eitaa logo
مهارت پژوهشگری
10.7هزار دنبال‌کننده
1.3هزار عکس
407 ویدیو
216 فایل
🧕کاویانی هستم؛دکتری تعلیم‌‌و‌تربیت، کارشناسی‌ارشدتربیت اسلامی،سطح‌ سه تفسیروعلوم قرآنی 🟡اینجا یادمی‌گیری چطور یه #پژوهشگر‌حرفه‌ای بشی 🟣جزوه پایان‌نامه‌/رساله نویسی با هوش‌مصنوعی👇 pajohesh-esfahan.ir/?p=11055" rel="nofollow" target="_blank">https://pajohesh-esfahan.ir/?p=11055 pajohesh-esfahan.ir ⛔️کپی ممنوع
مشاهده در ایتا
دانلود
✦﷽؛✦ 🟥 عرض سلام و ادب خدمت اعضای محترم و گرامی کانال مهارت پژوهشگری ✨خوش آمدید.✨ 🟩 لطفا برای دسترسی سریع و آسان و کامل به مطالب کانال در ارتباط با یک موضوع، هشتگ های مدنظرتون رو از لیست زیر پیدا و اون ها رو دنبال کنین.👇 🟧 این فهرست به مرور کامل میشه. ❌ کپی از مطالب کانال جایز نیست. @pajohesh_esfahan ••✦•┈┈┈••❅✾❅••┈┈┈•✦••
🌙﷽؛ ☄ عرض سلام و ادب خدمت پژوهشگران گرامیو سلام ویژه خدمت پژوهشگرانی که تازه به جمع ما پیوسته اند: 💫 قبل تر، در سه پست، داده کاوی را توضیح داده و گفتیم که داده کاوی چیست و چرا اهمیت دارد 👇 ☄ در پست اول مشخص شد ↩️ داده کاوی در راستای بررسی و تحلیل داده‌ها و کشف روابط و الگوهای میان آن‌هاست و از سه گام اصلی *پیش‌پردازش داده، تحلیل داده و ترجمه نتایج* تشکیل شده است. ☄ در پست دوم باز مرور شد که ↩️ داده کاوی (Data Mining) به زبان ساده یک روش حل مسئله است که با تحلیل حجم زیادی از داده ها، الگوهای تکرارشونده ای را از آن‌ها استخراج می‌کند تا قابل استفاده شوند. ☄ و پست سوم به این مطلب اختصاص داشت که ↩️ داده کاوی در هر زمینه ای که به آن نیاز است، می‌تواند کاربرد داشته باشد: مثل تحقیقات جنایی و جرم شناسی، آموزش، مدیریت ارتباطات مشتریان، سلامت عمومی بانکداری و ... 💫 و حال می خواهیم فرق داده کاوی با متن کاوی را بررسی کنیم و اینکه متن کاوی چیست و یک پژوهش چه ارتباطی با آن دارد!؟؟ 💢💯ادامه دارد... ┏━━ °•🖌🏷🖍•°━━┓ 🗂@pajohesh_esfahan ┗━━ °•🖍🏷🖌•°━━┛
📝 متن کاوی چیست؟ 🖍متن کاوی اصطلاحی است که به فرایند تحلیل و کاوش متن، نسبت داده می شود. 🖌 داده ها انواع مختلفی دارند. برخی به شکل اعداد، تصویر، صوت و برخی هم به صورت متن هستند. 😳 🗂 طبق گزارشی ۸۰ درصد داده های موجود در سراسر دنیا به صورت ♡متن♡ هستند. 🧐 هر روز که شما متنی را می نویسید و در دنیای وب منتشرش می کنید، در واقع به داده های موجود داده ای دیگر اضافه می کنید. در نتیجه حجم داده های موجود در وب، روز به روز در حال افزایش است. 🧑‍💻 🖍 ذخیره سازی، پردازش و تحلیل این حجم از اطلاعات تبدیل به چالشی شده است. 😵‍💫 🖌در ضمن سازمان ها و افراد مختلفی وجود دارند که داده های متنی بسیاری را تولید می کنند. 🗂 ولی.... چگونه می توان این حجم از داده ها را مدیریت کرد؟! چگونه می توان اطلاعات مفیدی از این داده های متنی بی شمار بدست آورد؟ آیا این داده ها ارزشی دارند؟ آیا همین اطلاعات هستند که به درد مقاله و پایان‌نامه می خورند!!؟؟ ☠ 👻 ✂️ متن کاوی (text mining) فناوری مورد استفاده برای چنین مواردی است. 🤷‍♂ 🖍 با تکنیک های متن کاوی می توانید داده های متنی را بررسی و تحلیل کنید و از نتایج حاصل از این تحلیل، اطلاعات ارزشمندی کسب نمایید. 👈 در واقع داده های متنی هیچ گونه ارزشی ندارند مگر اینکه متن کاوی شوند. 🥸 👌 🖌 متن کاوی به شناسایی الگوها، کلمات کلیدی، موضوعات و دیگر ویژگی های موجود در یک متن می پردازد. 🥶 ✂️ پس متن کاوی، زیر مجموعه ای از داده کاوی ست! 👌 اما ... چگونه باید متن کاوی کرد!؟؟ متن کاوی یک روش است یا یک هنر یا یک مهارت!!؟؟ 💢💯ادامه دارد... ┏━━ °•🖌🏷🖍•°━━┓ 🗂@pajohesh_esfahan ┗━━ °•🖍🏷🖌•°━━┛
؛༻♡﷽♡༻ 🖍 چرا باید با اصطلاح متن کاوی آشنا باشیم!؟ ✂️ در چند پست توضیح دادیم که داده کاوی چیست و به چه کار یک پژوهشگر می آید و در پست بعد، خدمت شما بزرگواران کمی از متن کاوی گفتیم که زیر شاخه ای از داده کاوی ست! 🖍 خوب است بدانید ما چند نوع داده یا اطلاعات داریم؛ داده ها 👇 ♧ یا به صورت ساخت یافته (structured) ♧ یا نیمه ساخت یافته (semi-unstructured) ♧ و یا غیر ساخت یافته (unstructured) هستند. ✂️ داده های ساختار یافته همان داده هایی هستند که داخل فایل های اکسل یا دیگر فایل ها به صورت فیلدهای مختلف در سطرها و ستون های جدول می نویسید و قرار می دهید. 🖍 داده ی نیمه ساخت یافته در فايل جدولی مشخص نشده، اما به هر حال دارای ساختاری است که با برچسب هایی از یکدیگر جدا شده اند. ✂️ اما داده های بدون ساخت یافته فرمت مشخصی ندارند. شما نمی توانید آن ها به عنوان یک فیلد اطلاعاتی در سطرها و ستون های جداول جای دهید. متن یک نامه یا یک صفحه از روزنامه یا کتاب، از این نوع داده است. ⛔️ 🖍حتما تا اینجا حدس اید که داده های متنی از چه نوع داده هایی هستند. متن ها از نوع داده های بدون ساختار یافته اند. 🛎 حال...متن کاوی چگونه کار می کند و چرا یک پژوهشگر باید با این شیوه آشنا باشد؟ ✂️ «متن کاوی یا همان پردازش داده های متنی، در واقع فرایند استخراج اطلاعاتِ با کیفیت، از هر گونه متن است». دقت کنید در این تعریف به این نکته اشاره شده است که: “یک پژوهشگر با پردازش داده های بدون ساختار، اطلاعات معنی داری را از متون استخراج می کند.” 🖍 یک پژوهشگر برای متن کاوی 👈 ابزارهای بازیابی اطلاعات، داده کاوی، یادگیری ماشین، آمار و زبان شناسی محاسباتی و ... را بکار می گیرد تا اطلاعات موجود در متن ها را استخراج کرده و در تحقیق و پژوهش خود استفاده کند.  💢💯 ادامه دارد... ┏━━ °•🖌🏷🖍•°━━┓ ✂️ @pajohesh_esfahan ┗━━ °•🖍🏷🖌•°━━┛
؛༻♡﷽♡༻ 🛠اگر آخرین پست مربوط به متن کاوی را مشاهده کرده باشید حتما به خاطر دارید که گفتیم آشنایی با متن کاوی چه ضرورتی برای یک پژوهشگر دارد! 👌 ⚙️در این پست و در ادامه، تعدادی از تکنیک هایی که در متن کاوی مورد استفاده قرار می گیرند را بررسی می کنیم. 🔋دسته بندی متون 🛠یکی از تکنیک‌های متن کاوی، دسته‌ بندی متن ها هستند. در این فرایند متن های به دست آمده از تحقیقات اولیه، به دسته های از پیش مشخص شده اختصاص داده می شوند. فرض کنید تعدادی متن دارید که موضوع هر یک مشخص است. حال متن جدیدی به این متن ها اضافه می شود. با استفاده از الگوریتم های دسته بندی و همچنین داشتن متن های با موضوع مشخص می توان، موضوع متن جدید را پیدا کرد. مثلا تعدادی نظر در مورد فضای مجازی داریم. برخی نظرات نسبت به این فضا مثبت هستند و برخی دیگر منفی.🔞 با استفاده از تکنیک های دسته بندی می توانید، این نظرات را در دسته های مثبت و منفی دسته بندی نمایید. 🔋استخراج اطلاعات 🛠این تکنیک، به فرایند استخراج اطلاعات معنی دار از مقادیر زیاد داده های متنی اشاره دارد. این روش بر روی استخراج اسامی، ویژگی ها و ارتباط آن ها تمرکز دارد. اطلاعات استخراج شده برای دسترسی و بازیابی در آینده، در یک پایگاه داده ذخیره می شود. اثر بخشی و کارایی نتایج بر اساس دقت و صحت آن ها مورد ارزیابی قرار می گیرد. فرض کنید برای یک تحقیق، نیاز باشد اسامی دسته ای از انسان های مرتبط با فضای مجازی، صفات و دیگر ویژگی های این فضا استخراج شود،🚸 با این تکنیک می توان این موارد را استخراج کرد. موتور جستجوی گوگل و یاهو دو تا از مشهورترین سیستم های استخراج اطلاعات هستند. 🔋خوشه بندی 🛠یکی از مهم ترین تکنیک های متن کاوی خوشه بندی است که به دنبال شناسایی ساختارهای درونی در اطلاعات متنی و سازماندهی آن ها در گروه ها یا همان خوشه هاست🍇 تا بتوان آن ها را تجزیه و تحلیل کرد. یکی از چالش های مهم در خوشه بندی، تشکیل خوشه های معنی دار از داده های متنی بدون برچسب و داشتن اطلاعات قبلی در مورد آن هاست. 🔋خلاصه سازی 🛠خلاصه سازی متن اشاره به پردازش خودکار داده ها برای تولید یک متن خلاصه دارد که شامل اطلاعات ارزشمند برای کاربر است.✂️ هدف از این کار، دریافت اطلاعات متنی از چند منبع و خلاصه سازی آن بگونه ای است که مفهوم کلی و منظور متن حفظ شود. 🔋فرکانس کلمات 🛠این تکنیک برای یافتن کلمات پر تکرار در یک متن به کار می رود. این تکنیک می تواند برای موارد متعددی مفید باشد. یک مثال از این کاربرد وقتی است که بیشترین تعداد تکرار کلمات در متن مورد نظر مورد جستجو قرار می گیرد.🗂 مثلا محقق می خواهد بداند واژه "هدایت" چند بار در قرآن به کار رفته است. 💯ادامه دارد... ┏━━ °•🛠⚙️🛠•°━━┓ 🔋@pajohesh_esfahan ┗━━ °•🛠⚙️🛠•°━━┛