلهایی هستند که به مراحل و اقدامهای لازم برای انجام یک تغییر اشاره میکنند. در این مقاله، از مدل هفت بعدی «وارد» و «الوین» به عنوان مدل محتوایی و مدل هشت مرحله ای «کاتر» به عنوان مدل فرایندی تغییر برای دسته بندی و تحلیل موانع کاربرد فناوری اطلاعات استفاده شده است

موفقیت یا شکست سازمان، ارتباط مستقیمی با چگونگی جذب و نگهداری منابع انسانی آن دارد. اغلب در رابطه با برگزاری آزمون های ورودی و فرآیند جذب کارکنان، داده ها و اطلاعات فراوانی در سازمان ها وجود دارد که بدون استفاده قرار می گیرند. داده کاوی،به عنوان راه حل برای چنین مسایلی است. در این پژوهش که از حیث هدف، کاربردی و از جنبه ماهیت از نوع پژوهش های همبستگی و همخوانی محسوب میشود، سعی شده است که با استفاده از تکنیک های داده کاوی، قواعد و روابط بین نمرات آزمون های ورودی و سایر متغیرهای شخصی و شغلی (که قبل از ورود هر کس به سازمان مشخص می شود) و وضعیت کارکنان با عملکرد شغلی و وضعیت ارتقاء آنان شناسایی شود. درنتیجه با مطالعه و بررسی پایگاه های داده-ی آزمون و منابع انسانی یک بانک تجاری برای 2 سال متوالی (1383 و 1384)، شاخص های نیروی انسانی که بر عملکرد یا ارتقاء موثر بودند، شناسایی شدند. تکنیک داده کاوی مورد استفاده در این پژوهش، درخت تصمیم گیری است و استخراج قواعد نیز با استفاده از الگوریتم های QUEST، CHAID، C5.0 و CART انجام شده است. در نهایت ضمن ارایه مدلی جهت انتخاب متغیرهای تاثیرگذار، متغیر هدف و الگوریتم های مناسب؛ از بین قواعد به دست آمده، قواعد غیربدیهی مشخص و علت وجود این قواعد با کمک خبرگان تبیین شده است. از جمله نتایج ، حذف متغیر ارزیابی عملکرد به عنوان متغیر هدف در روند این پژوهش است که ناشی از عدم دقت تکمیل فرم های ارزیابی عملکرد در فرآیند ارزیابی بانک بوده است. هم چنین در این پژوهش مشخص شده است از مجموع 26 متغیر بررسی شده، پنج متغیر: «نمره ی کل آزمون»، «امتیاز مصاحبه»، «مقطع تحصیلی»، «تجربه حرفه ای» و «استان محل خدمت» بر ارتقای داوطلبان تاثیرگذار بوده اند. این نتایج منجر به دانشی شده است که امکان کاربردی نمودن آن ها وجود خواهد داشت.

امروزه مشتریان به عامل بسیار مهم و حیاتی در هدایت سرمایه گذاران، تولیدکنندگان و حتی محققان و نوآوران مبدل گشته اند. به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه ریزی کنند. تاکنون برای شناسایی مشتریان و به خصوص شناسایی رفتار آنها روش هایی استفاده شده که از جمله می توان روش های آماری را معرفی کرد که البته محدودیت ها و مشکلاتی دارد. در این پژوهش با استفاده از روش های داده کاوی، چهارچوبی را برای شناسایی مشتریان (با تمرکز بر مشتریان بیمه بدنه اتومبیل) ارائه می کنیم. به منظور کاهش خطاها و محدودیت ها از دو روش درخت تصمیم و خوشه بندی، به صورت مکمل استفاده کرده ایم. ابتدا با استفاده از تکنیک خوشه بندی، مشتریان را براساس ویژگی هایشان خوشه بندی کرده و سطح خسارت هرکدام از این خوشه ها را محاسبه کردیم. سسپس مشتریان آتی را براساس ویژگی هایشان و تکنیک درخت تصمیم در یکی از این خوشه ها دسته بندی نمودیم. دسته ای که مشتری در آن قرار گرفته معرف سطح خطرپذیری اوست. با استفاده از این معیار و نوع بیمه نامه مشتری می توان میزان خسارت او را پیش بینی کرد. البته برای تعیین صحت نتایج، مدل ها را ارزیابی کرده و با یکدیگر مقایسه کردیم. شایان ذکر است تکنیک درخت تصمیم برای این منظور نتایج بهتری را حاصل نمود ولی تکنیک خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.

امروزه نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت تولیدکنندگان مبدل گشته است، به همین دلیل دسته بندی مشتریان، در هدفمند ساختن سازمان ها در سفارشی سازی خدمات شان و نیز الویت بندی محصولات براساس میزان سودآوری آن محصول کمک شایانی میکند. روش داده کاوی برای دستیابی به قوانین تصمیم گیری و مدل پیش بینی رفتار مشتریان آتی در کیی از شرکت های بیمه استفاده شده است. در اجرای روش دسته بندی در داده کاوی، دو تکنیک درخت تصمیم و شبکه های عصبی در یکی از شرکت های بیمة خصوصی به کاررفته است. هدف این پژوهش استفاده از روش شبکه های عصبی و تکنیک درخت تصمیم به منظور دسته بندی مشتریان بیمه و درنهایت ارزیابی نتایج به دست آمده است. به منظور ارزیابی مدل ها، نتایج حاصل از دو مدل را مقایسه کردیم که تطابق آنها نشان دهندة صحت عملکرد مدل هاست. البته بررسی ها نشان داده اند که روش درخت تصمیم نتایج بهتری را دربرداشته است و این بدان معنی است که روش درخت تصمیم، روش مناسب تری برای دسته بندی مشتریان بیمه ایجاد میکند. همچنین نتایج به دست آمده از این تحقیق، توسط خبرگان صنعت بیمه تأیید و نظرات آنها به شکل توضیحی از مشخصه ها یا متغیرهای ورودی تحقیق ارائه شده است.

: امروزه، نقش مشتریان از حالت پیروی از تولیدکننده، به هدایت سرمایه گذاران، تولیدکنندگان و حتی پژوهشگران و نوآوران مبدل گشته است، به همین دلیل سازمان ها نیاز دارند مشتریان خود را بشناسند و برای آنان برنامه-ریزی کنند. تاکنون از برخی روش های آماری و یادگیری ماشینی برای این منظور استفاده شده است که البته این روش ها به تنهایی دارای محدودیت هایی هستند که در این پژوهش سعی شده است تا با بهره گیری از روش های مختلف داده کاوی تا حد ممکن این محدودیت ها از بین برده و برطبق آن، چارچوبی برای شناسایی مشتریان بیمه بدنه اتومبیل ارائه شود. درواقع، هدف این است تا مشتریانی را که بیشتر به یکدیگر شبیه هستند دسته بندی و با استفاده از این دسته ها و ویژگی های آن، میزان خطرپذیری هر دسته را پیش بینی کرد. حال با استفاده از این معیار (میزان خطرپذیری هر دسته) و نوع بیمه نامه مشتری می-توان میزان خسارت او را پیش بینی کرد که این معیار می تواند کمک شایانی برای شناسایی مشتریان و سیاستگذاری های تعرفه بیمه نامه باشد. برای این منظور، از دو روش داده کاوی4، درخت تصمیم و خوشه بندی برای ایجاد مدل پیش بینی خطرپذیری مشتریان در صنعت بیمه استفاده شده است. البته فنّ درخت تصمیم برای این منظور نتایج بهتری را به دست آورده است، ولی فنّ خوشه بندی نیز تفکیک خوبی میان مشتریان ایجاد می کند.

دگرگونی جهان به واسطه گسترش فناوری اینترنت، رقابتی دانش محور را در عرصه تجارت الکترونیکی به وجود آورده است. به طوری که با افزایش نرخ مبادلات تجاری، تضمین امنیت، منوط به تحقق نظام پویای بانکداری الکترونیکی است. بانکداری اینترنتی به عنوان یک فرصت بالقوه و رکن اساسی، در فضای سایبر با تهدیدهای گوناگونی مواجه است که یکی از این چالش ها، عدم قطعیت در تضمین امنیت تراکنش ها و وجود رفتارهای غیرمتعارف از سوی شیادان الکترونیکی است. از آنجایی که رفتار کاربران در سامانه اینترنتی با عدم قطعیت همراه بوده و سوابق تراکنش ها، تنها راه کنترل این حرکات است، دانش استنتاجی خبرگان و دسته بندی الگوی رفتاری کاربران توسط الگوریتم درخت تصمیم ، جهت کشف تقلب و رفتارهای مشکوک راهگشاست. در این مقاله، ابتدا متغیرهای مؤثر در تولید قوانین رفتاری تعیین شده است و در نهایت، روند چهار الگوریتم Chaid، ex_Chaid، C4.5 و C5.0 مورد مقایسه قرار گرفته است. نتایج پژوهش نشان می دهد که الگوریتم C5.0 با دقت 91 درصد می تواند به عنوان روش ماشینی مطمئن جهت کشف الگوهای مشکوک موجود روی تراکنش های بانک محسوب شود.

مقدمه: امروزه با شیوع بیماری دیابت پیش بینی تعداد قرص مصرفی Glibenclamid و Metformin روزانه برای بیماران به پزشکان در جهت تشخیص تعداد قرص مصرفی بیمار و همچنین مهار عوارض شدید و خطرناک مصرف بیش از حد دارو کمک می نماید، زیرا میزان نیاز بیماران دیابتی به دارو دارای اهمیت بسیار می باشد. از این رو در پژوهش حاضر به منظور پیش بینی تعداد قرص مصرفی روزانه ی بیماران دیابتی، از تکنیک های داده کاوی استفاده شد. در پایان الگوریتمی که نتیجه ی بهتری در فرآیند ارزیابی بدست می دهد، با توجه به مجموعه داده های تحت بررسی، انتخاب می شود. روش بررسی: مطالعه ی حاضر به روش توصیفی- مقطعی صورت گرفت. نمونه گیری به روش سرشماری بود و تمامی بیماران (2783 بیمار) را در فاصله ی زمانی فروردین 87 تا خرداد 91 در برگرفت. جامعه ی پژوهش متشکل از داده های مرکز تحقیقات دیابت یزد وابسته به دانشگاه علوم پزشکی شهید صدوقی یزد بود و محتوای رکوردها مورد تایید مسؤولین مرکز دیابت قرار گرفت. در مرحله ی پیش پردازش داده ها، با نظر افراد خبره در مراکز تحقیقاتی رکوردهایی که مقادیر برخی فیلدهای آنها خالی بود، حذف شد و تعداد بیماران تحت بررسی به 740 مورد رسید. این یافته ها با مراجعه ی مستقیم پژوهشگر به مرکز تحقیقات دیابت یزد حاصل شده و روایی روش جمع آوری اطلاعات توسط استاد راهنما و متخصصین امر مورد تایید قرار گرفت. با سنجش صحت مجموعه داده های آزمون، میزان پایایی دو الگوریتم مورد استفاده نیز مقایسه شد. در این مطالعه جهت تحلیل داده ها و اجرای الگوریتم های داده کاوی از نرم افزار Clementine 12.0 استفاده شد. دو الگوریتم متفاوت از الگوریتم های استنتاج قانون به نام های C5.0 و CHAID روی داده ها اعمال گردید و سپس صحت مدل های تولید شده بدست آمد. در نهایت برای تایید صحت مدل های تولید شده از خوشه بندی استفاده گردید. یافته ها: مقادیر به دست آمده برای صحت مدل های ایجاد شده از اجرای الگوریتم های C5.0 و CHAID روی مجموعه داده های تحت بررسی 52/45 و 38/28 درصد بود. صحت بالای مدل C5.0 عملکرد بهتر این الگوریتم برای پیش بینی تعداد قرص مصرفی را نشان داد. از طرفی پایین بودن مقدار صحت این مدل نشان دهنده ی این بود که برخی مقادیر به طور صحیح در جای خود دسته بندی نشده اند. بنابراین مقایسه ی مقادیر واقعی و مقادیر پیش بینی شده برای تعداد قرص مصرفی در تولید مدل می تواند بیانگر علل کاهش صحت هر مدل باشد. علت کاهش صحت مدل به مقادیر پیش بینی شده ای وابسته بود که در مقایسه با مقادیر واقعی صحت و ضریب اطمینان پایینی دارند. خوشه بندی نتایج بدست آمده از اجرای الگوریتم C5.0 تعداد قرص مصرفی 3، 5، 6 و 7 با صحت مقدار پیش بینی شده ی به ترتیب 83/46، 36/36، 71/55 و 15 درصد را در یک خوشه قرار داد، زیرا نمونه داده هایی که دارای صحت پایینی در پیش بینی تعداد قرص مصرفی بود و یا تعداد نمونه داده ی کمی داشت، در یک خوشه قرار گرفتند. همچنین خوشه بندی نتایج اجرای الگوریتم CHAID نیز تعداد قرص مصرفی 5 با صحت مقدار پیش بینی شده ی 93/20 را در یک خوشه قرار داد. نتیجه گیری: این مقاله حاصل پروژه ی تحقیقاتی گروه داده کاوی دانشگاه خواجه نصیر بود که در نهایت در قالب فعالیت گروهی تکمیل و به صورت پژوهش حاضر درآمد. در مراکز تحقیقات دیابت وجود رویکرد سازمان دهی شده جهت پیش بینی تعداد قرص مصرفی بیمار به منظور کمک به پزشک برای افزایش صحت تشخیص و جلوگیری ازعوارض جانبی ناشی از تشخیص نادرست در تعداد قرص خوراکی ضروری است. با توجه به لزوم استفاده از فن آوری های رایانه ای، اینترنت و نرم افزارهای تحلیلی و به منظور مهار اثرات خطرناک بیماری، بهتر است اقدامات لازم جهت ابداع رویکردهای پیشنهادی با مشاوره ی متخصصان مربوط انجام شود.

یکی از مباحث مهمی که در دستور زبان فارسی کمتر مورد توجه قرار گرفته است، مبحث چندگونگی «ی» در این زبان است، «یائی» که هم در مقام واژه، هم در مقام تکواژ تأثیر فراوانی بر غنای زبان فارسی دارد اما دستور نویسان فارسی هیچ گاه این مقوله را به طور مشخص و مستقل مطرح نکرده اند و غالبا در خلال مباحث دیگر مثل «معرفه و نکره»، یادی هم از «ی» کرده اند. پژوهش حاضر که با روش تحلیلی-توصیفی نگاشته شده است، در صدد است تا خلأ مذکور را پر کند و با نگاهی دوباره به مسأله «ی» یک دسته بندی جامع و نو از آن ارائه دهد؛ مهمترین یافته های این پژوهش بیانگر آن است که انواع مختلفی از «ی» از دید دستور نویسان دور مانده است که از قضا کاربرد فراوانی در زبان فارسی دارد، انواعی مانند «ی» تأکید قید و «ی» زمینه ساز وصف.

وزن شعر فارسی از نوع وزن های کمی- هجایی است که تنها با تکیه بر این خاصیت، بیش از 400 وزن 1 مطبوع خلق کرده است. دسته بندی «اوزان شعر فارسی» از مقوله هایی است که هنوز به صورت کامل از قوانین دست وپاگیر سنتی رهایی نیافته است. عروض جدید با کسانی چون خانلری، فرزاد و الول ساتن گام هایی در این زمینه برداشت؛ اما اشتباهات زیاد در کار هرکدام از این افراد و نداشتن قواعدی روشن و علمی نتوانست عروض سنتی را یکسره به دور افکند. پس از سال ها، اخیراً ابوالحسن نجفی توانسته است نتایج تحقیقات چندساله خود را، که بعضاً به صورت مقاله هم درآمده است، در قالب روشی برای طبقه بندی وزن شعر فارسی تبیین کند؛ که البته بی نقص هم نبوده است. این پژوهش برآن است تا با بهره گیری از ایده نجفی، ضمن رفع نواقص کار ایشان، برای سایر اوزان باقاعده (که از نظر نجفی نامطبوع شناخته شده است) نیز روشی را بیان کند.

سازگاری کدهای رده بندی و اصطلاحات نمایه سازی از یک اصطلاحنامه مدون با عبارات و کلماتی که به طور خودکار استخراج شده با استفاده از نمایه سازی ماشینی ایجاد می شود. در طراحی نظام نمایه سازی خودکار، کامپیوتر به طور کامل جایگزین انسان می شود. این پژوهش با هدف اس تخراج کلم ات کلی دی و شناسایی گرایش های موضوعی مقالات نمونه آماری در حوزه بازیابی اطلاعات و تخصص موضوعی نویسنده هر مقاله با روش متن کاوی و دسته بندی آنها با استفاده از هم رخدادی واژگان صورت گرفته است. روش این پژوهش از نوع کاربردی است و براساس مدل کریسپ [1] از مدل های فرآیند داده کاوی و الگوریتم های متن کاوی انجام گرفته است. جامعه پژوهش، 313 مقاله حوزه بازیابی اطلاعات نمایه شده در پایگاه نورمگز است. پس از نرمال سازی متن مقالات با نرم افزار ویراستیار، طی متن کاوی مقالات با نسخه 7.1 نرم افزار رپیدماینر، واژگان کلیدی از طریق محاسبه وزن آنها استخراج و داده ها با استفاده از دو الگوریتم کلاسیک دسته بندی یعنی ک.ان.ان. [2] و نایوبیز [3] تجزیه و تحلیل شدند. در پژوهش حاضر، کامپیوتر با کمک ابزارهای متن کاوی نرم افزار رپدماینر، متن ماشین خوان را با استفاده از بسامد واژه ها به طور خودکار نمایه سازی کرده است. بدین منظور با کمک عملگرهای ان-گرام [4] و محاسبه وزن کلمات براساس روش تی.اف ای.دی.اف . [5] ، اصطلاحات و مفاهیم کلیدی و تخصص موضوعی نویسنده هر مقاله در قالب 16 دسته بندی استخراج شده است. سرانجام برتری مدل ک.ان.ان. در دسته بندی موضوعات هسته مقالات این پژوهش با دقت 85 درصدی نسبت به مدل نایوبیز تایید شد . مشاهده نتایج محاسبه دقت های ماخوذه مدل ها، گواه کارایی قابل قبول نرم افزار رپیدماینر در نمایه سازی ماشینی متون است. نمایه سازی متون با استفاده از این روش، می تواند به بهبود نتایج بازیابی اطلاعات و جلوگیری از ریزش کاذب اطلاعات در پایگاه های اطلاعاتی کمک کند.

میدان شهری، بعنوان اصلی ترین نمود فضای شهری، نیازمند شناخت کلی در ساختار دسته ای است و تعداد رویکردهای دسته بندی میدان های شهری که توسط نظریه پردازان تا به اکنون ارائه شده است، دارای ساختار فرم گرا یا محتواگرا بوده و به ندرت هر دو این ابعاد را داراست و تمامی معیارهای قابل استخراج به روش مهندسی معکوس، برای شناخت میدان، مخاطب را به نوعی ابهام و پیچیدگی سوق می دهد. هدف این پژوهش، تبیین نوع جدیدی از نگاه و نیز معیارهای مستتر در امر شناختی یک پدیده است که می تواند دسته بندی کاملی را ارائه کرده که در این پژوهش با نام دسته بندی پدیدار شناسانه [1] میدان با تببین ماتریس جامع شناخت میدان شهری[2] قابلیت کاربردسازی را داراست. نوع پژوهش مزبور تحلیلی – توسعه ای بوده که با تبیین نوع استفاده از محصول، کاربردی نیز محسوب می شود. با کاربرد این ماتریس تحت عنوان USCCM در تعداد 35 میدان شهری در چندین کشور اروپایی و با در نظر گرفتن تمامی جوانب فرمی و محتوایی آن، تمامی نمونه های موردی در ماتریس مزبور مورد شناخت واقع شده و در ساختار مشخصی دسته بندی شده اند. نتیجتاً با استفاده از این ماتریس می توان، بعنوان ابزار مقایسه در کیفیت میدان های شهری و رتبه بندی آنها نیز، مورد استفاده قرار داده و نهایتاً با الگو برداری از این دسته بندی، معیارهای ذکر شده را برای بررسی در امر ارزیابی و تحلیل میدان شهری نیز در پژوهش های آتی مورد واکاوی قرار داد. Abstract The categorization system is an approach, and at the same time, a generic process for generating groups of ideas, objects, or concepts that all recognize them, while at the same time differentiating them into an entirely perceived one. Urban squares, as important urban space, needs a comprehensive understanding of the category structure. The number of classification approaches, as represented by theorists, has a formal or content-oriented construction and rarely has both of these dimensions. Only the stated categories do not really have the comprehensiveness to have a full-fledged methodology, and virtually all the standards that can be extracted by reverse engineering, for field recognition, lead the audience to some degree of ambiguity and complexity. The purpose of this research is to explain the new type of view and also the criteria for the cognitive phenomenon of an urban square, which can provide a complete categorization, which in this research is called the phenomenological category of the field, which is characterized by an Urban Square Comprehensive Cognition Matrix the urban capability Applies to. The type of research is analytic - an extension that is also used to explain the type of product used. With the use of this USCCM matrix in 35 urban squares in several European countries and taking into account all aspects of its form and content, all case examples are identified in the matrix and are categorized in a specific structure. Consequently, using this matrix can be used as a comparison tool in the quality of urban fields and their ranking, and finally, by modeling this category, the criteria mentioned for the assessment of urban square analysis It was also discussed in future studies.

شناخت مشتریان و شناسایی سرویس های سودده با توجه به تنوع مشتریان بانک و گوناگونی سرویس ها در نظام بانکی کشور از اهمیت بالایی برخوردار است. مدیریت ارتباط با مشتری در حال حاضر هسته مرکزی را در دنیای تجارت به خود اختصاص داده است، مهمترین شبکه بین بانکی مورد استفاده در ایران شبکه شتاب می باشد. دراین پژوهش با استفاده از فنون داده کاوی به بخش بندی و رتبه بندی مشتریان در شبکه شتاب با استفاده از یک مدل بهبود یافته داده کاوی مبتنی بر تازگی خرید، تناوب خرید و مبلغ خرج شده برای خرید پرداخته شده به نحوی که بانک ها بتوانند در این شبکه رفتار مشتریان خود را تحلیل و ارزیابی نموده و به تدوین سیاستهای موثر در برخورد با مشتریان بپردازند. همچنین جهت بررسی مطالعات مشابه و افزایش اطلاعات از طریق مطالعات کتابخانه ای و اینترنتی، اطلاعات مرتبط با مدل مورد نظر گردآوری شد. نهایتاً R +FMW مدلی جهت خوشه بندی مشتریان بانک و تراکنش های آنها ارائه گردید. نتایج تحقیق نشان داد که مدل توسعه یافته R + FMW از دقت بالاتری نسبت به مدل RFM پایه برخوردار است و با استفاده از این مدل بانک ها می توانند مشتریان فعال در شبکه تبادل بین بانکی(شتاب) را شناسایی کنند و مشتریان و کانال های ارتباطی پرهزینه را از جنبه ی میزان کارمزد و اطلاعات دموگرافیک تشخیص دهند.

امروزه بانک ها برای جذب و حفظ مؤثر مشتریان به ابزارهای جدیدی مانند سیستم های پیشنهاددهنده نیاز دارند. برخلاف عموم سیستم های پیشنهاددهنده که پیشنهاد بر اساس شباهت میان ترجیحات سایر کاربران به وی داده می شود؛ در این پژوهش از روش دسته بندی استفاده شده است که در آن پیشینه علایق خود مشتری، مهم ترین ویژگی برای تصمیم گیری درباره خدمات بانکی مناسب به اوست. در این پژوهش از چهار دسته بندی کننده پرسپترون چندلایه، ماشین بردار پشتیبانی،K - نزدیک ترین همسایه و بیز ساده استفاده شد. ابتدا پس از پیش پردازش مجموعه داده مربوط به سرویس های مورد استفاده مشتریان مختلف بانک با چهار روش مختلف دسته بندی آموزش داده شدند؛ سپس اعتبار آنها با روش اعتبارسنجی ضربدری ده تایی به تأیید رسید و بهترین روش انتخاب شد. در انتها پیشنهاددهنده نهایی که ترکیبی از چهار روش دسته بندی بیز ساده با عملکرد 4/85 درصد، K- نزدیک ترین همسایه با عملکرد 3/83 درصد، پرسپترون چندلایه 1 با عملکرد 4/81 درصد و پرسپترون چندلایه 2 با عملکرد 6/92 درصد، به ترتیب برای پیشنهاد چهار سرویس بانکی اینترنت، موبایل، انتقال وجه با اینترنت و پرداخت صورت حساب با تلفن است، ارائه شد.

باندلینگ به معنی فروش بیش از یک محصول یا خدمت در قالب یک بسته و معمولا با قیمتی کمتر از قیمت فروش محصولات بصورت جداگانه است. علیرغم مزایای مطرح شده در ادبیات باندلینگ، مشاهده می شود که تلاش چندانی در باب توضیح مفاهیم واحد و کاربرد آن بخصوص در ایران صورت نگرفته است. بنابراین مطالعه حاضر با هدف آشنایی هر چه بیشتر با مفاهیم استراتژی باندلینگ و نیز فراهم نمودن زمینه ای برای انجام تحقیقات بیشتر در این رابطه، ضمن مرور ادبیات مختلف، به استخراج تعاریف و اصول اولیه و نیز طبقه بندی استراتژی های باندلینگ می پردازد، و در ادامه بسته به پنج عامل مهم حداکثر قیمت های پرداختی موقعیتی مصرف کنندگان، اهداف شرکت، رقابت، هزینه ها و ادراک مصرف کننده از بسته ها، چارچوبی از 12 پیشنهاد مطرح شده را ارائه می دهدکه مدیران می توانند با سبک و سنگین کردن آنها به هنگام تصمیم گیری، استراتژی بهینه خود را انتخاب نمایند.

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

یک متن استنادی را می توان به عنوان مجموعه ای از مولفه ها مانند نام نویسندگان، عنوان، محل نشر، سال نشر، شماره صفحات و ... در نظر گرفت. در حالیکه تجزیه متون استنادی موجود در انتهای یک مدرک علمی توسط کاربر انسانی به راحتی انجام پذیر است، تنوع موجود در شیوه های استناددهی در کنار اشتباهات رخ داده توسط نویسندگان در نگارش این متون، خودکارسازی انجام این عملیات را دشوار نموده است. روش های زیادی برای خودکارسازی تجزیه متون استنادی ارائه شده اما، این روش ها وابسته به زبان بوده و امکان استفاده از یک روش ارائه شده برای یک زبان در زبانی دیگر منجر به نتایجی اشتباه می شود. تحقیقات صورت گرفته بیان گر این است که تاکنون هیچ روشی برای خودکارسازی تجزیه متون استنادی در زبان فارسی ارائه نشده است. با توجه به این مهم و نقش گسترده این مسئله در ساخت خودکار شبکه های استنادی مدارک علمی و فرایندهای بازیابی اطلاعات، در این مقاله به این مسئله پرداخته شده و با استفاده از روش یادگیری ماشین بردار پشتیبان به عنوان یک دسته بند چند دسته ای، یک روش هوشمند برای مسئله تجزیه متون استنادی در زبان فارسی ارائه شده است. با توجه به اهمیت انتخاب ویژگی های مناسب برای استفاده در دسته بند ماشین بردار پشتیبان، در این پژوهش این مهم با توجه به ویژگی های استفاده شده در زبان انگلیسی و ویژگی های زبان فارسی و ارجاع دهی در این زبان انجام شده است. نتایج پیاده سازی و آزمایش روش پیشنهادی با استفاده از مجموعه داده ای ایجاد شده در این پژوهش نشانگر مقدار ۰.۹۵ برای پارامترهای دقت، فراخوانی و اف-۱ است.

ترکیبات شیمیایی مختلفی در صنعت مورد استفاده قرار میگیرند. بسیاری از صنایع از نتایج حاصل از ترکیبات شیمیایی نگه داری میکنند. در این حالت نگهداری و استفاده از داده های شیمیایی موجود یک چالش را بوجود می آورد. اگر میزان این داده های شیمیایی زیاد شود، به مدلی برای خوشه بندی داده ها نیاز میشود تا بتواند داده های ترکیبات مختلف را جداسازی کند. خوشه بندی یافتن داده های دارای ویژگی-های نظیرهم، در خوشه های مجزا و بدون داشتن اطلاعات اولیه از داده های موجود است. در صنایع شیمیایی، امکان آنکه برای تمام داده های ترکیبات شیمیایی برچسب گذاری انجام شود، وجود ندارد زیرا هر لحظه ممکن است بوجود بیایند یا تغییر کنند. در این حالت بایستی از خوشه بندی استفاده شود که عمل تقسیم داده های شیمیایی به تعدادی از زیر مجموعه ها را انجام میدهد. از دیدگاه داده کاوی تشخیص داده های شیمیایی جزء مسائل حوشه بندی داده ها محسوب میشود. با معرفی الگوریتمهای مناسب در این زمینه و سپس تلاش برای افزایش کارایی و میزان درستی اطلاعات شیمیایی، میتوان به سمت ایجاد سیستمهای مکانیزه با قابلیت اعتماد بالا با توانایی کشف الگوهای پیچیده گام برداشت. در اینجا یک سری دادههای ترکیبات شیمیایی صنایع مختلف جمع آوری شده و با کمک یک مدل ترکیبی مناسب عمل خوشه بندی انجام میشود. روش پیشنهادی یک مدل ترکیبی از نزدیکترین همسایگی با کمک خوشه بندی فازی است. در این مدل داده های شیمیایی موجود، تحت یک عملیات پیش پردازش قرار میگیرند تا داده های نامناسب و تهی از سیستم خارج شوند.

شناخت مشتریان و شناسایی سرویس های سودده با توجه به تنوع مشتریان بانک و گوناگونی سرویسها در نظام بانکی کشور از اهمیت بالایی برخوردار است. مدیریت ارتباط با مشتری در حال حاضر هسته مرکزی را در دنیای تجارت به خود اختصاص داده است، امروزه درگاه های الکترونیکی بانک ها با استفاده از شبکه های تبادل گوناگون اطلاعات نظیر ساتنا، پایا، چکاوک، صیاد و . . . به یکدیگر متصل هستند. مهمترین شبکه بین بانکی مورد استفاده در ایران شبکه شتاب می باشد. دراین پژوهش با استفاده از فنون داده کاوی به بخش بندی و رتبه بندی مشتریان در شبکه شتاب با استفاده از یک مدل بهبود یافته داده کاوی مبتنی بر تازگی خرید، تناوب خرید و مبلغ خرج شده برای خرید پرداخته شده به نحوی که بانک ها بتوانند در این شبکه رفتار مشتریان خود را تحلیل و ارزیابی نموده و به تدوین سیاستهای موثر در برخورد با مشتریان بپردازند. به این منظور داده های مورد نیاز از پایگاه داده سوئیچ کارت بانک استخراج و با روش کریسپ تجزیه تحلیل های مورد نیاز و عملیات داده کاوی بر روی آن انجام شد. این داده ها در پایگاه داده های بانک رفاه موجود بوده و با استفاده از دستورات زبان دستکاری داده ها از پایگاه دادههای موسسه استخراج گردید. همچنین جهت بررسی مطالعات مشابه و افزایش اطلاعات از طریق مطالعات کتابخانه ای و اینترنتی، اطلاعات مرتبط با مدل مورد نظر گردآوری شد. نهایتاً R+FMW مدلی جهت خوشهبندی مشتریان بانک و تراکنش های آنها ارائه گردید. نتایج تحقیق نشان داد که مدل توسعه یافته R+FMW از دقت بالاتری نسبت به مدل RFM پایه برخوردار است و با استفاده از این مدل بانک ها می توانند مشتریان فعال در شبکه تبادل بین بانکی(شتاب) را شناسایی کنند و مشتریان و کانال های ارتباطی پرهزینه را از جنبه ی میزان کارمزد و اطلاعات دموگرافیک تشخیص دهند.

پژوهش حاضر به کیفیت ارتباط فُرمی معماری مساجد معاصر با سنت های تاریخی معماری مسجد می پردازد و می کوشد تا دسته بندی خاصی را برای انواع این ارتباط تدوین نماید، به نحوی که برخی نقاط ضعف دسته بندی های موجود را نداشته باشد. در این پژوهش پس از مرور نقادانه بر ادبیات علمیِ مرتبط، با استفاده از راهبرد استدلال منطقی، سامانه ای منطقی متشکل از چهار رویکرد نسبت به سُنت های تاریخی معماری مساجد تدوین می گردد که شامل رویکرد تقلیدگرا، رویکرد محافظه کارانه، رویکرد چالشی و رویکرد انصرافی می شود. در پژوهش حاضر، هریک از این رویکردها و زیرشاخه هایشان با کدهای عددی خاصی مشخص می شود و با توجه به حیطه پژوهش، این رویکردها به تفکیک در مورد هریک از عناصر اصلی تشکیل دهنده نمای بیرونی مسجد شامل گنبد، مناره و جداره های خارجی به کار گرفته می شود. دسته بندیِ پیشنهادی می تواند شاخص قابل اتکایی برای تبیین خصوصیات کالبدی مساجد مورد نظر، قابل تشخیص بودن یا مبهم بودن مسجد از نظر مخاطبان، همگن یا التقاط گرابودن طرح مسجد و نیز نوآورانه یا تکراری بودن آن باشد. در پژوهش حاضر، در تشریح کارکردها و خاصیت های هریک از رویکردها بیان می گردد که هیچ یک از این رویکردها ذاتاً درست یا غلط نیستند بلکه مهم این است که بجا و به طرز مناسبی استفاده شوند. آنچه مهم است مواجهه مسئولانه و آگاهانه با مسئله طراحی پیش روی معمار است. هم استفاده از الگوهای تاریخی هم مخالفت با به کارگیری آن ها باید عملی آگاهانه و حکیمانه باشد.