Masoud.A

پروژه مورد نظر مربوط به مدلسازی موضوعی بر روی ۱۱۳۵۳ مقاله است که با الگوریتم LDA و زبان برنامه نویسی پایتون انجام شده است. در این پروژه ما از کتابخانه های مختلف text mining در پایتون مانند nltk و gensim برای پیش پردازش داده ها و مدلسازی LDA استفاده کردیم. و همچنین از یک روش پیشنهادی برای پیدا کردن بهینه ی تعداد موضوعات (topics) استفاده کردیم. بحث آنالیز موضوعات داغ و سرد نیز یکی دیگر از نتایجی بود که با استفاده از رگرسیون خطی بر روی مدل LDA پیاده شد تا روند موضوعات را در طول سالهای مورد بررسی مورد سنجش قرار دهیم.

در این پروژه ما از یکی از مباحث جدید در حوزه یادگیری عمیق برای حل معادلات دیفرانسیل جزئی استفاده کردیم. موردی که مورد بررسی قرار گرفت حل معادله دیفرانسیل یک مسئله کرنش مسطح در مکانیک جامدات است که بدون استفاده از هیچ گونه دیتا و فقط بر اساس شبکه عصبی که تونستیم با دقت خوبی یک حالت تقریبن پیچیده از این مسئله را حل کنیم..در این کار از کتابخانه tensorflow در پایتون استفاده کردیم و معادله کوپل استوکس فیزیک جامدات را با استفاده از ویژگی های automatic gradient در کتابخانه تنسورفلو حل کردیم.

در این پروژه ما بیش از یک میلیون مقاله علمی که از سورس PubMed بدست آورده بودیم رو text analysis کردیم و هدف این بود که خوشه بندی روی این داده های حجیم داشته باشیم تا بعد بر مبنای اون یک موتور جستجو در R shiny راه‌اندازی کنیم...ما با استفاده را بحث گراف ها و شبکه ها داده های مبتنی را به یک شبکه co-occurrence تبدیل کردیم و بر اساس تحلیل های مختلفی از جمله components analysis و community detection گروه کلماتی که یک جامعه رو از حیث معنایی تشکیل میدادن پیدا کردیم تا داده کلانی که بیش از ۵۰ هزار ابعاد داشت را کاهش ابعاد بدهیم. نوآوری این پروژه در استفاده از بحث community structures در شبکه ها بود که منجر به کاهش ابعاد داده برای خوشه بندی شد و در نهایت نیز بر مبنای داده های کاهش یافته یک موتور جستجو را به صورت web application ساختیم...از قدرت های این موتور جستجو این هست که بر منبای کلمات کلیدی جستجو را انجام نمی دهد بلکه یک کاربر میتواند حتی یک پاراگراف چند خطی را به عنوان query search وارد کند و سیستم بر مبنای تشابه شاختار لغات به community هایی که در دیتابیس ذخیره کرده است مقالات مشابه را بر می گرداند.

هدف از اینکار نوشتن کتابخانه ای در زبان R برای ترسیم داده هایی ست که دارای ابعاد زیادی هستند. الاستیک مپ رویکردی مبتنی نوعی manifold هست که با استفاده از نظریه های فیزیکی در فنر ها و بحث حداقل انرژی به دنبال نوعی نگاشت داده ها بر روی نقشه یا map های دو بعدی یا سه بعدی می باشد. همچنین این نوع نگاشت ها کمک میکند برای داده هایی که به دنبال خوشه بندی آنها هستیم...در کنار بحث های PCA ...دید بهتری نسبت به تعداد خوشه های محتمل در آن پیدا کنیم. در نهایت کل پروژه که برای یکی از اساتید دانشگاه لستر انگلستان کار شد به صورت یک web application در بستر R shiny راه‌اندازی شد.