سازمان جغرافیایی نیروهای مسلح

| ورود به سامانه | ثبت نام

صفحه اصلی / اولین کنفرانس ملی علوم داده و اطلاعات مکانی

پیدا کردن موضوعات پرطرفدار با استفاده از خوشه‌بندی

نویسندگان :

محمد رحیمی¹

1- دانشگاه اصفهان

کلمات کلیدی :

متن‌کاوی، موضوعات پرطرفدار، خوشه‌بندی

چکیده :

یکی از چالش‌های که دانشجویان در مقاطع تحصیلی متفاوت با آن روبه‌رو هستند پیدا کردن ترندهای تحقیقاتی در حوزه‌های متفاوت است. پیدا کردن ترندهای تحقیقاتی به دانشجویان کمک می‌کند تا موضوعات مناسب‌تری را برای پایان‌نامه‌ی خود انتخاب نمایند. پیدا کردن ترند تحقیقاتی در یک حوزه علمی، نیازمند تجربه‌ی بالا و فعالیت در یک بازه‌ی زمانی طولانی در آن حوزه است که این تجربه از پژوهش و مطالعه‌ی مقالات متفاوت حاصل می‌شود. با توجه به اینکه دانشجویان با محدودیت‌هایی از قبیل نداشتن تجربه و زمان روبه‌رو هستند این گزارش یک رویکرد متن‌کاوی پیشنهاد می‌کند که برای پیدا کردن ترند تحقیقاتی در یک حوزه مناسب است. رویکرد پیشنهادی برای پیدا کردن ترند تحقیقاتی در حوزه‌ی امنیت بررسی شده است. بدین صورت که مقالات سه مجله‌ی JPSC، Computer & Science ، IEEE Security & Privacy در حوزه‌ی امنیت از سال‌های 2010 تا 2022 جمع‌آوری شدند. سپس مجموعه‌داده‌ا‌ی با ویژگی‌های عنوان، چکیده، فهرست نویسندگان، کلمات کلیدی منتشر شده و سال انتشار مقاله ایجاد شد و در یک فایل اکسل بارگذاری شد. سپس عملیات زیر برای شناسایی ترندهای تحقیقاتی بر روی مجموعه داده انجام گرفته است. 1- استخراج توصیفی‌ترین اصطلاحات از مجموعه مقالات ارائه شده توسط چکیده برای شناسایی ترندها و بررسی تغییرات زمانی در مقالات منتشر شده در این سه مجله. 2- استفاده از کلیدواژه‌های منتشر شده یک مقاله به عنوان منبع اطلاعات و انجام تجزیه و تحلیل خوشه‌بندی برای شناسایی گرایش‌های تحقیق. 3- تحلیل خوشه‌ها برای گروه‌بندی مقالات با قرار دادن آنها در خوشه‌های جداگانه و سپس فهرست‌بندی اصطلاحات پرکاربرد در هر خوشه – همچنین محتوای خوشه‌ها بر اساس (1) نوع مجله و (2) و زمان انتشار بررسی شود. در این کار، از دو الگوریتم خوشه‌بندی k-means، x-means استفاده شده است و نتایج آن با یکدیگر مقایسه شده‌اند.