کاربرد ویژگی های متنی در تحلیل عقاید
امروزه با گسترش شبکه های اجتماعی و مشارکت کاربران در فروم ها، به حجم عظیمی از داده های متنی می توان دسترسی داشت. تحلیل های متنوعی پیرامون داده های استخراج شده، انجام می شود و با بررسی این داده ها، می توان به نتایج مهمی در زمینه های اقتصادی، اجتماعی، سیاسی و موارد دیگر، دست یافت. بنابراین نیاز به روش هایی خودکار برای کشف نظرات کاربران از داده های متنی احساس می شود. در این بررسی، به معرفی تحلیل احساسات و عقاید از داده های متنی پرداخته و ویژگی های متنی مهم در این حیطه را بررسی خواهیم کرد. این ویژگی ها گامی مهم در پردازش زبان های طبیعی شناخته شده و با تبدیل آن به فرمی ساخت یافته و قابل فهم برای ماشین، اعمال الگوریتم های یادگیری ماشینی را برای تحلیل گران امکان پذیر می کنند. به طور کلی پردازش زبان های طبیعی یکی از موضوعات چالش برانگیز در علوم کامپیوتری محسوب می شود و پژوهشگران با استفاده از کاربردهای آن در تحلیل عقاید، سعی در شناسایی اجزای متن و ارتباط آن ها با یکدیگر و نهایتاً بیان میزان قطبیت عبارات بهصورت یک اندازه ی عددی دارند.امروزه با گسترش شبکه های اجتماعی و مشارکت کاربران در فروم ها، به حجم عظیمی از داده های متنی می توان دسترسی داشت. تحلیل های متنوعی پیرامون داده های استخراج شده، انجام می شود و با بررسی این داده ها، می توان به نتایج مهمی در زمینه های اقتصادی، اجتماعی، سیاسی و موارد دیگر، دست یافت. بنابراین نیاز به روش هایی خودکار برای کشف نظرات کاربران از داده های متنی احساس می شود. در این بررسی، به معرفی تحلیل احساسات و عقاید از داده های متنی پرداخته و ویژگی های متنی مهم در این حیطه را بررسی خواهیم کرد. این ویژگی ها گامی مهم در پردازش زبان های طبیعی شناخته شده و با تبدیل آن به فرمی ساخت یافته و قابل فهم برای ماشین، اعمال الگوریتم های یادگیری ماشینی را برای تحلیل گران امکان پذیر می کنند. به طور کلی پردازش زبان های طبیعی یکی از موضوعات چالش برانگیز در علوم کامپیوتری محسوب می شود و پژوهشگران با استفاده از کاربردهای آن در تحلیل عقاید، سعی در شناسایی اجزای متن و ارتباط آن ها با یکدیگر و نهایتاً بیان میزان قطبیت عبارات بهصورت یک اندازه ی عددی دارند.
بهبود عملکرد الگوریتم فشرده سازی LZW در تصاویر متنی
روش های فشرده سازی کاربردهای بسیاری در جنبه های مختلف کامپیوتر و ارتباطات پیدا کرده اند. سیستم های اطلاعاتی امروزی، به گونه ای مستقیم یا غیرمستقیم از مزایا و منافع روش های فشرده سازی بهره می برند. در این پژوهش نرخ فشرده سازی الگوریتم بدون اتلاف LZW در تصاویر متنی، به کمک الگوریتم ACW بهبود یافته است. سیستم پیشنهادی ابتدا تصاویر را با روش LZW فشرده کرده، سپس دنباله فشرده شده را مجددا با الگوریتم ACW فشرده می کند. الگوریتم بهبود یافته بر روی تصاویر متنی فارسی و انگلیسی با حجم های متفاوت آزمایش شده و نتایج آن با الگوریتم های Huffman ، LZW ، ACW و Huffman ACW مقایسه شده است. نتایج به دست آمده نشان داد الگوریتم بهبودیافته در تصاویر متنی فارسی و انگلیسی نسبت به LZW و ACW نرخ فشرده سازی بالاتری دارد، همچنین نرخ فشرده سازی تصاویرمتنی فارسی نسبت به انگلیسی در الگوریتم بهبودیافته بیشتر است. از لحاظ حجم واژه نامه الگوریتم پیشنهادی حجم کمتری نسبت به Huffman و ACW داشت، همچنین نتایج نشان داد که الگوریتم بهبودیافته برگشت پذیر بوده و تصاویر را بدون هیچ اتلافی رمزگشایی می نماید.
آموزش سیستم عامل داس
آموزش سیستم عامل داس + در قالب 58 اسلاید پاورپوینت
==================
همانطور که می دانید سیستم عامل داس یک سیستم عاملی بوده
که قبل از ویندوز وجود داشته که محیط تک کاربره متنی بوده
و گرافیکی نبوده اما با ظهور ویندوز این سیستم عامل به فراموشی سپرده شد
هرچند که در ویندوزهای فعلی نظیر ایکس پی، 7 و 8 و .... سیستم عامل داس
گنجانده شده تا خاطره ی روزهای قبل از ویندوز را برای ما زنده نگه دارد
این سیستم عامل دستورات مهم و پرکاربردی دارد
که گاهی وقتها وقتی در ویندوز به مشکل برمیخوریم
میتوانیم با اجرای دستوراتش گلیم خود را از آب بیرون بکشیم
و موفق به حل مشکل خود شویم
دانستن دستورات سیستم عامل داس
در مواقع بحرانی و حساس می تواند حلال مشکلات ما باشد
مثلاً گاهی وقتها بدلیل مشکل وجود ویروس در سیستم
قادر به فرمت کردن درایو نخواهیم بود
درحالیکه با اجرای دستور فرمت تحت سیستم عامل داس
عمل فرمت کردن درایو امکان پذیر خواهد بود
و بسیار مثالهای دیگر ....
ما آموزش سیستم عامل داس آخرین نسخه اش
را برای شما در قالب 58 اسلاید پاورپوینت
بسیار زیبا و حرکتی آورده ایم که
توصیه ما به شما این است که حتما آنرا دانلود و استفاده نمائید
بهبود عملکرد الگوریتم فشرده سازی LZW در تصاویر متنی
روش های فشرده سازی کاربردهای بسیاری در جنبه های مختلف کامپیوتر و ارتباطات پیدا کرده اند. سیستم های اطلاعاتی امروزی، به گونه ای مستقیم یا غیرمستقیم از مزایا و منافع روش های فشرده سازی بهره می برند. در این پژوهش نرخ فشرده سازی الگوریتم بدون اتلاف LZW در تصاویر متنی، به کمک الگوریتم ACW بهبود یافته است. سیستم پیشنهادی ابتدا تصاویر را با روش LZW فشرده کرده، سپس دنباله فشرده شده را مجددا با الگوریتم ACW فشرده می کند. الگوریتم بهبود یافته بر روی تصاویر متنی فارسی و انگلیسی با حجم های متفاوت آزمایش شده و نتایج آن با الگوریتم های Huffman ، LZW ، ACW و Huffman ACW مقایسه شده است. نتایج به دست آمده نشان داد الگوریتم بهبودیافته در تصاویر متنی فارسی و انگلیسی نسبت به LZW و ACW نرخ فشرده سازی بالاتری دارد، همچنین نرخ فشرده سازی تصاویرمتنی فارسی نسبت به انگلیسی در الگوریتم بهبودیافته بیشتر است. از لحاظ حجم واژه نامه الگوریتم پیشنهادی حجم کمتری نسبت به Huffman و ACW داشت، همچنین نتایج نشان داد که الگوریتم بهبودیافته برگشت پذیر بوده و تصاویر را بدون هیچ اتلافی رمزگشایی می نماید.