با توجه به گسترش روزافزون اطلاعات و وجود حجم انبوه متون غیرساخت یافته، استفاده از کلمات کلیدی نقش مهمی در بازیابی اطلاعات دارد. این درحالی است که استخراج کلمات کلیدی به صورت دستی مشکلات زیادی دارد. بنابرین استخراج کلمات کلیدی به صورت خودکار از نیازهای ضروری فناوری امروزه است. در این پژوهش سعی شده با استفاده از اصطلاح نامه که از نظامی ساختارمند برخوردار است، کلمات کلیدی بامعناتری از متون استخراج کرد و با آن ها طبقه بندی متون فارسی را بهبود بخشید. مراحلی که برای افزایش جامعیت جستجو باید سپری شود به این صورت است که در مرحله نخست کلمات زائد حذف و باقی کلمات ریشه یابی می شود؛ سپس به کمک اصطلاح نامه کلمات هم معنی، اعم ها و اخص ها و همچنین وابسته ها پیدا و در ادامه برای مشخص شدن اهمیت نسبی کلمات یک وزن عددی به هر کلمه منسوب می شود که بیان گر میزان تاثیر کلمه در ارتباط با موضوع متن و درمقایسه با سایر کلمات به کار رفته در متن است. با توجه به مراحل بالا و به کمک اصطلاح نامه، طبقه بندی متون دقیق تر انجام می گیرد. در این روش از الگوریتم نزدیکترین همسایه (KNN) برای طبقه بندی استفاده می شود. الگوریتم KNN به خاطر سادگی و موثر بودن آن در طبقه بندی متون بسیار به کار برده می شود. مبنای کار این الگوریتم، مقایسه متن آزمایش داده شده با متون آموزشی داده شده و به دست آوردن میزان شباهت بین آن ها است. نتایج آزمایش ها برروی چندین متن در موضوع های مختلف، نشان دهنده دقت و توانایی روش پیشنهادی در استخراج کلمات کلیدی منطبق با خواست کاربر و در نتیجه طبقه بندی دقیق تر متون است.

تولید خودکار کلمات کلیدی، نقش مهمی در بسیاری از کاربردهای تحلیلی متن و زبان های طبیعی، به ویژه در دسته بندی و بازیابی سریع متون دارد. بسیاری از روش های کنونی محدود به انتخاب کلماتی هستند که صریحاً در متن ذکر شده اند. استفاده از روش های دنباله به دنباله قادر است این نقصان را برطرف کند. البته استفاده از این روش ها معمولاً مستلزم وجود پیکره های عظیم است که برای زبان های کم منبع مثل فارسی یک چالش محسوب می شود. در چنین موقعیت هایی، یادگیری انتقالی که در آن یک مدل پیش آموخته بر روی یک وظیفه جدید با مجموعه کوچکتری از داده ها تطبیق داده می شود، می تواند راه گشا باشد. در این مقاله، برآنیم تا با استفاده از یک روش دنباله به دنباله مبتنی بر شبکه های عمیق انتقالی، به تولید کلمات کلیدی برای متون علمی فارسی بپردازیم. در همین راستا، پیکره متنوعی از 70هزار مقاله تخصصی به زبان فارسی و کلمات کلیدی متناظرشان جمع آوری شده است. سپس شبکه انتقالی پیش آموخته MT5 با استفاده از این پیکره،  برای وظیفه تولید کلمات کلیدی، تنظیم و بازآموزی شده است. مدل حاصل، با چندین روش دیگر مقایسه شده است. نتایج این مقایسه حاکی از برتری حداقل 2.71 درصدی آن بر روش های موجود است.

در بازار سرمایه، سرمایه گذاران که اصلی ترین گروه استفاده کننده از گزارش های مالی محسوب می شوند، تمایل به سرمایه گذاری در شرکت هایی دارند که کارایی لازم از نظر عملکرد را داشته باشند و از طرف دیگر، به منظور کاهش عدم اطمینان مربوط به بازده سرمایه گذاری هایشان، گزارش های باکیفیت و اطلاعات شفافی را ارائه می کنند؛ بنابراین تلاش در راستای بهبود عملکرد و افزایش شفافیت در گزارشگری مالی، ازجمله ضروریات جلب سرمایه گذاران به بازار سرمایه محسوب می شود. هدف این تحقیق ارایه الگوی پیشنهادی کیفیت افشاء اطلاعات درچارچوب استانداردهای گزارشگری مالی بین المللی (منطبق بر استانداردهای IFRS) باتئوری زمینه ای می باشد. این پژوهش از نظر روش شناسی، از روش پژوهش ترکیبی و از نظر موضوع یک تحقیق کاربردی تلقی می شود. در بخش طراحی از روش تحقیق توصیفی - پیمایشی می باشد. همچنین، این تحقیق یک مطالعه استقرایی و به شیوه اکتشافی– کاربردی می باشد. نتایج نشان داد یه دلیل بهره گیری از مدل پارادایمی نظریه زمینه ای در این پژوهش مدل پارادایمی دربرگیرنده «مقوله ها»، «شرایط علی»، «شرایط زمینه ای»، «شرایط مداخله گر»، «راهبردها» و «پیامدها» است.

با رشد روز افزون اسناد و متون الکترونیکی به زبان فارسی، به کارگیری روش هایی سریع و ارزان برای دسترسی به متون مورد نظر از میان مجموعه وسیع این مستندات، اهمیت بیشتری می یابد. برای رسیدن به این هدف، استخراج کلمات کلیدی که بیانگر مضمون اصلی متن باشند، روشی بسیار موثر است. تعداد تکرار یک کلمه در متن نمی تواند نشان دهنده اهمیت یک کلمه و کلیدی بودن آن باشد. همچنین در اکثر روش های استخراج کلمات کلیدی مفهوم و معنای متن نادیده گرفته می شوند. از طرفی دیگر بدون ساختار بودن متون جدید در اخبار و اسناد الکترونیکی، استخراج این کلمات را مشکل می سازد. در این مقاله روشی بدون نظارت و خودکار برای استخراج این کلمات در زبان فارسی که دارای ساختار مناسبی نمی باشد، پیشنهاد شده است که نه تنها احتمال رخ دادن کلمه در متن و تعداد تکرار آن را در نظر می گیرد، بلکه با آموزش مدل word2vec روی متن، مفهوم و معنای متن را نیز درک می کند. در روش پیشنهادی که روشی ترکیبی از دو مدل آماری و یادگیری ماشین می باشد، پس از آموزش word2vec روی متن، کلماتی که با سایر کلمات دارای فاصله کمی بوده استخراج شده و سپس با استفاده از هم رخدادی و فرکانس رابطه ای آماری برای محاسبه امتیاز پیشنهاد شده است. درنهایت با استفاده از حدآستانه کلمات با امتیاز بالاتر به عنوان کلمه کلیدی در نظر گرفته می شوند. ارزیابی ها بیانگر کارایی روش با معیار F برابر 53. 92% و با 11% افزایش نسبت به دیگر روش های استخراج کلمات کلیدی می باشد.

حوزه کیفیت داده از جمله حوزه های رو به رشد و مهم در حوزه سیستم های اطلاعاتی است. شناخت دقیق این حوزه از یک سو و شناخت ویژگی های زیرحوزه های نوین این حوزه برای محققان از اهمیت بالایی برخوردار خواهد بود. شناخت ویژگی این حوزه و میزان بین رشته ای بودن آن ها به محققات برای تصمیم گیری در مورد روند تحقیقات و انتخاب حوزه فعالیت کمک بسزایی خواهد کرد. برای شناسایی حوزه ها و بررسی میزان بین رشته ای بودن آن ها، در این مطالعه با استفاده از گراف همرخدادی کلمات و تحلیل 9000 مقاله، ویژگی های حوزه های نوین مطالعاتی مورد بررسی قرار گرفته است. بر اساس این مطالعه مشخص شده است که این حوزه ها بیشتر بین رشته ای بوده است و تمرکز آن بر روی ارتباط بین چندین حوزه مطالعاتی است. به بیان دیگر این کلمات کلیدی بیشتر با کلمات کلیدی موجود در خوشه های دیگر ارتباط داشته اند تا با کلمات کلیدی که با آن ها در یک خوشه قرار گرفته است. بر اساس این مطالعه جدیدترین حوزه مرتبط با کلان داه است که مباحث یکپارچه سازی و داذه گمشده در این حوزه از اولویت بالاتری نسبت به مابقی حوزه ها برخوردار است.

انجمن مدیریت فناوری ایران با هدف تعیین معادل فارسی و همچنین ارائه تعریفی دقیق از واژههای پرکاربرد حوزه مدیریت فناوری و نوآوری کارگروهی را زیر نظر فرهنگستان زبان و ادب فارسی برای واژهگزینی تشکیل داده است در نتیجه دور اول فعالیت این کارگروه در سال تعریف و معادل واژه مرتبط در فرهنگستان زبان و ادب فارسی تصویب و منتشر شده استدور دوم فعالیت این کارگروه از مهر و با حضور نفر از اساتید متخصصان و صاحبنظران آغاز شده است این افراد که پیرو فراخوان انجمن داوطلب شده بودند بیشترین تلیفات مرتبط با این حوزه را دارند این کارگروه بر روی واژههای تخصصی و نیز برخی واژههای عمومی پرکاربردی تمرکز دارد که محل اختلافنظر یا سردرگمی فعالان این حوزه در ترجمه متون و حتی در تعریف پایاننامههای دانشجویی است