مدیریت ارتباط با شهروند یکی از مباحث اصلی در مدیریت دولتی نوین محسوب شده و از اهمیت بسیاری برخوردار است. اما با وجود اهمیت این موضوع، پژوهش قابل توجهی در زمینه کاربرد مدیریت ارتباط با مشتری در حوزه خدمات عمومی انجام نشده و بیش تر در حوزه معمول خود در بخش خصوصی مورد توجه قرار گرفته است. در مدیریت ارتباط با شهروند تمرکز اصلی بر شهروند محوری است و بهبود خدمات رسانی و پاسخ گویی به شهروندان بر اساس نیازهای ایشان، هدف اصلی محسوب می شود. در واقع درک درست از نیازها و خواسته‏های گروه های مختلف شهروندان و ارائه خدمات متناسب با این خواسته‏ها، موضوعی است که باید مورد توجه قرار گیرد. در این راستا، استفاده از تکنیک‏ها و ابزارهای داده‏کاوی می‏تواند بسیار مثمر ثمر واقع شود. داده‏کاوی به سازمان‏های مربوطه از جمله شهرداری‏ها کمک می‏کند تا شناخت درستی نسبت به مشتریان خود کسب کنند و از این شناخت در راستای ارائه خدمات بهتر به شهروندان بهره‏مند شوند. در واقع تقسیم‏بندی شهروندان با توجه به نیازهای آنها، کمک خواهد کرد تا کاراترین و موثرترین خدمات به هر گروه ارائه شود. هدف این تحقیق، بررسی کاربرد تکنیک های داده کاوی در شناسایی نیازها و مشکلات شهری است. کاربرد تکنیک های داده کاوی در مدیریت ارتباط با شهروند در حوزه خدمات شهری از سویی و مدیریت ارتباط با مشتری در حوزه خدمات عمومی از طرف دیگر، نوآوری اصلی این تحقیق محسوب می شود. مورد مطالعه، سامانه مدیریت شهری 137 شهرداری تهران است که مرکز هدایت و کنترل، ساماندهی و رسیدگی به معضلات و مشکلات شهری است و پل ارتباطی بین شهرداری و شهروندان محسوب می شود. پایگاه داده مربوط به این سامانه، حاوی اطلاعات مفیدی در مورد خدمات ارائه شده به شهروندان است و می‏تواند به عنوان منبعی مهم و مناسب برای شناسایی مشکلات و نیازهای شهروندان و مدیریت روابط تحلیلی با شهروند مورد کاوش قرار گیرد. در این تحقیق از یک روش ترکیبی مبتنی بر تکنیک های خوشه بندی و قوانین باهم آیی استفاده شده است. به این صورت که ابتدا با استفاده از الگوریتم k-means، الگوهای موجود در فراوانی و بازه زمانی وقوع مشکلات شناسایی شده و بر اساس نتایج به دست آمده، یک دسته بندی جدید از مشکلات ارائه شده است. سپس با استفاده از الگوریتم apriori، الگوهای پر تکرار موجود در بازه های زمانی- مکانی وقوع دسته های مختلف و همچنین الگوهای پر تکرار موجود در وضعیت رضایت مندی شهروندان در گروه های مذکور به دست آمده و بر مبنای نتایج به دست آمده، پیشنهاداتی در راستای ارائه بهتر خدمات شهری ارائه شده است. لازم به ذکر است که در تعریف متغیرهای فراوانی، بازه زمانی و رضایت مندی از تئوری rfm ایده گرفته شده که یکی از نوآوری های این تحقیق محسوب می شود. همچنین بر اساس مشخصه های مذکور، یک مدل کلی تحت عنوان ftis ارائه شده که می تواند در موارد مشابه در شناسایی نیازهای مهم و اولویت دار در مدیریت ارتباط با مشتری در حوزه خدمات عمومی مورد استفاده قرار گیرد. علاوه بر رویکرد کلی مذکور مسئله دیگری که در این تحقیق مورد بررسی قرار گرفته، کشف هم زمانی وقوع مشکلات است. در این راستا از یک روش پیشنهادی دو مرحله ای از الگوریتم apriori استفاده شده که می تواند در موارد مشابه نیز مورد استفاده قرار گیرد. همچنین می توان از روش ارائه شده برای کشف باهم آیی مقادیر یک مشخصه بر حسب یک مشخصه دیگر در مواردی که تعداد مشخصه ها زیاد است، استفاده نمود. روش ارائه شده تعداد فیلدها را تا حد نسبتاً زیادی کاهش داده و ما را به سمت الگوهای جالب توجهی از بین هزاران الگو رهنمون می سازد که می تواند در شناسایی زمینه های بروز مشکلات مثمر ثمر واقع شود. یکی از نتایج اصلی این تحقیق، پاسخ گو بودن رویکرد crm و کاربرد تکنیک های داده کاوی در مدیریت ارتباط با شهروند در حوزه خدمات شهری است. به عبارتی ترکیب این دو ابزار منجر به نتایجی شد که می تواند در بهبود ارائه خدمات شهری موثر واقع شود. همچنین از آنجایی که سازمان های خدمات مدار در بخش عمومی از لحاظ اهداف و خدمات ارائه شده به مشتریان، سیستم های اطلاعاتی، پایگاه های داده، تجهیزات و سایر موارد، کم و بیش دارای ویژگی های مشابهی هستند، رویکرد و متدلوژی مورد استفاده در این تحقیق می تواند در سازمان های مشابه دیگر نیز مورد استفاده قرار بگیرد.

امروزه سازمانها تلاش می کنند تا از فنّاوری اطلاعات برای خدمات رسانی بهتر به جامعه استفاده کنند. از آنجا که شهرداریها، بخش عمده ای از فعالیت سازمانها را در مدیریت شهر عهده دار هستند می توانند نقطه آغاز رسیدن به جامعه اطلاعاتی باشند. از این رو تشخیص موقعیت فعلی سازمان شهرداری مستلزم طراحی مدلی خاص برای اندازه گیری موقعیت آن در عرصه جامعه اطلاعاتی است که از دید سیستمی به آن آمادگی الکترونیکی شهرداری می گویند. برای تحقق آمادگی الکترونیکی شهرداری لازم است ابعاد مختلف آمادگی مورد بررسی و ارزیابی قرار گیرد. در این تحقیق با ارزیابی مدلهای مختلف و با اتکاء بر مطالعات تطبیقی و تحلیل اطلاعات حاصل از مطالعات ملی و نیز نتایج نظرسنجی از خبرگان، چهارچوب مفهومی جامعی متشکل از سه بعد آمادگی شامل:"آمادگی سخت"، "آمادگی نرم" و "آمادگی نظارت، هماهنگی و پشتیبانی" طراحی شد، هر یک از این ابعاد در مجموع سیزده شاخص اصلی شامل: نظام سیاستگذاری، مدیریت، استاندارد، محتوا، قوانین ومقررات، منابع مالی، منابع انسانی، فرهنگ، امنیت، تجهیزات سخت افزاری، شبکه ارتباطی، نظارت و پشتیبانی را در بر می گیرند. نکته مهم در طراحی این مدل، تأکید بر این نکته است که از دید صاحبنظران و خبرگان عرصه شهرداری الکترونیکی ، حرکت به سمت تحقق شهرداری الکترونیکی مستلزم توجه همه جانبه به تمامی وجوه ابعاد فوق است. در انتهای این پژوهش ، به منظور تعیین وزن دقیق تر هر یک از شاخصها و نشانگرهای مدل، از روش فازی استفاده شد. در نهایت با تعیین وزن هر یک از شاخصها و نشانگرهای مدل با استفاده از روش فازی و تهیه معیاری کمی، نسبت به سنجش میزان آمادگی الکترونیکی شهرداری تهران برای ورود به عرصه جامعه اطلاعاتی اقدام شد.

افزایش دقت در شناخت گروه های مختلف اهداکنندگان خون و کمک به تشخیص بهتر رفتار آنان و تعیین بهترین گروه اهداکننده به منظور جذب آنها، از ملزومات سازمان انتقال خون می باشد. این تحقیق با استفاده از تکنیک قوانین انجمنی در داده کاوی سعی در شناسایی فاکتورهای تاثیرگذار نظیر وضعیت تاهل، سن، میزان تحصیلات، نوع شغل و سطح درآمد افراد در شناسایی افراد مستمر و تشخیص سالم ترین گروه افراد برای اهدا خون، را دارد. الگوریتم مورد استفاده در این تحقیق apriori است. در این تحقیق، بررسی قوانین و الگوهای پنهان در 4 نوع عامل اصلی مردودی برای اهدا خون انجام شد. این 4 عامل شامل رفتار پرخطر، فشارخون، کم خونی و بیماری های خونی است. بررسی های علمی بر روی اهداکنندگان نشان داده است که سالم ترین و قابل اعتمادترین خون ها از اهداکنندگان داوطلب به ویژه اهداکنندگان مستمر دریافت می گردد. همچنین سالم ترین گروه افراد در جامعه آگاه ترین آنها هستند. بدین معنا که افزایش سطح تحصیلات در بین افراد جامعه و اطلاع رسانی به آنان در جلسات مشاوره در حین اهدا خون، جهت آگاهی در حفظ سلامت اهداکنندگان باعث رشد سطح سلامت در افراد جامعه می شود. زیرا طبق نتایج بدست آمده از این تحقیق کمترین میزان معافیت در اهدا در بین دو گروه دیده می شود، یکی اهداکنندگان دارای تحصیلات بالا و دیگری افرادی که به دفعات اقدام به اهدای خون کرده اند. همچنین بیشترین گروهی از افراد جامعه که در معرض فشارخون، کم-خونی، بیماری های خونی و رفتارهای پرخطر قرار گرفته اند مشخص شده و نتایج مطلوبی از آن بدست آمد.

هدف این تحقیق شناسایی و ارزیابی ویژگی های کلیدی crm در شبکه بانکی کشور می باشد. در راستای تحقق این هدف، رویکرد اکتشافی را برای شناسایی ویژگی های کلیدی و عوامل ارزیابی کارایی crm اتخاذ کردیم. بر اساس مطالعات انجام شده، عناصر کلیدی crm، عواملی هستند که برای موفقیتcrm ضروری هستند. کارایی crm نیز از طریق عوامل ارزیابی کارایی آن سنجیده می شود. بر اساس عوامل به دست آمده، مدل مفهومی تحقیق طراحی شد.پس از طرح ریزی مدل مفهومی، تحقیق کمّی به منظور توضیح ارتباطات متغیرهای مدل انجام شد. بر این اساس، جمع‎ آوری داده از طریق پرسشنامه انجام گرفت. پس از حذف پرسشنامه های ناقص، 87 نمونه بررسی و آنالیز شد. مدل مفهومی به دست آمده ، مدلی را مشتمل بر 2 متغیر پنهان و 11 متغیر مشاهده شده ارزیابی می کند. از این مدل به منظور آنالیز اثر قدرت crm بر کارایی آن در بانک ها استفاده گردید. نتایج به دست آمده(با استفاده از نرم افزار لیزرل و آنالیز فاکتور تأییدی) نشان داد که قدرت crm رابطه مثبتی با تمام عناصر کلیدی آن دارد. فرآیند، مدیریت تغییرات، افراد و تکنولوژی اطلاعات همبستگی زیادی با قدرت crm دارند. از طرف دیگر، موفقیتcrm همبستگی مثبت بالایی با تمام شاخص های ارزیابی کارایی آن دارد. از میان کلیه شاخص ها، عملکرد درون گرا بیشترین همبستگی را با موفقیتcrm دارد. همچنین این مدل نشان می دهد که قدرتcrm بطور چشمگیری موفقیت آن را افزایش می دهد. لذا با توجه به نتایج فوق، می توان استفاده از crm را بعنوان ابزاری برای افزایش کارایی و بهبود وضعیت بازار به بانک های مورد مطالعه توصیه کرد.

با رشد سریع شبکه اینترنت و گسترش اطلاعات موجود در آن، حجم اطلاعات موجود در وب بیشتر از حد توانایی کاربران در مدیریت، جذب و به روز نگهداری اطلاعات است. یکی از راه حل های این مشکل، سیستم های شخصی ساز و پیشنهادگر هستند. سیستم های پیشنهادگر یا از نظرات گروهی از کاربران استفاده می کنند تا اینکه به طور موثرتر به افراد در آن گروه کمک کنند تا اقلام مورد علاقه شان را از یک مجموعه بسیار عظیم از انتخاب ها شناسایی کنند. در سال های اخیر وبلاگ های تبدیل به رسانه اجتماعی برجسته ای بر روی اینترنت شده اند که به سرعت کاربران را قادر می سازند تا محتوا را بر روی وب منتشر کنند که شامل اندیشه های کاملاً شخصی می باشد. راحتی انتشار مطالب به همراه میل و اشتیاق برای گسترش افکار، عاملی مهم برای رشد سریع و مداوم وبلاگ ها شده است. در حال حاضر بیش از صدها میلیون وبلاگ در سراسر جهان وجود دارند که به سرعت بر تعداد آن ها افزوده می شود. از آنجا که هر وبلاگ می تواند پیوندهایی به صفحات وب و یا سایر وبلاگ های دیگر داشته باشد، ساختار پیوند وبلاگ ها می تواند به عنوان یک شبکه اجتماعی در نظر گرفته شود. در طی سال های اخیر وب رشد بسیار زیادی را در استفاده از وبلاگ ها مشاهده کرده است. با توجه به حجم اطلاعات بالا در وبلاگ ها، بلاگر های برای یافتن اطلاعات مورد نظر و پیدا کردن وبلاگ هایی با افکار و تمایلات مشابه، دچار مشکل هستند. بنابراین با توجه به انبوه اطلاعات برای وبلاگ ها، وجود یک سیستم پیشنهادگر کاملاً ضروری به نظر می رسد. در این فصل کلیات تحقیق ارائه می شود. در ابتدا مسئله مورد بررسی و موضوع اصلی تحقیق را تعریف کرده و به بیان ضرورت، اهداف و سوالات تحقیق می پردازیم. پس از آن به صورت خلاصه روش تحقیق را مرور کرده و قلمرو تحقیق، سابقه تحقیقات موجود، محدودیت ها و کاربردهای تحقیق را بیان می کنیم. نهایتاً هم ساختار کلی پایان نامه ارائه می گردد.

سرطان، یکی از دلایل اصلی مرگ در سراسر جهان است. در این بیماری، سلول های بدن به صورت غیر قابل کنترل رشد می کنند. گروهی از سلول هایی که به سرعت تکثیر شده اند، ممکن است یک توده، جرم یا بافت اضافی ایجاد کنند. این توده ها، تومور نامیده می شوند. توده ها می توانند سرطانی یا غیرسرطانی باشند. سرطان سینه، دومین عامل مرگ زنان است. این بیماری در میان مردان و زنان دیده شده، گرچه موارد ابتلا در میان مردان نادر است. در ایران نیز سرطان سینه، شایع ترین سرطان در میان زنان است. البته میزان ابتلا به این بیماری در ایران، بسیار کمتر از آمریکا و سایر کشورهای اروپایی است. همچنین سن ابتلا به این بیماری در ایران، نسبت به کشورهای توسعه یافته، یک دهه پائین تر است. فاکتور اصلی در کاهش مرگ و میر ناشی از این بیماری، تشخیص سریع و صحیح است. در این تحقیق، یک سیستم رده بندی ارائه شده که می تواند در تشخیص تومور به پزشکان کمک کند. به علت چند رده ای و نامتوازن بودن داده های مورد استفاده در این تحقیق، رهیافت جدیدی برای یادگیری در داده های چند رده ای و نامتوازن ارائه شده است. حساسیت سیستم رده بندی ارائه شده، 86.53 درصد و دقت آن، 89.25 درصد می باشد. همچنین در این تحقیق با استفاده از الگوریتم apriori، به شناسایی عوامل موثر در بروز توده های خوش خیم و بدخیم پرداخته شده و عوامل افزایش سن، منارک زودرس، یائسگی دیررس، داشتن سن بالا هنگام اولین بارداری، سابقه ی طولانی مدت مصرف قرص های ضدبارداری، چاقی، نداشتن سابقه ی بارداری، زایمان و شیردهی و تعداد دفعات شیردهی بالا، به عنوان عوامل موثر در بروز توده، شناخته شده اند. اگر چه بیشتر این عوامل قبلا به عنوان فاکتورهای خطرزا در بروز سرطان سینه معرفی شده بودند، فاکتور تعداد دفعات شیردهی بالا، در این مطالعه به عنوان یک فاکتور خطرزا تعیین گردیده که با یافته های محققان قبلی در تعارض می باشد. این مسئله می تواند به دلیل تعداد بسیار اندک نمونه های مبتلا به تومور بدخیم باشد.

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده های ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. داده کاوی یکی از مهم ترین روش های کشف دانش است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا بر اساس آن ها تصمیمات مهم و حیاتی در سازمان ها اتخاذ شوند. داده کاوی را تحلیل گران با اهداف گوناگونی از قبیل رده بندی، پیش بینی، خوشه بندی، تخمین انجام می دهند. در این پروژه نشان می دهیم که می توان با استفاده از داده های ثبت شده موجود و روش های خوشه بندی، دانشجویان هم رفتار را خوشه بندی نمود و با استفاده از روش های پیش بینی می توان برای مراکز آموزشی پیش بینی پهنای باند مورد نیاز را انجام داد. در این پایان نامه در ابتدا تعریف مساله و اهداف آن مورد بررسی قرار گرفته سپس در فصل دوم به کارهای قبلی انجام شده در این زمینه اشاره شده که در دو قسمت پژوهش های داخلی و خارجی می باشد. بیشتر تحقیقات صورت پذیرفته به صورت وبکاوی بر روی داده های حاصل از بازدید از یک سایت، پیش بینی موارد مورد نیاز در آینده و همچنین ارائه سیستم های پیشنهاد دهنده بوده است. در قسمت بعد متدلوژی مورد استفاده اشاره می شود. در مراحل بعدی آماده سازی داده ها که بسیار وقت گیر بود صورت می پذیرد، الگوریتم های پیشنهادی روی پایگاه داده دانشگاه پیام نور استان قم مورد آزمایش قرار می گیرد. نتایج کار توسط ابزار های مرسوم اعتبار سنجی مانندsse و silhuette در بخش خوشه بندی و معیار بازخوانی (sensitivity) و دقت(specificity) در قسمت پیش بینی اعتبار سنجی شده و ارائه می گردد. در نهایت در فصل آخر چار چوب کلی تحقیق و پیشنهادهایی برای آینده مورد بررسی قرار می گیرد.

به جهت اهمیت مسئله تبلیغ دینی در ایران و نقش موثر آن در تعالی فرهنگ و اطلاعات اسلامی افراد جامعه و بهره وری هر چه بیشتر از طلاب علوم دینی در جهت نشر و گسترش معارف دینی مراکز متعددی امر اعزام طلاب و روحانیان جهت تبلیغ را به عهده دارند. اما با گستردگی عرصه تبلیغ دینی در اقصی نقاط ایران، تنوع فراوان نیازهای تبلیغی، شمار رو به افزایش مبلغان و مکان های تبلیغی، از یک سو مبلغان برای یافتن مکان تبلیغی متناسب دچار سردرگمی هستند، از سوی دیگر روش های دستی و سنتی اعزام مبلغ به دلیل کندی، عدم دقت و عدم جامعیت دیگر پاسخگوی نیاز مدیران اعزام نیست. بنابراین نیاز به سیستم هوشمندی است که هم بتواند مبلغان را در امر انتخاب مکان مناسب یاری رساند و هم موجب بهبود و ارتقا برنامه های اعزام گردد. سیستم های پیشنهاددهنده راه حل مناسبی برای این مسئله می باشند. در این پژوهش سعی بر این است که با مطالعه ی سیستم های پیشنهاددهنده موجود در زمینه های مختلف، یک سیستم پیشنهاددهنده جهت پیشنهاد مکان تبلیغی به مبلغ ارائه شود. در این راستا در این پایان نامه ابتدا سه سیستم پیشنهاددهنده مکان تبلیغی (مبتنی بر کاربر، مبتنی بر آیتم و مبتنی بر داده های شخصی) طراحی و بر روی مجموعه داده ی مورد مطالعه ارزیابی می شود. بررسی نتایج نشان از عملکرد مطلوب سیستم های پیشنهادی دارد. با این وجود، هر یک از سیستم ها با مشکلاتی چون مقیاس پذیری یا مشکل کاربر جدید روبرو هستند. بنابراین در تلاش های بعدی به منظور حل این مشکلات به سراغ روش های ترکیبی می رویم. ابتدا یک روش مرکب از پالایش مشارکتی و پالایش مبتنی بر داده های شخصی ارائه می شود. این روش اگر چه مسئله ی کاربر جدید را حل می نماید اما هیچ راه حلی برای مسئله ی مقیاس پذیری ندارد. در روش دیگر ترکیبی از خوشه بندی و پالایش مشارکتی ارائه می شود. این روش برخلاف روش پیشین مشکل مقیاس پذیری را حل می نماید اما پاسخی برای مسئله ی کاربر جدید ندارد. در پایان روشی جدید مرکب از روش-های قبلی ارائه می شود که قادر به حل هر دو مسئله ی مقیاس پذیری و کاربر جدید است. هر کدام از روش های ذکر شده بر روی داده های سامانه ی مدیریت تبلیغات اسلامی دفتر تبلیغات اسلامی حوزه ی علمیه قم (سمتا) با انجام آزمایش های تجربی مختلف، آزموده شده است. بررسی نتایج، عملکرد قابل قبولی را برای سیستم های پیشنهادی در پیش بینی علایق مبلغان و ارائه ی پیشنهاد به آن ها نشان می دهد.

پیش بینی اولیه و درست عوارض مادر بعد از زایمان، یکی از مسائل مهم برای مادران و متخصصین زنان می باشد. اگر چه عوامل بسیاری که بر روی عوارض مادر تاثیر دارند، شناخته شده است اما شناخت عوارض به طور شهودی و مستقیم برای بهینه سازی میزان موفقیت هر مادر برای متخصصین زنان مشکل است. این پایان نامه روش های هوشمند ترکیبی (تجمیع انتخاب ویژگی و الگوریتم apriori) که برای کاوش دانش داده های مامایی است، ارائه می دهد. روش پیشنهاد شده نه تنها به متخصصین زنان در پیش بینی عوارض مادر کمک می کند بلکه دانش مفیدی است که می تواند به متخصصین زنان برای سازماندهی عوارض مادر به منظور بهبود میزان موفقیت زایمان هر مادر کمک نماید. مهمترین ویژگی ها برای ارزیابی زایمان (نظیر : سن مادر، نوع زایمان، مدت درد زایمان و تعداد زایمان قبلی و غیره) و روابط ترکیبی آنها (که به صورت قوانین اگر- آنگاه ارائه شده است). در این پایان نامه، مسئله یادگیری داده های به شدت نامتوازن، مورد مطالعه قرار گرفته است. روش های رده بندی سنتی، به دنبال به حداقل رساندن میزان کلی خطا از کل مجموعه ی آموزش، بر روی داده های نامتوازن به خوبی عمل نمی کند. به طور کلی، برخورد با رده اقلیت نیاز به مفاهیم جدید، بررسی ها و راه حل هایی به منظور درک کامل از مدل های اساسی پیچیده دارد. در این پایان نامه، توجه بخصوصی به مسئله رده بندی دودویی نامتوازن شده است و چندین روش یادگیری ترکیبی موثر برای حل این مسئله پیشنهاد شده است. تمرکز این پایان نامه بر کشف قوانین متقابل جالب می باشد که توصیف کننده ی خصوصیات جالب مجموعه ای از قوانین عطفی بخش های مختلف می باشد. ما از فرمول کلی قوانین متقابل، همانند یک چارچوب برای یافتن چنین الگوهایی استفاده نمودیم. در زمینه ی مجموعه داده های مامایی، قوانین متقابل به شناسایی اختلاف عملکرد ویژگی های الگو میان گروه های مختلف زایمان مادران کمک می کند. در برنامه ی کاربردی داده کاوی، این آسان است تا تعداد زیادی از الگوها را کشف نماییم؛ بسیاری از این الگوها عملاً بی فایده یا غیر جذاب هستند؛ اما با توجه به تعداد زیاد الگوها، درک تمام الگوها و شناسایی الگوهای جالب بسیار دشوار است. تعداد زیاد الگوها و تکنیک ها، نیازمند تجزیه و تحلیل و رتبه بندی الگوها با توجه به جذابیتشان هستند. این پایان نامه چنین تکنیکی را پیشنهاد می کند، این تکنیک مبتنی بر تطابق فازی الگوهای کشف شده با مجموعه ای از الگوهای مشخص شده توسط استفاده کننده می باشد.

امروزه با گسترش روز افزون کاربردهای فناوری اطلاعات موضوع تهدیدات امنیتی در این حوزه و چگونگی مقابله با آن از اهمیت فوق العاده برخوردار است. استفاده از شبکه های کامپیوتری با وسعت زیاد برای تبادل اطلاعات مهم بین نقاط مختلف جغرافیایی جهان در کنار مزایای بسیاری که برای بشر به همراه دارد عرصه رابرای سوءاستفاده پدید آورده است.بنابراین حفظ امنیت اطلاعات در شبکه های کامپیوتری یک مقوله اجتناب ناپذیراست.ازطرفی امروزه مدیریت ریسک در شبکه های کامپیوتری،یکی از مباحث مهم فناوری اطلاعات می باشد. چون گزارشاتی که جهت ایمن سازی شبکه و میزبان ها در شبکه جاری است، سربار زیادی در شبکه ایجاد می کنند. هدف از این پروژه، ارائه شیوه‏ای برای گزارش ‏گیری هوشمند از شبکه و میزبان ‏های موجود در آن توسط رده بندی ترکیبی می باشد.ما این کار را توسط نرم افزاری به نام کلمنتاین که خود شامل چند تکنیک داده کاوی می باشد انجام می شود.ما در این پروژه سه سطح از ریسک را معرفی می کنیم.میزبان باریسک کم خطر،ریسک متوسط و ریسک پرخطر.

موسسات اعتباری برای در اختیار قرار دادن انواع تسهیلات اعطایی به مشتریان خود ، نیاز به انجام بررسی های کاملی به منظور شناخت متقاضیان از ابعاد کیفی و کمّی دارند؛ تا از این طریق، ارزیابی کاملی از سنجش توان بازپرداخت و محاسبه احتمال عدم بازپرداخت تسهیلات و خدمات تأمین مالی از سوی آنان، به عمل آید، این بررسی ها را به طور عام اعتبارسنجی گویند. امروزه به منظور اعتبارسنجی مشتریان نظام هایی نظیر «امتیاز دهی اعتباری» و « رتبه بندی مشتریان اعتباری » تدوین و توسعه یافته اند. هدف از انجام این تحقیق رتبه بندی گروه های مشتریان و تعیین بخش های برتر از آنها می باشد تا با استفاده از آن شرکت بتواند عملیات تخصیص اعتبار را به نحوی مکانیزه انجام دهد. در اینجا پس از پیش پردازش اولیه از داده ها ، آنها را به مدل rfm تبدیل می کنیم. سپس با استفاده از دو الگوریتم خوشه بندی، شبکه عصبی som و k-means عملیات خوشه بندی را انجام می دهیم. در هر دو روش، مشتریان در بهترین حالت در 10 خوشه ای قرار می گیرند. در ادامه با استفاده از دو مدل رتبه بندی، ابتدا خوشه ها را رتبه بندی می کنیم. سه خوشه به عنوان خوشه های برتر تعیین شدند که به عنوان مشتریان هدف می باشند. سپس مشتریان خوشه های برتر را برای تعیین ضریب تسهیلات رتبه بندی می کنیم.

استخراج رویداد یکی از مهم ترین و چالش برانگیزترین وظیفه های استخراج اطلاعات است؛ که به عنوان زیربنایی برای بسیاری از کاربردهای پردازش زبان طبیعی مانند جستجوی معنایی اطلاعات، خلاصه سازی متون و غیره به شمار می رود. استخراج رویداد به تشخیص و استخراج رویدادهای مهم مانند رویداد مرگ، تولد، درگیری و دیگر موارد در متونی با زبان طبیعی می‎پردازد. استخراج رویداد از دو مرحله‎ی کلی استخراج حوزه‎ی رویداد و استخراج اطلاعات و یا عوامل درگیر در رویداد تشکیل شده است. در این پایان نامه به استخراج رویداد و اطلاعات مربوط به آن در متون اسلامی تاریخی عربی پرداخته شده است؛ که دارای ساختار زبان شناسی پیچیده و متفاوت نسبت به متون متداول امروزی است و می‎تواند ابزاری بسیار مفید برای محققین در این حوزه باشد. تشخیص درست حوزه ی رویداد و تعیین جملاتی که رویداد را توصیف می کنند به عنوان اولین و موثرترین گام، صحت فرایند استخراج اطلاعات رویداد را تحت تأثیر قرار می دهد. از این رو در این پایان نامه ابتدا به پیاده سازی و مقایسه ی کارایی عملی و کاربرد روش های گوناگون استخراج حوزه رویداد پرداخته شده است که می تواند محققین را در انتخاب روش مناسب استخراج رویداد با توجه به امکانات و شرایط موجود کمک نماید. در این پژوهش سه شیوه ی دانش گرا (مبتنی بر مجموعه کلمات کلیدی و قوانین)، داده گرا (مبتنی بر ماشین بردار پشتیبان) و معناگرا (مبتنی بر زنجیره ی لغوی) را برای رده بندی خودکار جملات شامل رویداد در متون تاریخی عربی به کار بسته ایم و کارایی و کاربرد آن ها را با یکدیگر مقایسه نموده ایم. پیاده سازی این سیستم ها نشان می دهد که شیوه های دانش گرا و مبتنی بر یادگیری ماشین دارای دقت بسیار بالایی در فرایند استخراج رویداد است و شیوه ی معناگرا با دقت مناسب و قابل قبول نیاز به دانش تخصصی مورد نیاز روش های دانش گرا و پیش‎پردازش های مورد نیاز روش های داده گرا را کمینه می کند و خودکارسازی استخراج رویداد از متن خام را بهبود می بخشد. در گام بعد به استخراج عوامل درگیر در رویداد مانند زمان وقوع رویداد، مکان وقوع رویداد و عوامل دیگر با استفاده از شیوه‏های مبتنی بر قانون پرداختیم. روال کار به این صورت است که ابتدا پیش پردازش‏های لازم جهت استخراج اطلاعات مانند تعیین روابط گرامری جمله انجام گرفته و سپس با استفاده از یک ساختار پیمانه‎ای به استخراج هر یک از عوامل رویداد به صورت مستقل پرداخته می‏شود.

در دسترس بودن متن های الکترونیک، کاربران را ترغیب به مطالعه ی آن ها می کند. به همین دلیل امکان دارد کاربر با نیازهای اطلاعاتی روبرو شود و به دنبال کسب اطلاعات بیشتر یا اطلاعات مرتبطی در مورد کلمه یا عبارت خاصی درون متن باشد. در این صورت نیاز به جستجوی درون متن پیدا کرده که در نتیجه ی آن امکان دارد با مشکلات مربوط به جستجو روبرو شود. ابرمتن، یک روش سریع برای بازیابی اطلاعات است. تبدیل دستی حجم زیادی از اسناد به ابرمتن زمان بر و گاهی ناممکن است. به همین دلیل در این مقاله، قصد پیاده سازی یک روش تبدیل خودکار متن ساده به ابرمتن را داریم. این فعالیت اولین پیاده سازی در مورد اسناد فارسی است. در این روش، با استفاده از شبکه ی عصبی som و دو فرآیند برچسب زنی و تحلیل آن ها، دو نوع پیوند از کلمات بیانگر موضوع اصلی و کلمات کم اهمیت تر سند ایجاد شدند. پیوندهای تک کلمات و عبارت های دو کلمه ایجاد شدند. داده های به کار گرفته شده مقاله هایی از مرکز تحقیقات علوم اسلامی بود. علاوه بر ساخت ابرمتن، روی ایجاد پیوند بین قطعات متنی هم تمرکز کردیم. این فعالیت، با پیاده سازی دو رویکرد، با استفاده از ملاک های cosine و dice انجام شد.

امروزه حجم عظیمی از اطلاعات و دانش به صورت متنی و به فرم دیجیتال است. با توجه به روند رشد دانش، دسته بندی اسناد برای کاهش پیچیدگی اطلاعات و دسترسی آسان و سریع به آنها، امر بسیار مهمی است. در دنیای واقعی بسیاری از مسائل دسته بندی اسناد متنی، دارای ماهیت سلسله مراتبی هستند. در حال حاضر فرآیند دسته بندی اسناد به صورت دستی انجام می شود، و چون کار انسانی هم کند است و هم شامل خطا، این فرآیند زمان بر و پر هزینه است. اغلب مطالعات در زمینه ی متن کاوی و دسته بندی اسناد، روی مسائل دسته بندی مسطح تمرکز کرده اند. الگوریتم های دسته بندی مسطح، از یک طرف به دلیل عدم درنظر گرفتن روابط بین دسته ها و از طرف دیگر به دلیل تعداد زیاد دسته ها، در مواجهه با اینگونه مسائل کارآمدی لازم را نخواهند داشت. برای حل اینگونه مسائل از روش های دسته بندی سلسله مراتبی استفاده می شود. روش های مختلفی برای دسته بندی سلسله مراتبی اسناد متنی وجود دارد از جمله رویکرد سراسری و رویکرد محلی. در این تحقیق با بکارگیری رویکرد رده بندهای محلی و با استفاده از الگوریتم ماشین بردار پشتیبان(svm) ، یک سیستم خودکار جهت دسته بندی سلسله مراتبی اسناد متنی طراحی و پیاده سازی شده است. نتایج بدست آمده از ارزیابی این سیستم بر روی مجموعه ی اسناد دانشنامه حوزه نت مرکز تحقیقات کامپیوتری علوم اسلامی نور نشان داد که سیستم پیاده سازی شده از صحت و دقت بالایی در دسته بندی متون برخوردار است.

این تحقیق تلاش می کندتا پیش نیازهای علمی و روش های مورد نیاز برای توسعه سیستم های آموزش دهنده هوشمند را شناسایی کند.سپس بر مبنای اطلاعات کسب شده و دو ابزار شناخت گرای نقشه نگاری(مفهوم نگاری و نقشه های شناخت گرای فازی) یک روش مدل سازی موثر برای ایجاد سیستم های آموزش دهنده هوشمند چند منظوره ارائه می کند.

یکی از چالش های علمی امروز رویارویی با مجموعه داده های نامتوازن است. در این مجموعه داده ها، یکی از کلاس ها تعداد نمونه های بسیار کمتری نسبت به سایرین دارد(کلاس حداقلی) و همچنین از اهمیت بیشتری برخوردار است. تعلق تعداد زیادی از نمونه ها به یک کلاس(کلاس حداکثری) روند رده بندی با روش های معمول رده بندی را با مشکل مواجه می-کند. روش های معمول رده بندی، داده ها را به کلاس حداکثری منتسب می کنند از این رو صحت رده بندی بالا خواهد بود ولی قابل اعتماد نیست. در این تحقیق روش های ترکیبی جدیدی در سطح داده برای حل این مشکل معرفی خواهند شد. با کمک این روش ها توزیع نامتوازن داده ها، توازن یافته و اجرای رده بند ها بر روی آن ها عملکرد بهتری خواهند داشت. در این تحقیق روش های بیش نمونه برداری و زیرنمونه برداری ترکیب شده اند. روش های ترکیبی این تحقیق تأثیر بهتری نسبت به روش های دیگر دارند که با اجرای آن ها بر روی مجموعه داده ها و محاسبه معیار ارزیابی این امر نشان داده خواهد شد.

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد. از سوی دیگر، امروزه نیز استفاده ی همگانی از وب و اینترنت ما را با حجم زیادی از داده و اطلاعات مواجه می کند. با این رشد انفجاری در داده های ذخیره شده، نیاز به روشهایی است که اصطلاحا به کشف دانش بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند. داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند. کشف الگوهای مکرر، به عنوان یکی از فرآیندهای مهم در دانش داده کاوی با چالش های مختلفی رو به رو است. استفاده از داده های جریانی جهت فرآیند کاوش- که از حجم و سرعت تولید بالا برخوردار هستند- یکی از این چالش ها است. در سال های اخیر افزایش سرعت ایجاد پایگاه داده های گراف موجب شده است که توجه فراوانی به داده کاوی میان گراف ها یا گراف کاوی جلب شود. در میان الگوهای متفاوتی که در پایگاه داده های گراف وجود دارد، کاوش زیرگراف های تکراری از اهمیت زیادی برخوردار است. زیرگراف تکراری زیرگرافی است که به صورت مکرر در پایگاه داده های گراف دیده می شود. کاوش گراف ها به خودی خود، یک امرمهم و چالش برانگیز است، وحتی این چالش، با پردازش داده های جریانی که در زمان واقعی استنتاج می شوند، پررنگ تر می شود. بیشتر کارهای قبلی در رابطه با کاوش الگوی گراف مکرر به تعیین یک حداقل حد آستانه ی پشتیبانی به منظور انجام کاوش نیاز دارند و در حالت ایستا در نظر گرفته شده اند (مورد کاوش قرار گرفته اند). با این حال بعضی مواقع تعیین مقدار مناسب حداقل پشتیبانی برای کاربران آسان نیست. بر همین اساس در این تحقیق ضمن بررسی کارهای موجود در زمینه ی کاوش زیرگراف های مکرر، یک الگوریتم موثر، به منظور کاوش الگوی گراف با k بیشترین تکرار بدون حداقل پشتیبانی با استفاده از مدل پنجره ی لغزان وزن دار در گراف های جریانی توسعه داده می شود. مطابق دانش کسب شده، این زمینه اولین کار بر روی کاوش زیرگراف های مکرر در گراف های غیرثابت جریانی است.

در چند سال اخیر وبلاگ ها تبدیل به رسانه اجتماعی ویژه ای بر روی اینترنت شده اند که به سرعت کاربران را قادر می سازند تا محتوا را بر روی وب منتشر کنند. راحتی انتشار مطالب به همراه میل و اشتیاق برای گسترش افکار، عاملی مهم برای رشد سریع و مداوم وبلاگ ها شده است. به دلیل حجم بالای محتوایی که توسط وبلاگ ها فراهم می شود و با توجه به این که اغلب نویسندگان بلاگ ها (بلاگرها) کاربران غیر حرفه ای هستند، یافتن وبلاگ های مورد علاقه شان سخت می نماید. بنابراین با توجه به انبوه اطلاعات برای وبلاگ ها، وجود یک سیستم پیشنهاددهنده که بلاگ ها را به شکل خودکار و هوشمندانه به کاربران پیشنهاد می نماید کاملاً ضروری به نظر می رسد. در زمینه پیشنهاد بلاگ تکنیک های متنوعی وجود دارد که از منابع اطلاعاتی مختلف برای ارائه پیشنهاد به کاربران استفاده می کنند. یکی از روش های بسیار مهم در این زمینه استفاده از نظرات کاربران می باشد. در این روش که به پالایش مشارکتی موسوم است سعی می شود تا به طور موثر به افراد با سلیقه مشابه کمک شود تا اقلام مورد علاقه شان را از یک مجموعه بسیار عظیم از انتخاب ها شناسایی نمایند. یکی از مشکلات چالش برانگیز در زمینه این نوع سیستم ها مشکل شروع سرد برای کاربرانی است که تعداد بسیار معدودی بلاگ را مشاهده کرده اند. همچنین وجود مشکل پراکندگی ماتریس کاربر بلاگ عرصه را برای پیشنهاد کارای این گونه سیستم ها تنگ می نماید. در این پژوهش، بر آن هستیم تا چارچوبی جهت رفع مشکلات یادشده در سیستم های پیشنهاددهنده بلاگ ارائه دهیم. مبنای اصلی چارچوب پیشنهادی این تحقیق، بکارگیری روش فاکتورگیری ماتریسی در زمان وجود مشکل شروع سرد و پراکندگی در ماتریس کاربر بلاگ در سیستم های پیشنهاددهنده می باشد. نتایج حاصل از ارزیابی های انجام شده روی مجموعه داده سایت پارسی بلاگ حاکی از کارایی چارچوب پیشنهادی جهت مقابله با مشکلات فوق الذکر بوده است.

همواره در جهان، مسئله ی کاهش زمان خدمت دهی در مورد سیستم های خدمات فوریت های پزشکی وجود دارد زیرا اندکی بهبود در چنین سیستم هایی می تواند منجر به نجات جان انسان ها و یا کاهش آسیب ها و خسارت های مالی و جانی شود. هدف اصلی این پژوهش، ارزیابی عمل کرد سیستم های خدمات فوریت های پزشکی بر مبنای تحلیل الگوهای موجود در رخ داد حوادث گوناگون است. به این منظور روش جدیدی مبتنی بر تکنیک های خوشه بندی و قواعد با هم آیی برای ارزیابی عمل کرد مرکز اورژانس و شناسایی فرآیند های بحرانی آن ارائه می شود. در ابتدا پایگاه ـ حادثه های مختلف بر اساس سه شاخص زمان خدمت دهی، تعداد رخ داد یک حادثه ی خاص در یک پایگاه و نسبت رخ داد نتایج منفی به نتایج مثبت خوشه بندی شده اند. این سه شاخص بر اساس ادبیات موجود و نظرات خبرگان به عنوان معیار های ارزیابی عمل کرد اورژانس تعریف شده اند. در ادامه خوشه های بحرانی شناسایی شده و از تکنیک کاوش قواعد با هم آیی به منظور شناسایی فرآیند های بحرانی استفاده شده است. روش پیشنهادی در داده های مرکز اورژانس تهران به کار گرفته شده است. نتایج حاکی از آن است که سه گروه مختلف از پایگاه ـ حادثه های گوناگون به لحاظ عمل کرد وجود دارد: پایگاه هایی که دارای عمل کرد مطلوب هستند، پایگاه های دارای زمان خدمت دهی بحرانی و پایگاه هایی که هم از نظر رخ داد نتایج و هم از لحاظ زمان خدمت دهی، نا مطلوب هستند. علاوه بر این، دو بازه ی زمانی "حرکت آمبولانس از پایگاه تا رسیدن به محل حادثه" و "لحظه ی برقراری تماس تا اعلام پیام ارسال آمبولانس" نیز بیش ترین تأثیر را بر روی زمان خدمت دهی می گذارند.

صنعت بازی های رایانه ای در دنیا، چهارمین تجارت پرسود به حساب می آید و در سال 2015 سودی بالغ بر 110 میلیارد دلار ‏برای این صنعت پیش بینی شده است که اگر ایران بتواند تنها 1% از این سود را به خود اختصاص دهد، رقمی بالغ بر یک میلیارد ‏دلار نصیب کشور عزیزمان خواهد شد و از طرفی، امروزه اکثر سازمان ها برای حفظ رشد و بقاء نیازمند توسعه کارآفرینی سازمانی ‏هستند؛ در واقع کارآفرینی سازمانی لازمه ی احیاء مجدد و ارتقای عملکرد شرکت هاست.‏ پژوهش حاضر تلاشی در جهت شناسایی عوامل پیش برنده و بازدارنده محیطی سازمان، که توسعه ی کارآفرینی سازمانی را تحت ‏تأثیر قرار می دهند، می باشد که طی آن ابتدا به بیان عوامل محیطی (پیش برنده و بازدارنده) درونی و بیرونی کارآفرینی سازمانی ‏از دیدگاه صاحب نظران مختلف پرداخته شده است، در ادامه با استفاده از روش شناسی کیو، درصدد شناسایی ذهنیت های گوناگون ‏کارشناسان و مدیران بنیاد ملی بازی های رایانه ای کشور و سازمان های مربوطه با صنعت گیم، در ارتباط با عوامل محیطی ‏کارآفرینی سازمانی در این بنیاد (سازمان) می باشیم و با حجم نمونه 37 نفر و با توزیع پرسشنامه کیو (با آلفای کرونباخ 4/98% ‏عوامل پیش برنده و آلفای کرونباخ 9/96% عوامل بازدارنده) به گردآوری اطلاعات پرداخته شده که در نهایت پس از مرتب سازی ‏‏48 گویه از نمونه کیو پیش برنده در خصوص عوامل پیش برنده محیطی، 6 گروه از عقاید و ذهنیت ها شکل گرفت و در مورد ‏‏48 گویه از نمونه کیو بازدارنده در خصوص عوامل بازدارنده محیطی، 3 گروه از عقاید و ذهنیت های مشارکت کنندگان شکل ‏گرفت.‏

ترکیب طبقه بندها یک راهکار متداول در بهبود کارایی طبقه بندهای پایه در حل مسائل پیچیده ی طبقه بندی می باشد. سیستم های ترکیبی طبقه بندی عموما از دو جز اصلی یادگیری طبقه بندهای پایه و بخش ترکیب خروجی ، تشکیل شده اند. استفاده از راهکاری مناسب برای تعیین وزن خروجی طبقه بندهای پایه از جمله ی پارامترهای مهمی است که می تواند در بهبود کارایی سیستم ترکیبی طبقه بندی نقش موثری را ایفا نماید. از سویی دیگر فرآیند طبقه بندی ساختاری پروتئین ها با استفاده از خواص مستخرج از توالی به قصد شناسایی خواص و پیش بینی عملکرد آنها از جمله چالش های مهم حوزه ی بیوانفورماتیک می باشد. سیستم های معتبر طبقه بندی ساختاری موجود، بر مبنای یک نظام سلسه مراتبی کار می کنند و در هر طبقه برای اخذ تصمیم از معیار هایی غیر منعطف برای انتخاب مسیر پروتئین برای رفتن به طبقه ی زیرین استفاده می شود. امروزه رشد روز افزون تعداد توالی پروتئین های شناسایی شده از یک سو، هزینه ی بالا، زمانبر بودن و عدم وجود کارایی مناسب درسیستم های طبقه بندی دستی از سوی دیگر، نیاز به سیستم های خودکار طبقه بندی را پررنگ تر می نماید. از این رو، هدف این طرح ارایه ی مدلی برای وزن دهی پویای طبقه بندهای پایه ، جهت افزایش هرچه بیشتر کارایی مدلی مرکب از طبقه بندهای k نزدیک ترین همسایه، در مسئله ی طبقه بندی الگوی تاخوردگی پروتئین ها، درنظر گرفته شد. راهکار های وزن دهی پویای ارایه شده در این طرح ، منجر به افزایش میانگین بهبود عملکرد حداقل 4.23 و حداکثر 14.8 درصدی نسبت عملکرد مدل ترکیبی پایه ، بدون به کارگیری راهکار وزن دهی، به ازای تعداد یک تا شش نزدیک ترین همسایه گشت.

چکیده ندارد.