انجمن کامپیوتر ایران

یکی از رفتارهای اجتماعی که موضوعی هسته‌ای در علوم اجتماعی است، موضوع هنجاراست. منظور از هنجار، استاندارد یا الگوی رفتاری است که در میان یک گروه یا جامعه‌ای پذیرفته شده است و عمل به آن مورد انتظار جمع است. هنجار ابزار مهمی است که توسط جوامع برای انتظام بخشی امور به خدمت گرفته شده و بدیل مهمی برای اقدامات قانونی و هزینه‌بر دولت‌ها در تنظیم جوامع است. ویژگی مهم هنجار که با بقیه‌ی رفتارهای اجتماعی متمایز می‌شود؛ موضوع تحریم است که به مثابه یک تضمین برای جلوگیری از نقض آن است. به‌علاوه هنجار در بین ساختارهای‌ کنش، تنها ساختاری است که منافع حاصل از آن، قابل تقسیم نیست و عمل به آن موجب ایجاد نفع یکسان برای عده‌ی زیادی می‌گردد. ما در این مقاله براساس این دو خصلت که متمایزکننده هنجار از بقیه عادات و رفتارهای بشری است، روش خود را ارائه می‌کنیم. نشان می‌دهیم که ساختار، نقش مهمی در مکانیسم ترویج هنجار ایفا می‌کند. این ساختار با ابتنا بر خاصیت بستار نشان می‌دهد استفاده از راس‌های با بستار بیشتر به عنوان نقش‌های هنجارآور، نیازمند تلاش و در نتیجه هزینه¬کمتری برای سرایت هنجار دریک شبکه‌های اجتماعی است. ترکیب نیروهای ناشی از ساختار ارتباطات بین افراد در جامعه و تاثیر بستار به تولید فشاراجتماعی بیشتر بر انجام‌دهندگان رفتارهای منفی، پیشتر توسط جیمزکلمن تبیین شده است، لیکن بهره‌گیری از این نظرات برای ارائه روشی که رابطه تلاش-ساختار را برای تکامل هنجار ازطریق بررسی خصوصیات ذاتی هنجار یعنی تحریم و منافع غیرقابل تقسیم، توضیح دهد، تاکنون صورت نگرفته و مقاله حاضر در صدد ارائه این روش است.

از اجرای پویا-نمادین برای آزمون نرم‌افزارهای مختلف استفاده می‌شود. آزمون برنامک‌های اندرویدی نسبت به برنامه‌های دیگر دارای چالش‌های جدید رخدادمحوربودن و وابستگی زیاد به SDK است که سربار آزمون را بالا می‌برد. در این مقاله روشی ارائه می‌شود که با اجرای پویا-نمادین همراه تحلیل آلایش به دنبال تشخیص آسیب‌پذیری تزریق SQL در برنامک‌های اندرویدی هستیم. در این کار با تحلیل ایستا، گراف فراخوانی توابع و پیمایش برعکس از تابع آسیب‌پذیر تا تابع منبع ، نقطه شروع برنامه را تولید کردیم و فرایند تحلیل را محدود به تابع‌های مسیرهای مطلوب یافته‌شده کردیم. همچنین در این کار با ایده استفاده از کلاس‌های Mock مسئله رخدادمحوربودن و سربار بالای آزمون برنامک‌ها را حل کرده‌ایم. برای ارزیابی راه‌کار ارائه شده، ابتدا 10 برنامک را خودمان پیاده‌سازی کردیم که 4تای آنها آسیب‌پذیر بودند و توانستیم همه را تشخیص دهیم. همچنین از مخزن F-Droid استفاده کردیم که شامل برنامک‌های متن‌باز است. 140 برنامک را به دلخواه از این مخزن انتخاب کردیم، که از این میان 7 برنامک را که آسیب‌پذیر به تزریق SQL بودند را توانستیم تشخیص دهیم.

ازدحام، یکی از مهم‌‏ترین چالش‌های مطرح در شبکه ‌برتراشه‌ها است. روش‏های مختلفی برای غلبه بر پدیده ازدحام در شبکه برتراشه تاکنون ارائه شده است که از اصلی‌ترینشان، استفاده از الگوریتم‌های ازدحام-آگاه است. در این مقاله یک روش مسیریابی ازدحام-آگاه جدید ارائه شده است. در این روش ابتدا شبکه ‌برتراشه به تعدادی زیرشبکه تقسیم می‏شود. سپس در داخل هر زیرشبکه از یک الگوریتم مسیریابی سراسری و بین زیرشبکه‏ها از الگوریتم مسیریابی محلی برای مسیریابی استفاده می‏شود. برای انتخاب مسیر در داخل زیرشبکه کلیه مسیرهای کمین از گره فعلی تا یکی از گره‏های مرزی بررسی شده و مسیری که کمترین ازدحام را دارد انتخاب می‏شود. این الگوریتم باعث کاهش میانگین تأخیر بسته‏ها در سیستم نسبت به کارهای پیشین شده است بدون آن‏که توان مصرفی سیستم را افزایش دهد. در آزمایشی که تحت ترافیک‏های ترانهاده و بیت معکوس انجام شد، مشخص شد که این الگوریتم نسبت به الگوریتم‏های DOR، DyAD و CATRA دیرتر به حالت اشباع می‏رود. همچنین در آزمایشی که تحت ترافیک‌های SPLASH 2 انجام شد، مشخص شد که تأخیر بسته‏ها به طور میانگین نسبت به سه الگوریتم فوق‌الذکر به ترتیب 19%، 13% و 3% بهبود پیدا کرده است.

In this paper, we present an online method in unidirectional IoT systems to synchronize the data streams of multiple sensors, including wearable and environmental. Our proposed method is based on information theory concepts. First we use an entropy-based method to find events on environmental sensors data stream. After that, we use mutual information matching algorithm to find corresponding event in wearable sensors data stream. Indeed, we use physical interactions between wearable and environmental sensors in order to find shared events. Our experiments demonstrate that our proposed method can improve the quality of sensors data stream and therefore it can be used for the monitoring task in unidirectional IoT systems.

هرزبرگ وب با هدف دستکاري در نتايج حاصل از موتورهاي جويشگر ايجاد شده و موجب بي‌اعتمادي کاربران به اين موتورها و ضرر و زيان‌هاي فردي و اقتصادي مي‌شوند، از اين رو موتورهاي جويشگر انگيزۀ زيادي براي شناسايي صفحات هرز و کنار گذاشتن آنها دارند. ماهيت مسئلۀ شناسايي هرزبرگ، جداسازي و دسته‌بندي صفحات در دو گروه «قانوني» و «هرز» است و به همين دليل استفاده از روش‌هاي يادگيري ماشيني روش مناسبي براي حل اين دسته از مسائل به شمار مي‌آيد. از آنجا که روش‌هاي مورد استفادۀ هرزسازها با سرعت زيادي در حال ارتقا است، ابزار مورد استفاده در فرايند دسته‌بندي نيز بايد قابليت سازگاري و تعميم بالايي داشته باشد لذا شبکه‌هاي عصبي مصنوعي در زمرۀ بهترين ابزارها براي حل اين دسته از مسائل قرار مي‌گيرند. در اين مقاله شبکۀ پرسپترون چندلايه طراحي شده و با پياده‌سازي آن بر روي مجموعه دادۀ Web-Spam UK2006، ميزان سنجۀ F برابر با 56/77 به دست آمد. در بخش دوم تحقيق، براي بهبود عملکرد بازيابي، ويژگي جديدي به مجموعه دادۀ قبلي افزوده شد و پس از پياده‌سازي شبکه، ميزان سنجۀ F برابر با 06/78 به دست آمد که نسبت به تحقيقات پيشين داراي نتايج به مراتب بهتري است.

با توجه به موقعيت استراتژيک مناطق آبي، در سال‌ هاي اخير استفاده از شبکه‌ هاي حسگر بي ‌سيم در زير آب ‌ها هم رايج شده است و شبکه ‌هايي تحت عنوان شبکه ‌هاي حسگر بي ‌سيم زيرآبي به وجود آمده ‌اند. از آن‌جا که نحوه ‌ي ارتباط گره ‌ها در زير آب متفاوت از گره هاي زميني است، لذا معرفي الگوريتم مسيريابي متفاوت براي اين شبکه‌ ها بسيار ضروري است. در اين پژوهش يک پروتکل مسيريابي آگاه از کانال مبتني بر پروتکل CARP ارائه مي‌ شود که در آن سعي شده، مشکلات اين الگوريتم برطرف گردد. در روش پيشنهادي، ساختار شبكه به تعدادي ناحيه تقسيم بندي مي‌شود و مديريت هر ناحيه به شكلي انجام مي ‌گيرد كه در نهايت مصرف انرژي گره ‌ها متوازن شود. همچنين براي ايجاد يك مسيريابي دقيق و سريع، با استفاده از اطلاعات کيفيت لينک‌ها، از گره‌ هاي مياني که قبلاً در ارسال داده براي مقصد مورد نظر موفق بوده‌ اند، به عنوان گره‌ هاي امدادي استفاده مي‌ شود. شبيه ‌سازي روش پيشنهادي در شبيه ‌ساز Aqua-Sim مبتني بر NS2 انجام گرفته است. نتايج ارزيابي نشان مي ‌دهد که روش پيشنهادي بر اساس معيارهاي طول عمر، نرخ ارسال بسته ‌ها و نرخ بي ‌ثباتي بهتر از روش‌هاي ديگر عمل مي ‌کند.

در کاربرد واقعي ممکن است خوشه ها داراي همپوشاني باشند. يک راه حل منطقي براي لحاظ کردن همپوشاني خوشه ها انتساب مجموعه اي از درجه عضويت به هر داده است. توانايي منطق فازي در برخورد با داده هاي نويز دار و داده هاي پرت و تشخيص آسان داده هاي مبهم را مي توان از ديگر دلايل توجه اين مقاله به منطق فازي دانست. رويکرد روش پيشنهادي، مبتني بر معماري يادگيري چند هسته اي مي باشد. علاوه بر اين، روش پيشنهادي با تنظيم خودکار وزن هسته ها در يک چارچوب بهينه سازي از گزند مسائلي مانند هسته هاي ناکارآمد يا ويژگي هاي نامرتبط در امان مي ماند. معماري مدل پيشنهادي متشکل از شش مؤلفه اصلي فراهم کننده داده ها، پيش پردازنده، تحليل گر، پاسخ ده، ارزياب، مدير و کنترل کننده مرکزي مي باشد. به منظور ارزيابي کارايي روش پيشنهادي سه آزمايش انجام شده است. در ادامه با تغيير در مجموعه هسته ها و همچنين تغيير در فاکتورهاي خوشه بندي بهبودي بر روش پيشنهادي ارائه مي گردد. نتايج بررسي ها نشان مي دهد که خوشه هاي ايجاد شده توسط روش پيشنهادي بهبود يافته همپوشاني کمتري نسبت به روش پيشنهادي دارند. دقت خوب خوشه ها و همچنين کمتر شدن تعداد اعضاي هر خوشه باعث صرف جويي در هدر رفت منابع بانک در هنگام تخصيص منابع به مشتريان برگزيده مي شود.

با ظهور فناوري زنجيره‌بلوکي، شرکت‌هاي مختلف با توجه به نياز خود و مشتريان، اقدام به تحقيق و توسعه محصولات مبتني بر فناوري زنجيره‌بلوکي بخصوص پلتفرم‌ نموده‌اند. در اين مقاله پس از معرفي و مروري بر شرکت‌هاي برتر جهاني در حوزه پلتفرم‌هاي زنجيره‌بلوکي، به بررسي تمرکز هر يک از شرکت‌ها و نحوه فعاليت هر يک پرداخته شده است. در بررسي شرکت‌هاي منتخب، معيار بررسي، نوع پلتفرم ارائه‌شده و کاربردهاي پلتفرم‌ها در حوزه‌هاي مختلف است. همچنين ساير خدمات، سرويس‌ها و يا برنامه‌هاي کاربردي که با استفاده از فناوري زنجيره بلوکي توسط اين شرکت‌ها ارائه‌شده است نيز مورد مطالعه قرارگرفته است.

شبکه‏‌هاي اجتماعي، پنجره‏اي رو به اجتماعات مجازي مي‏‌گشايد که در آن کاربران نظرات خود را بيان مي‏کنند. توييتر همواره به عنوان يک منبع غني از عقايد و احساسات شناخته مي‏شود. هدف تحليل احساسات، دسته‏‌بندي و تعيين قطبيت کلمات به احساسات مثبت، منفي و خنثي است؛ که به کمک آن مي‏توان عقايد منتشر شده حول يک موضوع خاص را شناسايي کرد. چالش اصلي، افزايش دقت دسته‏‌بندي و مقابله با پراکندگي داده‏‌ها مي‏باشد. گاهي عدم دسته‏‌بندي صحيح توييت‏‌ها باعث افزايش غيرعادي توييت‌‏هاي نامرتبط مي‏‌شود که اين امر دسته‏‌بندي اشتباه توييت‏‌ها را در پي دارد. متن‏کاوي به عنوان راهکار مهمي براي حل مسائل ذکر شده مطرح شده است. در اين مقاله رويکردي نوين جهت تحليل احساسات در توييتر بيان شده است. نوآوري ارائه شده شامل معرفي يک لغت نامه پيشنهادي مربوط به رشته مهندسي کامپيوتر، ليست رفع ابهام از اين حوزه، رويکرد ترکيبي با استفاده از درخت تصميم CART (روش يادگيري ماشين) و الگوريتم SentiStrength (روش مبتني بر واژه) جهت تحليل دقيق‏ احساسات مي‏باشد. نتايج پياده‏سازي در تشخيص نوع قطبيت احساسات در اغلب شاخص‏ها بهبود دسته‏‌بندي را نشان مي‏‌دهد. همچنين بهينه‏‌سازي ليست انتخابي منجر به غربال صحيح توييت‏‌هاي مرتبط گرديده که باعث دقيق‌‏تر شدن ورودي برنامه جهت پردازش نهايي شده است.

در ساختار شبکه‌هاي روي تراشه سه‌بعدي، چندين لايه از اجزاء، روي هم قرار مي‌گيرند. ارتباط بين اين لايه‌ها از طريق اتصالات عمودي بين‌لايه‌اي برقرار مي‌شود. يکي از مهم‌ترين چالش‌هايي که قابليت اطمينان يک سيستم مبتني بر شبکه‌هاي روي تراشه‌ سه‌بعدي را با مخاطره مواجه مي‌سازد، اشکال همشنوايي است. در اين مقاله جهت حل اين مشکل، روش پيشنهادي با نام کدينگ شناور براي کاهش اشکال همشنوايي بر اساس پيدا کردن بهترين جانمايي بين حالت‌هاي همشنوايي موجود مي‌پردازد، طوري که دامنه‌ي از کاربردها را پوشش خواهد داد. اين روش پيشنهادي از سربار مساحت بسيار کم در برابر کارهاي پيشين بهره مي‌برند. براي ارزيابي روش‌هاي پيشنهادي، از شبيه‌ساز کامل gem5 به منظور استخراج کاربرد واقعي از بسته‌هاي محک SPEC استفاده شده است. همچنين براي سنتز واحدهاي سخت‌افزاري مختلف از ابزار Design Compiler استفاده شده است.

با توجه به اهمیت حوزه یادگیری و آموزش، شاهد به کارگیری علوم مختلف در این حوزه هستیم. در این مقاله از دیدگاه نظریه بازی به محیط یادگیری نگاه خواهیم داشت. با توجه به اهمیت نقطه تعادل نش و بهینگی پارتو در نظریه بازی‌ها،با استفاده از داده‌های یک محیط مشارکتی پویا، به بررسی میزان فعالیت یادگیرندگان در این نقاط خواهیم پرداخت. محیط مشارکتی‌ایی که داده‌های آن در این تحقیق استفاده شده است، بر پایه نظریه بازی طراحی و پیاده سازی شده است. نتایج تحقیق حاضر نشان می‌دهد که در محیط یادگیری، دستاورد بیشتر در بهینگی پارتو دانشجویان را به بازی بیشتر در این نقطه نسبت به تعادل نش راغب نموده است.

استاندارد IEEE 802.15.4 برای شبکه‌های حسگری بی‌سیم مشخصات لایه فیزیکی و لایه کنترل دسترسی رسانه تعریف می‌کند. با توجه به تک کاناله بودن ارتباطات در این استاندارد، IEEE 802.15.4e با معرفی مکانیزم TSCH به صورت اصلاحیه ای بر استاندارد پیشین منتشر گردید که در آن ضمن چندکاناله کردن ارتباطات، تکنیک پرش کانال را نیز برای افزایش قابلیت اطمینان فراهم نمود. با توجه به هم فرکانس بودن ارتباطات IEEE 802.11 با IEEE 802.15.4e، نیاز به تعبیه یک استراتژی هوشمند در گره‌ها برای پرش کانال در واکنش به این تداخلات است. این پرش وفقی، اصطلاحاً تشکیل «لیست سیاه» نیز نامیده می‌شود. راهکارهای تشکیل لیست سیاه موجود همگی با فرض اینکه الگوی تصادفی حضور یا عدم حضور تداخلات 802.11 به صورت مانا می‌باشد، ارائه شده‌اند. ما در این مقاله، مدل احتمالی حضور یا عدم حضور 802.11 تداخلگر بر روی 802.15.4e را به الگوهای غیر مانا تعمیم داده و همچنین، یک راهکار وفقی برای انجام پرش کانال فرکانسی مبتنی بر نظریه یادگیری اتوماتا ارائه می‌نماییم. نتایج شبیه‌سازی نشان می‌دهد که در سناریوهای تداخلی غیرمانا حدود 15 درصد نسبت به راهکار موجود درصد تحویل بسته بالاتری حاصل می‌شود.

همراه با رشد روزافزون دستگاه‌های هوشمند، مفهوم اینترنت اشیاء نیز توسعه پیداکرده است. افزایش تعداد این اشیا هوشمند سبب افزایش تولید حجم داده‌ها و بار‌های محاسباتی در مقیاس‌های وسیع شده است. به همین دلیل رایانش ابری، به‌عنوان راه‌حل اصلی جهت کنترل این بارها استفاده می‌شود. بااین‌حال، زمان‌بر بودن پردازش بار‌ها در ابر، هنوز به‌عنوان مسئله اصلی در حوزه شبکه‌های توزیع‌شده مطرح است. پردازش بار‌های کاری در لبه‌‌های شبکه می‌تواند موجب کاهش این زمان پاسخ شود؛ اما از سوی دیگر با آوردن پردازش بار‌ها از مراکز داده‌ها (متصل به برق) به سمت لبه‌های شبکه، منجر به محدودیت انرژی می‌شود. بنابراین لازم است بار‌های کاری به شکلی متوازن میان ابر‌ها و لبه‌های شبکه توزیع شوند. در این مقاله به‌منظور ایجاد تعادل میان مصرف انرژی در لبه شبکه و تأخیر بار‌های کاری در ابر‌ها، روشی مبتنی بر سیستم‌های دسته‌بند یادگیر ارائه‌شده‌ است. نتایج حاصل از شبیه‌سازی نشان می‌دهد که روش پیشنهادی در مقایسه با روش‌های پیشین، به شکل متعادل‌تری بارها را توزیع می‌کند. روش پیشنهادی سبب کاهش ۴۲ درصدی تأخیر بارهای کاری و همچنین کاهش مصرف انرژی در لبه شبکه می‌شود.

فرآیند‌های کسب‌وکار نقطه برآیند تمام موجودیت‌ها و دارایی‌های سازمان در جهت پاسخ به نیازمندی‌های کسب‌وکار است. از این رو مدیریت فرآیند‌های کسب‌وکار یکی از دغدغه‌های همیشگی سازمان است. با تغییر نیازمند‌ها و شرایط کسب‌وکار روش‌های سنتی مدیریت فرآیند‌های کسب‌وکار توانایی پاسخگویی خود را از دست داده‌اند و روند‌های جدید مدیریت فرآیند کسب‌وکار با بهره‌گیری از توانمندی‌های فناوری‌های جدید برای تطبیق بیشتر با نیاز‌های جدید شکل گرفته‌ است. فرآیندکاوی و روش‌های زیر مجموعه آن از قبیل رویکرد‌های مختلف پایش پیش‌بینی کننده فرآیند‌های کسب‌وکار از مهم‌ترین این روش‌ها هستند که در بهبود فرآیند‌ها و همراستایی آنها با کسب‌وکار از طریق تخمین‌‌های‏ برخط و برون خط نقش بسزایی ایفا می‌کنند. عملیاتی‌سازی روش‌ها و ابزارهای جدید مدیریت فرآیند‌ها در سازمان و توانمندی تجزیه و تحلیل عملیاتی مختلف فرآیند‌های کسب‌و‌کار نیازمند حمایت و بسترسازی معماری سازمانی است. از سوی دیگر روش‌های فرآیندکاوی و پایش پیش‌بینی کننده فرآیند‌ها برای به‌روز رسانی لایه‌های معماری سازمانی در جهت پشتیبانی از تحول در سازمان استفاده می‌شوند. از این رو این مقاله به تشریح تعامل و ارتباط روند‌های جدید مدیریت فرآیند‌های کسب‌وکار در تحول دیجیتالی با معماری سازمانی پرداخته است و در ادامه هشت ابزار از ابزارهای مهم حوزه فرآیندکاوی و پایش پیش‌بینی کننده فرآیند‌های کسب‌وکار را معرفی و مقایسه کرده است.

جهت افزایش کیفیت زندگی و کنترل منابع در دسترس و مورد استفاده‌‌ی بشر و با توجه به پیشرفت فناوری زندگی به کمک محیط، نیازمند بازشناسی فعالیت‌‌های انسانی در محیط‌‌های هوشمند هستیم. این‌‌گونه می‌‌توان به دنبال پیش‌‌بینی فعالیت، مکان، زمان و نوع حسگر بعدی مورداستفاده‌‌ی افراد را پیش‌‌بینی کرد. فعالیت‌‌های انسانی به‌‌وسیله‌‌ی شبکه‌‌های عصبی می‌‌توانند بازشناسی شوند و ما توسط شبکه‌‌های عصبی بازگشتی به انجام این کار پرداخته‌‌ایم. به‌‌منظور افزایش سرعت، تنظیم پارامترهای شبکه را به الگوریتم ژنتیک سپرده‌‌ایم. پس از ارزیابی روش پیشنهادی روی سه مجموعه داده‌‌ی معیار، به نتایج نسبتاً بهتری در مقایسه با بهترین روش‌‌های پیشین، آن‌‌هم در تعداد لایه‌‌ها و نورون‌‌های کمتری دست‌‌یافته‌‌ایم که این امر موجب کاهش زمان اجرای کلی الگوریتم نیز شده است.

جویبارسازی تطبیقی ​​امکان تطبیق نرخ بیت پویا با شرایط مختلف شبکه را فراهم می‌کند تا از کیفیت تجربه کاربران اطمینان حاصل کند. در این مقاله، یک الگوریتم تطبیق نرخ بیت ارائه شده است که نرخ بیت ویدیو را بر اساس سطح بافر پخش و پهنای باند برآورد شده تعیین می‌کند. روش پیشنهادی تغییرات ناگهانی و بزرگ را در سطح کیفیت کاهش می‌دهد و حداقل طول بافر از پیش تعریف شده را برای کاهش احتمال وقوع وقفه، حفظ می‌نماید. روش پیشنهادی در سناریوهای تک مشتری با روش های دیگر مقایسه شد. طبق آزمایشات در شرایط مختلف شبکه، روش پیشنهادی سطح کیفیت بالا همراه با تغییرات آرام‌تر در سطح کیفیت را در مقایسه با روش دیگر ارائه می‌دهد و با حفظ حداقل سطح بافر، تاحد امکان از ایجاد وقفه جلوگیری می‌نماید.

خط تولید نرم‌افزار رویکردی نوین برای توسعه مجموعه‌ای از محصولات متنوع با ویژگی‌های متفاوت است که این تنوع ویژگی‌ها در محصولات قابل ارائه، توسط مدل‌های تغییرپذیری نشان داده می‌شود. حوزه خط تولید نرم‌افزار و تغییرپذیری موضوعات تحقیقات گسترده طی چند دهه گذشته بوده است. در این مقاله تحقیقات سیستماتیکی که تاکنون در این زمینه انجام شده‌اند بررسی شده و بر اساس تجزیه و تحلیل و استفاده از نتایج مبتنی بر شواهد تحقیقات، بهترین و پرکابردترین نحوه مدل‌سازی تغییرپذیری در یک خط تولید نرم‌افزار مشخص می‌گردد. در این راستا ۸۶ مقاله از جنس مروری سیستماتیک مورد بررسی قرار گرفتند. بر اساس تحقیقات انجام شده، مدل‌های تغییر پذیری متعددی وجود دارد که مصنوعات مختلف توسعه را پوشش می‌دهد که از بین آنها "مدل ویژگی" به عنوان مشهورترین مدل برجسته می‌باشد و می‌توان آن را به عنوان یک مدل تغییرپذیری مناسب، به ویژه برای توسعه‌دهندگان و محققان در نظر گرفت.

یکی از محدودیت‌هایی که در بیشتر کارهای موجود در مدل‌کردن زبان‌های طبیعی به چشم می‌خورد، نحوه‌ی واردکردن جنبه‌ی احساسی زبان به متن می‌باشد. با این توضیح که مطالعات موجود عموما به هنگام پردازش یک متن احساسی بر حالت‌های دوگانه‌ی مثبت و منفی و یا یک حالت هیجانی مشخص تمرکز کرده و تنها قادر به تحلیل متن با گونه‌ی احساسی یگانه هستند. این در حالی است که انسان‌ها معمولا احساسات و هیجانات مختلفی را در یک زمان تجربه می‌کنند و این احساسات را در زمان استفاده از زبان گفتار یا نوشتار خود نیز بکار می‌برند. در این پژوهش مساله‌ی تحلیل و پردازش متن با تاکید بر گونه‌های هیجانی-ترکیبی تعریف شده و قطبیت یک واژه‌ی احساسی به‌صورت مقادیری پیوسته و ترکیبی از گونه‌های هیجانی به جای دسته‌های گسسته درنظر گرفته شده است. بر این اساس در این پژوهش مدلی جهت درج احساسی واژه پیشنهاد شده است که با استفاده از اطلاعات واژه‌نامه‌های احساسی، بردار یک واژه احساسی را متناسب با گونه‌های هیجانی-ترکیبی خاصی تولید می‌کند. تحلیل‌های انجام گرفته در این پژوهش شامل تحلیل فضای همسایگی و دسته‌بندی احساسی متن بوده و حاکی از برتری مدل پیشنهادی نسبت به مدل‌های رایج درج واژه می‌باشد.

واقعیت مجازی یک روش جدید برای استفاده از رایانه برای بازسازی دنیای واقعی است. می‌توان واقعیت‌های سخت و صعب‌الوصول را با این تکنولوژی ایجاد کرد و امکان دیدن، شنیدن، لمس کردن و اصلاح آیتم‌های موجود در فضا را به کاربر داد. شرکت‌های بزرگ زیادی در سراسر جهان به طور فعال در استفاده از تکنولوژی واقعیت مجازی برای انواع حوزه های کاربردی از جمله ارتباطات راه دور، سرگرمی، مدیریت تولید و مونتاژ، مراقبت‌های بهداشتی، طراحی دیجیتال و فروش و بازاریابی محصولات مشغول به فعالیت هستند. سیستم‌های جدید VR قابلیت‌های روزافزونی را برای گسترش ادراک، توسعه خلاقیت و تعامل اجتماعی انسان به روشی منحصر به فرد ارائه می‌دهند. هدف از این تحقیق بررسی بیماری اوتیسم (درخودماندگی) در افراد مبتلا به این بیماری و تاثیر واقعیت مجازی در بهبود اختلالات رفتاری بیمار می‌باشد. یکی از روش‌های موثر برای شناسایی و درمان رفتارهای بیماران اوتیسمی استفاده از شبیه‌سازی محیط و قرار دادن فرد در محیط شبیه به محیط واقعی و مطالعه رفتار اوست. برای این منظور از تکنولوژی واقعیت مجازی استفاده می‌شود. در این مطالعه یک سناریوی مشخص رفتاری برای فرد بیمار شبیه‌سازی شده و در چندین مرحله عکس‌العمل‌های بیمار را ثبت کرده و ارزیابی لازم را انجام داده‌ایم و بر اساس نتایج بدست آمده، دسته‌بندی‌های لازم صورت گرفته است.

در صنعت مد و لباس، سامانه‌های توصیه‌گر به کاربران کمک می کند تا اقلامی بیابند که به سلیقۀ آن‌ها نزدیک‌تر است. در این مقاله هدف آن است تا با استفاده از الگوریتم‌های یادگیری ژرف، سامانۀ توصیه‌گری برای لباس طراحی شود تا به کاربران برای خرید مناسب‌تر و به فروشندگان برای فروش بیشتر کمک کند. این سامانه تلاش می‌کند بر اساس شباهت میان لباس‌ها و نیز تحلیل تمایل کاربران، بهترین توصیه را به مشتری ارائه دهد. فرایند توصیه شامل چندین گام است: ابتدا تصویر اولیۀ لباس به متن تبدیل می‌شود و سپس متن تولید شده به فضای تعبیه‌ شده منتقل می‌شود. در ادامه فضای تعبیه‌سازی شده با فضاهای دیگر متون مربوط به لباس مقایسه و بر اساس فاصله، نزدیک‌ترین k متن انتخاب می‌شود. در گام بعد متون برگزیده بر اساس تحلیل نظر کاربران پالایش و در نهایت تصاویر مرتبط با متن نهایی، به کاربر توصیه می‌شود. این روش بر خلاف روش‌های موجود، تنها تصویر را به عنوان ورودی گرفته و متن مرتبط را تولید می‌کند. مزیت این متن آن است که می‌توان هنگام مقایسۀ متون با یکدیگر، تحلیل نظر و تمایل کاربران را هم درنظر گرفت. همچنین روش تبدیل تصویر به متن به سامانه‌ها برای تولید برچسب مناسب برای لباس‌ها کمک می‌کند.