دوره 15، شماره 3 - ( 9-1397 )
جلد 15 شماره 3 صفحات 100-89 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Aslani A, Esmaeili M. Finding Frequent Patterns in Holy Quran UsingText Mining. JSDP 2018; 15 (3) :89-100
URL: http://jsdp.rcisp.ac.ir/article-1-620-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-620-fa.html
اصلانی اکرم، اسماعیلی مهدی. یافتن الگوهای مکرّر در قرآن کریم به‌‌کمک روش‌‌های متنکاوی
. پردازش علائم و داده‌ها. 1397; 15 (3) :89-100
دانشگاه پیام نور
چکیده: (4801 مشاهده)
متن قرآن خصوصیات منحصر به فردی از نظر معنا، مفهوم و موضوع نسبت با سایر متون دارد. کشف الگوهای پنهان و ارزشمند از درون حجم وسیعی از داده‌های خام، به‌تازگی توجه بسیاری از پژوهش‌گران را به خود جلب کرده است. متنکاوی زمینه‌ای برای کشف اطلاعات از متون است که ما را در نیل به این هدف می‌تواند کمک کند. در سال‌های اخیر متنکاوی روی قرآن و کشف دانش نهفته از واژه‌های آن، چندی است که مورد توجه بسیاری از متخصصان قرار گرفته است. در این مقاله با در‌نظر‌گرفتن 6348 آیه قرآن، هر آیه به‌صورت یک سبد خرید در نظر گرفته شده و کلمات هر آیه به‌عنوان اقلام هستند؛ سپس با استفاده از قوانین انجمنی، کلمات و آیات قرآن بررسی شده و از میان 54226 قانون انجمنی استخراج‌شده از واژه‌های قرآن که با استفاده از معیارهایی مانند ضریب اطمینان، ضریب پشتیبان، معیارLift و معیار Co-efficient ارزیابی شده‌اند، ده قانون برتر هر معیار تحلیل و بررسی شده و بدین ترتیب الگوهای استخراج‌شده از قوانین انجمنی، الگوهای پرتکرار یک‌تایی، دوتایی و سه‌تایی در قرآن به دست می‌آید.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش متن
دریافت: 1396/9/23 | پذیرش: 1397/5/3 | انتشار: 1397/9/28 | انتشار الکترونیک: 1397/9/28
دریافت: 1396/9/23 | پذیرش: 1397/5/3 | انتشار: 1397/9/28 | انتشار الکترونیک: 1397/9/28
فهرست منابع
1. [1] اسماعیلی، مهدی، مفاهیم و تکنیک‌های داده‌کاوی، کاشان، دانشگاه آزاد اسلامی واحد کاشان،1392.
2. [1] M. Esmaieli, Concepts and techniques of data min-ing, Kashan;Azad University of Kashan,2013. [PMID]
3. [2] R. N. Y. Radfar.R, Nezafti.N, Yoosefi Asli.S. Classification of Bank Internet Customers Using Data Mining Algorithms. IT management, pp71-90, 2014.
4. [2] رادفر،رضا، نظافتی، نوید، یوسفی اصلی، سعید، "طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم‌های داده کاوی"، نشریه علمی= پژوهشی مدیریت و فناوری اطلاعات، شماره 1، صفحات 90-71، 1393.
5. [3] آقاکاردان، احمد، کیهانی نژاد، مینا،" ارائه مدلی برای استخراج اطلاعات ازمستندات متنی مبتنی بر متنکاوی در حوزه یادگیری الکترونیکی"، نشریه علمی=پژوهشی مدیریت و فناوری اطلاعات و ارتباطات ایران، شماره‌های 11و12،صفحات 47-54، 1391.
6. [3] A. M. Aghakardan, Keihani Nejad. Provides a mo-del for extracting information from textual texts ba-sed on e-learning, IT management,pp 47-54,2012.
7. [4] کرمی، مهتاب،" کاربرد ابزارهای تحلیلگر داده کاوی و متن کاوی درچابکی سازمان های مراقبت بهداشتی و درمانی"، فصل‌نامه علمی پژوهشی مدیریت سلامت، شماره 10، 1386.
8. [4] M.Karami, Journal of Health Management,2008.
9. [5] استیری، احمد، کاهانی، محسن، قائمی، هادی، "ایجاد و انتشار زیر ساخت وب معنایی برای قرآن کریم"، iranian association of information and communication technology، 2013.
10. [5] E. K. G. Estiri, Kahani, Ghaemi, Creating and publishing semantic web infrastructure for the Holy Quran, iranian association of information and communication technology, 2013.
11. [6] chue, s., puteri nor, e. (2014). frequent pattern ex-traction in the tafseer of al-quran. factually of com-puter sience and information technology.
12. [7] صالحی شهرودی، محمدحسین، مینایی، بهروز، اشرفی، امیررضا، "متنکاوی موضوعی رایانه‌ای قرآن کریم برای کشف ارتباطات معنایی میان آیات برمبنای تفسیر المیزان " قرآن شناخت، شماره 2، 1392.
13. [7] S. M. A. Salehi Shahroodi, Minaie, Ashrafi,The text explores the computerized subject of the Holy Quran to discover the semantic connections bet-ween the verses based on the interpretation of al-Mizan. The Quran recognizes, pp 117-152,2013.
14. [8] خرازی، مریم، "کشف روابط ریشه واژه‌های قرآنی با رویکرد داده‌کاوی"، دانشگاه خواجه نصیر‌الدین طوسی، تهران،1393.
15. [8] K.Kharazi, Discover the root relationships of Quranic words with the data mining approach. Tehran: Khaje Naseerdin Tousi University, 2011.
16. [9] chua, s., nor ellyza biniti nohuddin, p. (2014). Fre-quent pattern extraction in the tafseer of al-quran. department of computer science.
17. [10] alhawarat, m., hegazi, m., hilal, a. (2015). processing the text of the holy quran: a text mining study. international journal of advanced science and applications, 262-26 [DOI:10.14569/IJACSA.2015.060237]
18. [11] ali, i. (2012). application of a mining algorithm to finding frequent patterns in a text corous: a case study of the arabic. international journal of soft-ware engineering and its applications, 127-134.
19. [12] Nasreen, S., Awais Azam, M., Shehzad, K., Naeem, U., Ali Ghazanfar, M. (2014). Frequent pattern mining algorithms for finding associated frequent patterns for data streams: a survey. emerging ubiquitous systems and pervasive net-works, 109-116 [DOI:10.1016/j.procs.2014.08.019]
20. [13] حجتی، سیدمحمدباقر، پژوهشی در تاریخ قرآن کریم، تهران،دفتر نشر فرهنگ اسلامی،1386.
21. [13] H. Hojati, Research in the history of the Holy Qur'an, Teh-ran: Publishing House of Islamic Culture, 2006.
22. [14] فخراحمد، سیدمحمد،صدرالدینی، محمدهادی، ذوالقدری جهرمی، منصور، "روشی کارا برای کاوش مجموعه اقلام پرتکرار در تحلیل داده‌های سبد خرید"، نشریه بین‌المللی علوم مهندسی دانشگاه علم وصنعت ایران، شماره 7،صفحه 74-65، 1387.
23. [14] F. Z. Fakhr Ahmad, Zolghadri Jahrom, An Effective Method for Exploring Over-the-Counter Items in Cart Basket Analysis. The International Scientific Engineering Department of Iran University of Science and Technology, pp 65-75, 2009.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
