تحلیل موجز بودن قرآن کریم به کمک تکنیکهای داده کاوی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,483

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITPF02_048

تاریخ نمایه سازی: 18 دی 1390

چکیده مقاله:

متن قرآن کریم خصوصیت های منحصر بفردی از نظر چگالی موضوعی مفهومی ودانه بندی در مقایسه با سایر متون دارد یکی از نکات مهم در این زمینه لزوم مرجع یابی ضمیر است که به افزایش دقت نتایج جستجو کمک شایانی می نماید و در صورت عدم انجام آن در فرایند جستجو دقت کمی را خواهیم داشت همیشه گفته می شود که قران کریم موجز است موجز بودن بدین معنی است که متن قرآن با کمترین کلمات و بدون اطاله کلام به طرز شیوایی بیشترین مفهوم را به ذهن خواننده خود وارد کرده و باعث درک بهتر موضوع یا مفهوم مورد نظر می شود. دراین تحقیق بعد از بررسی انواع نرم افزارهای قرانی و تبیین سازوکار جستجو در این گونه نرم افزارها متن قران با دیگر متون مقایسه شده و بصورت تحلیلی ثابت می شود که متن قران از نظر مفهومی و موضوعی به اصطلاح سنگین بوده و دارای چگالی بالایی از لحاظ مفهومی می باشد ودر کمترین جملات بیشترین مفهوم را می رساند و باعث درک بهتر برای خواننده خود می شود و این می تواند مطلع مناسبی برای ورود به مقولهداده کاوی روی قران کریم و اختصاصا متن کاوی و استفادها ز ابزارهای هوش مصنوعی برای بهبود فرایند جستجو باشد

نویسندگان

حسین دقاق زاده

اعضا هیئت علمی دانشگاه آزاد اسلامی واحد فلاورجان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • K. Aas, L. Eikvil, "Text Categorization: A Survey", WWw .citeseer.nj ...
  • H. Berger, D. Merkl, A Comparision of Text- Categorization Methods ...
  • S. Dumais, J. Platt, D. Heckerman, M. Sahami. "Inductive learning ...
  • S. Eyheramendy, A. Genkin, W. Ju, D. Lewis, D. Madigan, ...
  • U. Fayyad, G. Piatetsky- Shapiro, P. Smyth, "Data Mining to ...
  • M. Granitzer, "Hierarchical text classification using methods from machine learning", ...
  • A. Moschitti, "Answer Filtering via Text Categorization in Question Answering ...
  • Automated Text Categorization" _ ACM Computing Surveys, Vol. 34, No. ...
  • H. Yong. "Support vector machines for text categorization based on ...
  • aspx?pid=1 725 7&threadID= 93 13 ...
  • نمایش کامل مراجع