انجمن کامپیوتر ایران

با افزایش متون محاوره¬، تبدیل متن محاوره¬ای به رسمی یکی از چالش¬های موجود در پردازش زبان است. در این مقاله به ارائه و آزمون، راهکاری برای تبدیل متون محاوره¬ای به متون رسمی با استفاده از ترکیب روشهای مبتنی بر قاعده و مدل¬سازی آماری می¬پردازیم. همچنین چگونگی ساخت پیکره، نحوه توکن¬بندی و نحوه یافتن ریشه کلمات، قوانین تبدیل کلمات محاوره¬ای به رسمی، الگوریتم پیشنهادی و نحوه بکارگیری N_gram بیان می¬شود.

سيستمهاي توصيه‌گر، با استفاده از ابزارهاي داده كاوي ميتوانند پيشنهادهاي مناسبي، براي انتخاب از بين حجم وسيعي از داده براي ما فراهم سازند. اكثر اين سيستمها بر اساس روش پالايش گروهي كار ميكنند. در اين روش به كمك معيارهاي شباهت، همسايه هاي مشابه براي يك فرد، انتخاب شده سپس بر اساس براورد نظرات آنها، پيشنهاد مورد نظر ارائه ميگردد. معيار شباهت تاثير بسيار زيادي بر عملكرد اينگونه سيستمها ميگذارد. انتخاب معيار مناسب يكي از چالشها در اين زمينه است. در اين مقاله، سيستمي پيشنهاد شده، كه بدون نياز به يافتن كاربران مشابه و به كمك نظرات افراد ديگر واعتمادي كه نسبت به آنها كسب كرده، ميتواند پيشنهادهاي مناسبي را ارائه دهد. در اين سيستم، از شبكه عصبي پس انتشار خطا، براي كشف روابط و اعتماد استفاده شده است. آزمايشها نشان ميدهد كه روش پيشنهادي كارايي را بالاتر برده است.

نحوه¬هاي مختلف ورود اطلاعات باعث به¬وجودآمدن ركوردهاي تكراري مي¬شود كه اين امر باعث افزايش حجم پايگاه¬داده¬ها مي-گردد. در اين مقاله، روشي به نام تطابق وزن¬دار پيشنهاد شده¬است تا تطابق بين فيلدها و ركوردها معقول¬تر انجام شود. برخي از روشهاي موجود روي كلمات يك بخشي به خوبي عمل مي¬كنند ولي كاربرد خوبي در كلمات چندبخشي ندارند ولي روش تطابق وزن¬دار كارايي خوبي براي كلمات چندبخشي دارد و درجه شباهت بالايي را براي اين¬گونه فيلدها دارا است و از آنجايي كه بيشتر عدم تشابه¬ها وابسته به خطاهايي است كه بر اثر ورود اشتباهي حروف مشابه به¬وجود آمده¬است، اين روش با درنظر گرفتن شباهتي براي حروف مشابه، دقت را در خطاهاي تايپي بالا مي¬¬برد. همچنين اين روش حساسيتي نسبت به كاراكترهاي شبيه به¬هم دارد. از آنجايي كه مقادير نامعتبر فيلدها تاثير زيادي روي تطابق ركوردها دارد، اين روش اثرات اين نوع فيلدها را كمتر در نظر مي¬گيرد تا دقت معقول¬تري به¬دست بيايد. بعداز بيان و بررسي روش تطابق وزن¬دار، آزمايشهايي با اين روش و روشهاي موجود روي دو پايگاه¬داده واقعي انجام شد و نتايج آن مورد مقايسه و بررسي قرار گرفت كه اين روش بر روي پايگاه¬داده¬ها دقتي درحدود90درصد داشت كه مابين 6 تا 8 درصد نسبت به بهترين حالت بهبود نشان مي¬دهد.

شبکه‌های اقتضایی متحرک (MANETs) به دلیل داشتن ویژگی‌های ذاتی از قبیل همبندی پویا و عدم وجود زیرساخت در مقایسه با سایر شبکه‌ها از آسیب‌پذیری بیشتری برخوردار هستند. بنابراین، یک چالش مهم برای این شبکه‌ها توسعه رویکردی است که قادر باشد با وجود تغییر پویای همبندی شبکه ناهنجاری‌ها را با دقت بالا تشخیص دهد. در این مقاله، رویکردی مبتنی بر تحلیل مولفه‌های اصلی افزایشی به نام IPCAAD برای تشخیص ناهنجاری پویا در شبکه‌های اقتضایی متحرک پیشنهاد می‌شود. در رویکرد پیشنهادی، هر گره در هر پنجره زمانی مجموعه‌ای از بردارهای داده را از ترافیک شبکه جمع‌آوری می‌کند. رویکرد پیشنهادی شامل دو مرحله آموزش و تشخیص است. در مرحله آموزش، با استفاده از بردارهای داده عادی و تحلیل مولفه‌های اصلی، نمای ترافیک عادی شبکه ایجاد می‌شود. در مرحله تشخیص، در طی هر پنجره زمانی مجموعه‌ای از بردارهای داده جمع‌آوری شده و بردارهای داده غیرعادی مبتنی بر فاصله تصویرشان از اولین مولفه اصلی سراسری تشخیص داده می‌شوند. در پایان هر پنجره زمانی، نمای عادی با استفاده از بردارهای داده عادی در آن پنجره زمانی به‌روزرسانی می‌شود. به‌روزرسانی با استفاده از تحلیل مولفه‌های اصلی افزایشی (IPCA) و یک رابطه فراموشی انجام می‌شود. نتایج آزمایش‌های انجام شده با استفاده از شبیه‌ساز NS2 برای تعدادی از حملات مسیریابی نشان می‌دهند که رویکرد پیشنهادی از کارآیی قابل توجهی برخوردار است.

در این مقاله، روش جدیدی برای نمایه‌سازی تصویر در قلمرو JPEG ارائه شده است. در این روش، بلوکهای 8*8 در قلمرو DCT به 10 زیر باند تجزیه شده و انرژی هریک از آنها محاسبه می‌شود. انرژی 9 زیر باند از مولفه Y (که حاوی اطلاعات AC هستند) و مولفه DC (مولفه صفر) زیر باندهای Y ، Cr وCb حاوی مقادیر متوسط رنگ بلوک هستند در کنار یکدیگر یک بردار 12 مولفه‌ای برای هر یک، بلوکهای 8*8 در قلمروDCT ایجاد می‌کنند. سپس، بردارهای نماینده تمام بلوک‌های تصویر به الگوریتم خوشه‌بندیk میانگین سپرده می‌شوند. بدیهی است که هر خوشه اطلاعات مربوط به یک ناحیه از تصویر را در خود دارد. از هر یک مراکز 5 خوشه آن که دارای بیشترین اعضا هستند، یا به عبارت دیگر نشان‌دهنده 5 ناحیه بزرگتر از آن تصویر هستند، به عنوان نمایه‌های آن در نظر گرفته می‌شود. همچنین روشی برای مقایسه تصاویر براساس مراکز خوشه‌های آنها ارائه شده است. روش پیشنهادی روی یک پایگاه شامل 800 تصویر از 8 گروه معنای در طبقه‌بندی تصویر آزموده شده است. نرخ طبقه‌بندی درست 75/89% حاصل طبقه‌بندی با روش پیشنهادی است.