انجمن کامپیوتر ایران

در سال‌های اخیر تحليل شبکه‌هاي اجتماعي توسعه چشمگیري داشته است، اما با توجه به بزرگي شبکه‌هاي اجتماعي، اعمال الگوريتم‌ها و تحليل مستقيم بر روي شبکه وجود ندارد. بنابراين از نمونه‌برداري براي انجام تحليل شبکه‌هاي اجتماعي استفاده مي‌شود. اکثر روش‌هاي نمونه‌برداری به انتخاب تصادفي رئوس یا یال‌ها تاکید دارند و به خوبی نمی‌توانند خصوصیات شبکه اولیه را حفظ کنند در حالی که هدف اصلی از نمونه‌برداری، تولید شبکه‌ نمونه‌ای با شباهت بالا به شبکه اولیه است تا بتوان به تحليل‌هاي بدست آمده به خوبی اعتماد کرد. در این مقاله، یک روش جدید برای نمونه‌برداری از شبکه‌های اجتماعی به کمک درخت‌های پوشا برای گراف‌های بدون وزن ارائه می‌گردد. در الگوریتم پيشنهادي، در ابتدا چندین درخت پوشا از نقاط شروع تصادفی بدست مي‌آید، سپس یال‌های به دست آمده در این درخت‌های پوشا براساس تعداد دفعات تکرارشان رتبه‌بندی شده و در نهایت گراف نمونه توسط مجموعه‌اي از یال‌های با رتبه‌ بالا ايجاد مي‌شود. ايده اصلي این روش بر این اساس استوار است که یال‌هایی که در درخت‌های پوشای مختلف تکرار می‌شوند دارای خصوصیات ساختاری مشابه با شبکه هستند و نمونه‌ای که حاوی این یال‌ها است، خصوصیات مختلفي از شبکه اولیه را داراست. برای ارزیابی کارایی روش پیشنهادی، آزمایشات متعددي ترتيب داده شده است و نتایج الگوريتم پيشنهادي با سایر الگوریتم‌های نمونه‌برداری مقایسه شده‌اند که نتایج بدست آمده بیان‌گر این است که روش پیشنهادی به مراتب بهتر از سایر روش‌هاي متداول عمل می‌کند.

در این مقاله، روشی برای استخراج ویژگی از سیگنال گفتار، ارائه شده است. ایده کلی روش آن است که ساختار و چینش فیلترها در بانک فیلتر استخراج کننده ویژگی، متغیر و انعطاف پذیر باشد؛ درحالی‏که الگوریتم‏های معمول استخراج ویژگی مانند MFCC، PLP ... ساختاری ثابت دارند. در روش پیشنهادی، ابتدا، پهنای باند فرکانسی به قسمت‏های مساوی تقسیم می‏شود. سپس با تشکیل یک معادله دیوفانیتن و درنظر گرفتن شرایط محدودکننده مناسب و در نهایت با حل این معادله، چینش بهینه بانک فیلتر برمبنای داده‏های آموزشی دردسترس، به‎دست می‏آید. این امر موجب می‏شود که با تغییر داده‏های آموزشی، ساختار بانک فیلتر نیز تغییر کند و متناسب با کاربرد موردنظر، تنظیم گردد. نتایج پیاده سازی روی پایگاه داده TIMIT، بیانگر بهبود کارایی الگوریتم پیشنهادی نسبت به روش MFCC می‏باشد.

تحلیل و کاهش ریسک امنیتی شبکه‌های کامپیوتری دو گام مهم در چارچوب مدیریت ریسک می‌باشد که در صورت دقت بالا در انجام آن‌ها، سطح امنیت شبکه تا حد زیادی افزایش پیدا می‌کند. در این مقاله، با استفاده از شبکه‌های تصمیم بیزی به انجام تحلیل و کاهش ریسک امنیتی شبکه‌های کامپیوتری پرداخته می‌شود که در آن عوامل خسارت ناشی از بکارگیری آسیب‌پذیری‌ها بر روی میزبان‌های موجود در شبکه‌ی مورد بررسی و ضرر عدم سرویس‌دهی شبکه در صورت وقوع حملات مختلف بر روی آن درنظرگرفته می‌شود. همچنین در طرح ارائه شده میزان نیاز به دانش فرد خبره کاهش داده شده است. در انتها به انجام تحلیل سود-هزینه بمنظور شناسایی مجموعه‌ی کنترل‌های امنیتی بهینه در شرایطی که بودجه‌ی تخصیص یافته برای امن‌سازی شبکه محدود و نامحدود باشد، پرداخته می‌شود. نتایج آزمایش‌ها نشان می‌دهند که روش ارائه شده سطح امنیت شبکه را با انتخاب مجموعه‌ی بهینه از کنترل‌های امنیتی به طور مؤثری افزایش می‌دهد.

ویروس عاملی است که می‌تواند سلامتی انسان‌ها و حیوانات را به خطر بیاندازد. یکی از چالش‌های اصلی در علوم پزشکی پیشگیری از بیماری‌های ناشی از ویروس‌های مختلف و درمان آنها است. مشخص کردن پروتئین سلول مورد هدف یک ویروس مطمئنا به شناخت و فهمیدن مکانیسم عملکرد ویروس کمک می‌کند و این شناخت منجر به طراحی استراتژی بهتر مقابله با ویروس خواهد شد. در راستای پیش‌بینی برهمکنش پروتئین-پروتئین، رویکردهای محاسباتی مختلفی ارائه شده است، اما بیشتر آن‌ها مربوط به برهمکنش بین پروتئین‌های همسان(پروتئین‌های انسان) می‌باشد. در این مقاله ما روشی برای تولید داده‌های منفی جهت رفع نویز از داده‌ها در یادگیری ارائه دادیم. با توجه به اینکه دو نوع داده در این مسئله وجود دارد (مثبت و منفی) و محقق خود باید داده‌های منفی را تولید کند، در این تحقیق ما داده‌هایی را به عنوان داده منفی انتخاب کردیم که بیشترین فاصله را نسبت به میانگین داده‌های مثبت داشته باشند. در این رابطه، ماشین بردار پشتیبان (SVM) با هسته‌های مختلف برای پیش بینی برهمکنش بین پروتئین‌های ویروس ایدز(HIV) و پروتئین‌های انسان بکار برده شد که بهترین نتیجه مربوط به SVM با هسته RBF بدست آمد. روش ارائه شده علاوه بر اینکه کارایی بهتری در معیارهای صحت و بازخوانی نسبت به بقیه روشها داشته است قابلیت اجرا برای پروتئین‌های ناهمگن را دارا می‌باشد.

پرس‌وجوهای تجمعی از مهم‌ترین پرس‌وجوهایی هستند که برای جمع‌بندی اطلاعات دریافتی حسگرها، مورد استفاده قرار می‌گیرند. روش‌های پردازش پرس‌وجوهای تجمعی به دو دسته روش‌های درخت-محور و روش‌های مسیر-محور تقسیم می‌شوند که با توجه به مزایای روش‌های مسیر-محور، پژوهش‌های جدید به سمت این روش‌ها سوق یافته‌اند. در مقالات اخیر، تمرکز الگوریتم‌های مسیر-محور ارائه شده برای پردازش پرس‌وجوهای تجمعی، بر کاهش مصرف انرژی حسگرها بوده است. یکی دیگر از پارامترهای مهم در پردازش پرس‌وجوهای تجمعی، افزایش سرعت اجرا و کاهش زمان اجرای پرس‌وجو است. هدف این مقاله، ارائه‌ی روشی مسیر-محور برای بهبود سرعت اجرای پردازش پرس‌وجوهای تجمعی با در نظر گرفتن محدودیت‌های انرژی است. در روش پیشنهادی برای افزایش سرعت پردازش پرس‌وجوها، از موازی‌سازی مسیرهای پرس‌وجو استفاده شده است. شبیه‌سازی الگوریتم پیشنهادی در محیط نرم‌افزار Matlab صورت گرفته است. نتایج شبیه‌سازی انجام شده نشان می‌دهد که زمان اجرای روش پیشنهادی به طور شاخصی از روش‌های پیشین کمتر بوده و مصرف انرژی آن تقریباً مشابه روش‌های گذشته است.

خوشه‌بندی توسط واگرایی برگمن اخیرا مطرح شده است. واگرایی برگمن دامنه‌ی گسترده‌ای از فاصله‌ها از جمله فاصله اقلیدسی، واگرایی KL، فاصله ماهالانوبیس و ... را در بر می‌گیرد. از این رو برای خوشه‌بندی با انواع فواصل بسیار مناسب می‌باشد. واگرایی برگمن به جهت محورهای مختصات وابسته است که این نقص توسط واگرایی برگمن کامل برطرف گردیده است. در این پژوهش، کیفیت عملکرد الگوریتم‌های خوشه‌بندی سخت و نرم برای خوشه‌بندی با واگرایی برگمن و برگمن کامل بررسی شده است. یکی از خصوصیات مهم واگرایی برگمن این است که یک رابطه نزدیک و یک به یک میان اعضای واگرایی برگمن با اعضای خانواده توزیع‌های نمایی وجود دارد که می‌توان از توزیع‌های نمایی به عنوان معیار فاصله برگمن در خوشه‌بندی استفاده کرد. این خصوصیت برای اعضای واگرایی برگمن کامل نیز وجود دارد. در بسیاری از مسائل خوشه‌بندی، دانشی در مورد توزیع زیربنایی مولد داده‌ها موجود است. در این پژوهش همچنین بررسی می‌شود که در شرایطی که توزیع مولد داده‌ها معلوم است، خوشه‌بندی با همان توزیع به عنوان معیار فاصله برگمن، می‌تواند در کیفیت خوشه‌بندی تاثیر مثبت داشته باشد.

در اين مقاله، یک الگوریتم جدید برای تشخیص مبلغ چک‌‌های بانکی دست‌‌نویس فارسی ارائه شده است. برای بالا بردن دقت بازشناسی از هر دو مبلغ حروفی و عددی استفاده شده است. در ابتدا به دلیل این‌‌که تعداد کلاس‌‌های موجود در مبلغ حروفی با وجود محدود بودن زیاد هستند و این مسئله در کارایی نرخ بازشناسی نقش منفی دارد سعی شده است تعداد کلاس‌‌ها را بر اساس شباهت کمتر کنیم. سپس با توجه به وجود و عدم وجود عدد صفر و مکان قرارگیری عدد در مکان یکان، دهگان و صدگان، تعداد کلاس‌‌های موجود برای مبلغ حروفی را نیز کمتر می‌‌کنیم. در نهایت با استفاده از نتایج بازشناسی مبلغ حروفی و عددی با ارائه قوانینی اقدام به پذیرش، تصحیح یا رد مبلغ چک می‌‌کنیم.

For real-time embedded systems, energy consumption and reliability are two major design concerns. We consider the problem of minimizing the energy consumption of a set of periodic real-time applications when running on a multi-core system while satisfying given reliability targets. Multi-core platforms provide a good capability for task replication in order to achieve given reliability targets. However, careless task replication may lead to significant energy overhead. Therefore, to provide a given reliability level with a reduced energy overhead, the level of replication and also the voltage and frequency assigned to each task should be determined cautiously. The goal of this paper is to find the level of replication, voltage and frequency assignment, and core allocation for each task at design time, in order to achieve a given reliability level while minimizing the energy consumption. Also, at run-time, we find the tasks that have finished correctly and cancel the execution of their replicas to achieve even more energy saving. We evaluated the effectiveness of our scheme through extensive simulations. The results show that our scheme provides up to 50% (in average by 47%) energy saving while satisfying a broad range of reliability targets.

اگر چه هدف سيستم‌هاي بازشناسي گفتار، تعيين دنباله كلمات است اما ويژگي‌هاي رايج استخراج شده از سيگنال گفتار مبتني بر واحدهاي قاب هستند. از طرف ديگر، اخيراً مدل‌هايي مبتني بر ميدان های تصادفی شرطی مقطعي (SCRF) ارائه شده‌اند كه محدوديت مدل‌سازي در سطح قاب را از ميان برداشته اند. در اين مقاله روشي براي بكارگيري ويژگي‌هاي مبتني بر كلمه براي بازشناسي گفتار تلفني فارسي با استفاده از قابليت‌هاي SCRF ارائه شده‌ است. براي اين منظور، ابتدا با انجام يك مرحله بازشناسي اوليه، گراف كلمات تهيه مي‌شود. سپس با استفاده از اين گراف، دو ويژگي طول كلمه و احتمال پسين كلمه محاسبه شده و به همراه دنباله كلمات بازشناسي براي تعليم SCRF به كار مي‌روند. آزمايش‌هاي بازشناسي انجام شده نشان داد كه با استفاده از اين مدل و ويژگي‌هاي ارائه شده دقت بازشناسي كلمه به ميزان 18/1 درصد بهبود مي‌يابد.

استخراج اطلاعات زمانی از متون یکی از زمینه های فعال در پردازش زبان طبیعی است، اما کارهای اندکی در این زمینه در زبان فارسی انجام شده است. سامانه PET یکی از معدود سامانه‌هایی است که برای «استخراج اطلاعات زمانی» در زبان فارسی توسعه یافته است. در سامانه PET از یک روش مبتنی بر قاعده برای تشخیص رویدادها و از روش «ماشین های بردار پشتیبان» برای تشخیص رابطه ی زمانی بین رویدادها استفاده شده است. در جهت ایجاد سامانه PET، یک پیکره اطلاعات زمانی به نام پرس تایم بنک گسترش یافت. در این پژوهش برای افزایش کارایی سامانه PET، علاوه بر گسترش پیکره پرس تایم بنک، سعی شده تا از روش هایی که برای تشخیص رویدادها و رابطه ی زمانی بین رویدادها در زبان انگلیسی موفق بوده اند، استفاده شود به همین منظور ابتدا با استفاده از یک روش مبتنی بر قاعده رویداهای متن اولیه برچسب زنی شد و سپس به صورت دستی اصلاح گردید. در ادامه برای تشخیص رویدادها، روش-های یادگیری با ناظر «میدان های تصادفی شرطی» و «ماشین های بردار پشتیبان» استفاده شدند. همچنین برای تشخیص روابط زمانی بین رویدادها، روش های «میدان های تصادفی شرطی» و «بی-نظمی بیشینه» مورد استفاده قرار گرفتند. نتایج آزمایشات، نشان می دهد که روش «میدان های تصادفی شرطی» در تشخیص رویدادها و روابط زمانی بین آن ها از دیگر روش ها بهتر عمل می‌کند.

داده های سری زمانی، مجموعه ای از مقادیر می باشند که به صورت متوالی و در زمان های مشخص ثبت شده اند. هدف از پیش بینی سری های زمانی ارائه ی یک مدل به منظور توصیف رابطه ی بین داده ها بر اساس مشاهدات گذشته است. بر اساس مدل به دست آمده، مقادیر متغیرها برای زمان های آینده پیش بینی میشود. در این مقاله روشی مطمئن به منظور تخمین سری های زمانی مالی مبتنی بر مدل رگرسیون بردار پشتیبان و جستجوی هارمونی بهبود یافته ارائه شده است. مدل رگرسیون بردار پشتیبان به دلیل قدرت یادگیری بالا و استخراج ساختاری مناسب از مجموعه داده، ابزار مناسبی به منظور تخمین سری های زمانی مالی است. یکی از مشکلاتی که در استفاده از مدل رگرسیون بردار پشتیبان وجود دارد، تعیین مقادیر پارامترها می باشد که در روش پیشنهادی به منظور تعیین مقادیر بهینه برای پارامترها از روش جستجوی هارمونی بهبود یافته استفاده شده است که با جستجو در فضای مسئله، بهینه ترین مقادیر را برای هر یک از پارامترها می یابد. بهبود جستجوی هارمونی شامل پیش پردازش جمعیت اولیه با استفاده از الگوریتم تکامل تفاضلی، بهبود پارامترهای کنترلی PAR و BW در جستجوی هارمونی و هدایت بردارهای هارمونی به سمت موقعیت بهترین بردار هارمونی می باشد. روش پیشنهادی بر روی دو مجموعه داده ی مالی معتبر مورد ارزیابی قرارگرفته است و بر اساس نتایج بدست آمده، روش پیشنهادی به میانگین خطای 228/2 بر روی دو پایگاه داده معتبر دست یافته است که در مقایسه با سایر روش های بهینه سازی که به منظور تنظیم پارامترهای رگرسیون بردار پشتیبان مورد استفاده قرار گرفته اند، کمترین میزان خطا را بین مقادیر تخمینی و مقادیر واقعی سری بدست آورده است.

اكثر پژ‍وهش‌هاي پيشين در تشخيص برجستگي، مبتني بر توجه پايين به بالا هستند و از ويژگي‌هاي سطح پايين استفاده مي‌كنند. اين روش‌ها تاثيرات بالا به پايين را در نظر نمي‌گيرند. در اينجا، ما يك روش برجستگي ديداري بالا به پايين ارائه مي‌كنيم كه علاوه بر ويژگي‌هاي سطح پايين مانند رنگ و بافت، از ويژگي‌هاي سطح بالا مانند تشخيص شي استفاده مي‌كند. در اين روش،‌ابتدا تصوير به سوپرپيكسل‌ها بخش‌بندي مي‌شود و ويژگي‌هاي سطح پايين و بالا براي هر يك از آن‌ها استخراج مي‌شوند. سپس، ‌نقشه برجستگي با يادگيري ويژگي‌ها از طبقه‌بندي‌ كننده AdaBoost ايجاد مي‌شود. استفاده از سوپرپيكسل، لبه‌هاي اشيا در تصاوير را حفظ مي‌كند و پيچيدگي محاسباتي را از هزاران پيكسل به چند صد سوپر پيكسل كاهش مي‌دهد. روش پيشنهادي بر روي پايگاه داده MSRA-1000 پیاده‌سازی شده و در قیاس با ساير روش‌ها ارزيابي گرديده است. دستیابی به منحني precision-recall بهتر و معيار F-measure با مقدار 70 % حاكي از عملكرد مناسب روش پيشنهادي است.

امروزه رایانش ابری به بازاری جهت مبادله ی منابع محاسباتی تبدیل شده است. تهیه کنندگان منابع محاسباتی خود را در قالب ماشین های مجازی به کاربران اجاره می دهند و در طی مدت اجاره، قیمتی از کاربران دریافت می کنند. یکی از مسائل موجود در این بازار، ارائه مکانیزمی جهت قیمت گذاری و تخصیص، به صورتی است که سود مناسب کاربران و تهیه کنندگان تضمین شود. در این مقاله با استفاده از حراج ترکیبی دوطرفه، بازاری متشکل از کاربران و تهیه کنندگان مدل سازی شده که براساس آن یک موجودیت واسط، عمل تخصیص ماشین های مجازی تهیه کنندگان براساس نیاز کاربران را انجام می دهد؛ در این راستا ابتدا مسئله ی تخصیص ماشین های مجازی با درنظرگرفتن چند نوع ماشین مجازی به‌صورت یک مسئله ی برنامه ریزی عدد صحیح مدل شده و در ادامه الگوریتمی جهت تخصیص مناسب پیشنهاد شده است. الگوریتم تخصیص پیشنهادی سعی در تخصیص ماشین های مجازی تهیه کنندگان به کاربران دارد به نحوی که سود مالی هردوطرف افزایش یابد. نتایج حاصل از حل مدل، حاکی از این است که مدل برنامه ریزی پیشنهادی دارای ویژگی های صادقانه بودن و عادلانه بودن است. همچنین نتایج شبیه سازی، کارا بودن الگوریتم تخصیص پیشنهادی در تأمین سود توأمان تهیه کنندگان و کاربران را تأیید می کند.

کاهش اندازه‌های ترانزیستورها در ابعاد نانو، مقابله با خطاهای گذرای چند بیتی (MBU) در حافظه‌ها را به دغدغه‌ی چالش برانگیز طراحان سامانه‌های مطمئن رقمی تبدیل نموده است. اگر چه روش افزونگی سه‌گانه‌ی اطلاعاتی قادر به پوشش این خطاهاست، مصرف توان بالای این روش در اغلب کاربردهای نوین قابل توجیه نیست. پیش بینی پژوهشگران بر جایگزینی کانال ترانزیستورهای اثرمیدان فن‌آوری CMOS با نانو ‌لوله‌های ‌کربنی (CNT) انگیزه‌ای شد تا این پژوهش به بررسی صرفه‌ی بکارگیری روش افزونگی سه‌گانه‌ی اطلاعاتی در فن‌آوری ترانزیستور‌هاي اثرمیدان مبتنی بر نانو ‌لوله‌های ‌کربنی (CNTFET) ‎بپردازد. بهره‌برداری از فضاهای بدون استفاده‌ی حافظه موجب مصرف عمده‌ی توان این روش در مدار رای گیر اکثریت دو از سه‌ی آن می‌‌شود. این پژوهش نشان داده است که پیاده‌سازی این رای گیر با فن‌آوری CNTFET، هزینه‌های مصرف توان و تاخیر را طوری کاهش می‌دهد که افزونگی سه‌گانه‌ی اطلاعاتی را به روشی مقرون به صرفه در سامانه‌‌های آینده تبدیل خواهد نمود. نتایج شبیه‌سازي در ابعاد 45، 32 و 22 نانو با ولتاژهای تغذیه 1، 9/0 و 8/0 ولت نشان دادند که پیاده‌سازی این مدار با فن‌آوری CNTFET نسبت به فن‌آوری CMOS تا 57% بهبود در متوسط توان مصرفی و تا 83% کاهش در تاخیر را به همراه خواهد داشت.

شبکه ی داده های نام گذاری شده، به عنوان الگوی جدیدی برای جایگزینی زیرساخت کنونی شبکه ی اینترنت در نظر گرفته شده است؛ با این تفاوت که در معماری این شبکه، به اشیای داده ای، آدرس تعلق پیدا می کند. این معماری شبکه ای از قابلیت ذخیره سازی درون شبکه ای پشتیبانی می کند تا عملکرد منابع شبکه ای بهبود یابند. یکی از مسائل کلیدی در این شبکه ها، مدیریت و تقسیم عادلانه ی منابع حافظه در شبکه است. در این پژوهش برای یافتن اهمیت هر گره جهت تخصیص حافظه، از دو دسته پارامترهای ایستا و پویای شبکه ای استفاده می شود. پارامتر ایستای مورد استفاده، که مرکزیت میانگی هر مسیریاب می باشد، با تعداد مسیرهای کوتاه بین دو مسیریاب قابل محاسبه است. دو پارامتر دیگر، از نوع پویا و لحظه ای هستند که به اطلاعات پویای شبکه نظیر درخواست های کاربران و ترافیک شبکه بستگی دارند. از این روی، با اعمال دو روش میانگین گیری متحرک وزن دار بر پارامترهای پویا، در ابتدا از کل نمونه های زمانی بدست آمده، متوسط گرفته و سپس با کمک روش تجمیع داده ی تحلیل مولفه ی اساسی، پارامترهای هر مسیریاب با یکدیگر ترکیب شده تا وزنی برای تعیین اندازه ی حافظه ی نهان آن تعیین شود. نتایج ارزیابی نشان دهنده ی بهبود 25 درصدی نرخ برخورد در حافظه ی نهان مسیریاب های میانی شبکه و همچنین کاهش 37 درصدی تعداد بسته های علاقه ی منتظر می باشد.

در روش‌های رایج زیست‌سنجی ثبت داده از اندام‌هایی از بدن صورت می‌گیرد که با چشم قابل دیدن هستند. به همین دلیل امکان تقلید آنها زیاد است. پیشنهاد شده است که به‌جای این‌گونه روش‌ها، از اندام‌هایی از بدن ثبت داده انجام شود که به‌طور ذاتی با چشم قابل دیدن نیستند. این نوع روش‌های زیست‌سنجی، دارای مقاومت ذاتی در برابر جاعلین هستند. هر نوع سیگنال زیستی مانند الکتروکاردیوگرام، الکتروانسفالوگرام، الکترومایوگرام، پتانسیل برانگیخته بینایی و شنوایی می‌تواند یک ویژگی زیست‌سنجی محسوب شوند. در این مقاله از 104 سیگنال الكتروانسفالوگرام فرد سالم در حالت استراحت و چشمان بسته، ویژگی های غیر خطی بعد هیگوچی و بعد پطروسیان استخراج شده و دو کانال بهینه با استفاده از الگوریتم ژنتیک تعیین شده اند. سپس با انتخاب بخش های مرجع از سیگنال هر فرد و تولید ویژگی های مصنوعی و نمونه های حقیقی و جعلی، طبقه بندی ویژگی ها با طبقه بند ماشین بردار پشتیبان انجام شده است و روش پیشنهادی با تغییر نسبت آموزش– آزمایش ویژگی ها از 10-90 درصد تا 90-10 درصد به صحت02/0± 92/79 درصد تا 00/0± 84/99 درصد دست یافته است.

در رده‌بندی متون می‌توان هر واژه را به‌عنوان یک صفت یا ویژگی در نظر گرفت. تعداد زیاد واژه‌ها باعث کاهش دقت و سرعت رده‌بندی می‌گردد. انتخاب زیرمجموعه‌ای از واژه‌های (ویژگی‌های) متون یکی از مراحل ضروری در پیش‌پردازش متون قبل از اعمال الگوریتم‌های رده‌بندی است. روش‌های پالایه و پوشانه، دو دسته اصلی انتخاب ویژگی است. در این مقاله سعی شده است روش ترکیبی انتخاب ویژگی در حوزه متون بررسی‌شده و با روش‌های جدیدتر انتخاب ویژگی خاص متون مانند DFS وGiniText مقایسه گردد. در این تحقیق تأثیر استفاده از ترکیب روش پالایه و پوشانه برای انتخاب ویژگی بر عملکرد رده‌بند نایوبیزی برای رده‌بندی متون فارسی مورد بررسی قرار گرفته است. نتایج نشان می‌دهد که روش ترکیبی انتخاب ویژگی روی پیکره همشهری، علی‌رغم کاهش تعداد ویژگی‌ها، باعث بهبود نتایج رده‌بند نایوبیز چند جمله‌ای، نسبت به روش‌های پالایه و یا پوشانه شده است.

سیستم‌های پرسش و پاسخ شکل پیشرفته‌ سیستم‌های بازیابی اطلاعات هستند که به جای برگرداندن اسناد مرتبط با سوال کاربر، سعی در استخراج پاسخ دقیق برای آن دارند. کاربر می‌تواند سوال خود را در قالب یک سوال زبان طبیعی مطرح کند و یا از کلمات کلیدی برای بیان منظور خود استفاده کند. یکی از منابعی که سیستم‌ها برای پیدا کردن جواب استفاده می‌کنند، ابر داده پیوندی است. سیستم‌های بازیابی اطلاعات مبتنی بر داده پیوندی، به ما کمک می‌کنند تا با سرعت و دقت بالایی به جواب صحیح دست یابیم؛ اما نیازمند داشتن دانش در مورد هستی‌شناسی موجود و همچنین ساخت پرس‌وجوهای رسمی مانند SPARQL هستند. این‌کار برای کاربران عادی کاری دشوار خواهد بود. از طرف دیگر، تجربه کابران در کار با موتورهای جستجو نشان داده‌است، کاربران بیشتر تمایل دارند نیاز اطلاعاتی خود را در قالب کلمات کلیدی مطرح کنند. در این مقاله، به منظور خودکارسازی فرایند ساخت پرس‌وجوی رسمی‌، روشی برای تبدیل کلمات کلیدی کاربر به پرس‌وجوی SPARQL ارائه ‌شده‌است که مبتنی بر ساخت قالب‌های پویاست. علاوه‌براین، روشی برای ساخت پرس‌وجوهای پیچیده SPARQL ( توابع تجمعی، فیلتر کردن و شمارش ) نیز ارائه شده‌است. نتایج ارزیابی نشان از موفقیت قابل قبول این سیستم در ایجاد قالب‌های پرس‌وجوی پیچیده دارد.

امروزه به کارگیری ماشین‌های با تعداد هسته‌های پردازشی زیاد امری رایج در انجام پردازش‌های تحلیلی بر روی داده‌ها گردیده است. همچنین مدل کردن داده‌ها به صورت گراف در کاربردهای بسیاری از جمله شبکه‌های اجتماعی، شبکه‌های بیولوژی و غیره صورت گرفته است. در این حوزه، زیرگراف کاوی جزء مسائل جذاب است که در آن می‌توان زیرگراف‌های ‌با خصوصیات مدنظر را از گراف (حجیم) ورودی استخراج کرد. یکی از زیرگراف‌های ‌پرکاربرد k-truss است که از آن برای به دست آوردن اجتماعات منسجم، نقاط پرچگال و افرازبندی استفاده می‌شود. در این مقاله یک الگوریتم چندهسته‌ای کارا و مقیاس پذیر برای یافتن زیرگراف‌های ‌k-truss ارائه شده است. برای این منظور ابتدا یک الگوریتم چندهسته‌ای برای شمارش مثلث‌ها با ایجاد یک ساختار مناسب به نام FONL از گراف ورودی پیشنهاد شده است. سپس از خروجی‌های آن، یک الگوریتم تکرارشونده ارائه شده است که به صورت موازی آن یال¬های گراف، که خصوصیت k-truss را نقض می‌کنند، حذف می‌نماید. روش پیشنهادی با استفاده از مجموعه گراف‌های ‌استاندارد بر روی یک ماشین 12 هسته‌ای اجرا شده است. نتایج آزمایشات نشان دهنده مقیاس پذیری مناسب و کارایی بالای روش پیشنهادی در مقایسه با دیگر روش‌های موازی است.

با ورود به عصر اطلاع رسانی دیجیتال و رشد سریع اینترنت، رفته رفته اطلاعات از فرم کاغذی به الکترونیکی تبدیل شدند. این امر برای ما امکان جستجوی کتاب‌ها و اخبار را به صورت الکترونیکی فراهم می‌کند. بنابراین نیاز به سیستم‌هایی برای بازیابی اطلاعات احساس می‌شود. به این منظور سیستمی جهت طبقه‌بندی متون با استفاده از خوشه‌بندی فازی با بردار ویژگی وزن‌دار پیشنهاد می‌شود. در روش پیشنهادی ابتدا در مرحله‌ی پیش پردازش، برای کاهش ابعاد از الگوریتم ژنتیک و سپس TF-IDF (Term Frequency - Inverse Document Frequency) استفاده شده و ویژگی‌هایی با قدرت تفکیک بالا انتخاب می‌شوند. سپس ماتریس وزنی متناسب با واریانس هر ویژگی، محاسبه شده و همگام با پیشرفت الگوریتم خوشه‌بندی تغییر می‌کند. بنابراین ویژگی‌های با واریانس بیشتر، تأثیر بیشتری در فرایند خوشه‌بندی خواهند داشت. در روش خوشه‌بندی، فاصله اقلیدسی به‌کار رفته، با این تفاوت که برای ابعاد ارزش یکسانی در نظر گرفته نمی‌شود. در نهایت کارایی سیستم پیشنهادی در خوشه‌بندی گروه‌های خبری مجموعه داده رویترز بررسی شده و نتایج نشان دهنده‌ی کارایی بالاتر این روش نسبت به خوشه‌بندی معمولی از نظر چند معیار ارزیابی معروف خوشه‌بندی، است.