[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
AWT IMAGE اطلاعیه های آموزشی
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۰/۹/۳ - مجید عسگری بیدهندی
۱۴۰۰/۷/۲۶ - محمد شیری


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: زهرا اخگری ::
 | تاریخ ارسال: 1400/6/29 | 

ارائه­ دهنده:

زهرا اخگری

  اساتید راهنما:

 دکتر حسین رحمانی

هیات داوران:
دکتر محمدرضا کنگاوری
دکتر سعید فرضی

زمان:
دوشنبه ۱۴۰۰/۰۶/۲۹


خانم زهرا اخگری دانشجوی کارشناسی ارشد جناب آقای دکتر حسین رحمانی روز دوشنبه ۲۹ شهریور ماه ساعت ۰۹:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "ارائه یک روش بهبودیافته در شناسایی رویداد در توییتر" دفاع خواهند نمود.

چکیده پایان نامه:
 با گسترش اینترنت و گوشی­ های هوشمند، استفاده از شبکه های اجتماعی به عنوان یک ابزار ارتباطی قوی میان افراد جوامع مختلف رواج یافته ­است. شبکه ­های اجتماعی، کاربران را قادر می ­سازند تا محتواهای متنوعی همچون متون کوتاه، پیوندها، ویدیوها وتصاویر را در میان شبکه ­ای از دنبال­ کنندگان خود به اشتراک بگذارند. توئیتر، یکی از محبوب­ ترین و پرجمعیت­ ترین شبکه­ های اجتماعی است که به سرعت رشد کرده ­است. کاربران توئیتر، در طول روز پیام­های متعددی را توئیت می­کنند که این پیام­ها حاوی اتفاقات روزمره زندگی شخصی آن­ها تا اخبار و وقایع مهم جهان می­شود. در بیشتر موارد، رویدادها و اخبار قبل از پوشش توسط رسانه­ های خبری، در توئیتر منتشر می­شوند. شناسایی این رویدادها و وقایع، موضوعی چالش­ برانگیز در حوزه­ ی متن­ کاوی است که توجه محققان زیادی را به خود جلب کرده­ است.
یادگیری عمیق زیر شاخه­ای از یادگیری ماشین است که سعی دارد بر مبنای مجموعه­ ای از الگوریتم­ها، مفاهیم انتزاعی سطح بالا را از داده ­ها استخراج کند. این فرآیند با استفاده از یک شبکه­ ی عصبی عمیق صورت می­گیرد که دارای چندین لایه تبدیلات خطی و غیرخطی است. استفاده از یادگیری عمیق در متن، می­تواند بسیاری از مسائل پردازش زبان طبیعی را آسان­ تر پاسخ دهد. هدف این پژوهش، شناسایی رویدادهای شبکه اجتماعی توئیتر با کمک یادگیری عمیق است؛ بدین منظور، دو مدل پیشنهادی بر مبنای یادگیری عمیق ارائه دادیم. مدل پیشنهادی اول (Sem-DED) شامل دو بخش شناسایی رویداد در توئیتر و انطباق خبر با رویدادهای حاصل است. در بخش شناسایی رویداد، ابتدا به پیش‌پردازش متن و استخراج تعبیه‌های آن‌ها می‌پردازیم. از بردار نهایی توئیت به عنوان ورودی الگوریتم HDBSCAN استفاده می‌شود تا موضوعات توئیت‌ها شناسایی شود. ارزیابی نتایج حاصل از خوشه‌بندی نشان می‌دهد که روش پیشنهادی نسبت به دیگر پژوهش‌های مبتنی بر موجودیت، بهبود حداقلی ۸ درصد و بهبود حداکثری ۳۲ درصد در معیار F-score داشته‌است.
در مدل پیشنهادی دوم (DeepGraph)، یک روش گرافی برخط مبتنی بر یادگیری عمیق برای شناسایی رویدادها ارائه شده‌است. در این روش، توئیت‌ها گره‌های گراف هستند، در صورتی که دو توئیت، حداقل یک موجودیت اسمی مشترک داشته باشند، شباهت معنایی با کمک معیار WMD محاسبه می‌شود و در صورتی که مقدار آن‌ها بیشتر از یک مقدار آستانه باشد، یالی میان آن‌ها تشکیل می‌شود. سپس از یک الگوریتم شناسایی جوامع برخط حریصانه و LDA برای شناسایی رویدادها استفاده می‌شود. نتایج ارزیابی نشان می‌دهد که نسبت به سه پژوهش مبتنی بر موجودیت بهبود حداقلی ۱ درصد و حداکثری ۲۵ درصد در معیار F-score داشته‌ایم.
واژه‌های کلیدی: توئیتر، اخبار، شناسایی رویداد، یادگیری عمیق، Sentence Transformer، UMAP.
 


"دفاع به‌صورت آنلاین برگزار می‌شود"
  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی
دفعات مشاهده: 661 بار   |   دفعات چاپ: 73 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
Persian site map - English site map - Created in 0.17 seconds with 54 queries by YEKTAWEB 4351