دوره 22، شماره 3 - ( 9-1404 )                   جلد 22 شماره 3 صفحات 90-77 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Elyasi N, Hosseini Moghadam M. An application of the topological data analysis approach in Persian poetry classification. JSDP 2025; 22 (3) : 5
URL: http://jsdp.rcisp.ac.ir/article-1-1395-fa.html
الیاسی نیره، حسینی مقدم مهدی. یک کاربرد از رویکرد تحلیل توپولوژیکی داده در طبقه‌بندی اشعار فارسی. پردازش علائم و داده‌ها. 1404; 22 (3) :77-90

URL: http://jsdp.rcisp.ac.ir/article-1-1395-fa.html


استادیار دانشکده علوم ریاضی و کامپیوتر، دانشگاه خوارزمی، تهران، ایران
چکیده:   (11 مشاهده)
تحلیل توپولوژیکی داده شاخه‌ای بدیع و به‌سرعت در حال رشد در علوم داده است که مجموعه‌ای از ابزارهای هندسی و توپولوژیکی را برای استخراج ویژگی‌های مرتبط از داده پیچیده بُعد بالا فراهم می‌کند. در این مقاله، دو روش از بهترین روش‌های تحلیل توپولوژیکی داده؛ یعنی همولوژی ماندگار و نگاشت‌گر به‌منظور طبقه‌بندی اشعار دو تن از بهترین شعرای ایران؛ یعنی فردوسی و حافظ، به‌کار گرفته می‌شود. در این پژوهش از روش‌شناسی تحلیل متن سنتی فراتر رفته‌ تا کارآمدی و بهینه‌بودن تحلیل توپولوژیکی داده در زمینه متن‌کاوی و انتساب نویسنده، نشان داده شود. نکته نوآورانه این مقاله استفاده از تحلیل توپولوژیکی داده در انتساب نویسنده است که پیش‌تر نیز سابقه نداشته است؛ همچنین قابلیت بصری‌سازی نتایج با استفاده از نمودارهای پایا، بارکد و نگاشت‌گر که منحصر به تحلیل توپولوژیکی داده است و به‌سادگی قابل تفسیر توسط هر خواننده‌ای است، این امید را می‌دهد که از این به بعد تحلیل توپولوژیکی داده به‌عنوان یک دریچه جهت رمزگشایی در ادبیات و علوم‌انسانی بتواند مورداستفاده قرار گیرد.
شماره‌ی مقاله: 5
متن کامل [PDF 1204 kb]   (9 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: مقالات پردازش گفتار
دریافت: 1402/6/14 | پذیرش: 1404/3/21 | انتشار: 1404/9/28 | انتشار الکترونیک: 1404/9/28

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این تارنما متعلق به فصل‌نامة علمی - پژوهشی پردازش علائم و داده‌ها است.