وظیفه اصلی نظرکاوی استخراج و تشخیص حس مثبت یا منفی (رضایت مندی) افراد، از روی اطلاعات متنی است. نبود یک واژه نامه حسی فارسی عامل یکی از چالش های اصلی نظرکاوی در زبان فارسی است. در این مقاله روشی جدید برای تولید شبکه واژگان حسی فارسی (حس نگار) با استفاده از منابع زبانی فارسی و انگلیسی ارائه می شود. همچنین پیکره نظرات فارسی ایجاد شده برای انجام پژوهش های نظرکاوی، معرفی خواهند شد. برای تولید حس نگار ابتدا شبکه واژگان جامع زبان فارسی (فردوس نت) ساخته شده است. سپس میزان حس هر گروه هم معنی در شبکه واژگان حسی انگلیسی به کلمات متناظر آنها در حس نگار (شبکه واژگان حسی فارسی) نگاشت می شود. در آزمایش های انجام شده، مشخص شد که حس نگار دارای دقت 86/0 و نرخ بازیابی 75/0 است و می تواند به عنوان واژه نامه حسی مرجع برای زبان فارسی استفاده شود.

کتاب نظریه زیبایی شناسی هیوم، ذوق و عاطفه، اثر تاونزند نقطه عطفی در مطالعات مربوط به زیبایی شناسی هیوم است. تا پیش از کتاب، اغلب مفسران معتقد بودند که زیبایی شناسی هیوم فقط در اثر درباره معیار ذوق آمده است. اما تاونزند با بررسی معانی اصطلاحات مختلف زیباشناختی همچون ذوق و عاطفه نشان می دهد برای دست یابی به معنایی جامع از این مبحث، علاوه بر مقاله فوق باید به دیگر آثار هیوم چون رساله درباب طبیعت آدمی، پژوهشی در اصول اخلاق و کاوشی در خصوص فهم بشری نیز مراجعه کرد. او هم چنین در ادعایی بدیع و تازه خاطرنشان می کند که ذوق و عاطفه، بار معرفت شناختی دارند. اما به نظر می رسد علاقه زیاد تاونزند به زیبایی شناسی، باعث ارایه تفسیری بحث برانگیز و نامانوس، و نوعی سوءفهم از فلسفه هیوم شده است؛ زیرا او در این اثر مدعی است که زیبایی شناسی از نظر هیوم مهم ترین بخش فلسفه او محسوب می شود، این در حالی است که هیوم به کرات در آثار مختلف خود از ارجحیت اخلاق سخن می گوید. کتاب حاضر نه یک متن آموزشی، بلکه بیشتر کوششی است برای دفاع از ایده مناقشه برانگیز پیش گفته و از این طریق، ارایه مبسوط ترین تقریر ممکن از زیبایی شناسی هیوم.

پیش‌بینی بازار سهام همیشه مورد توجه پژوهشگران بوده است. پیشرفت در زمینه هوش مصنوعی و الگوریتم‌های یادگیری ماشین باعث شده که بتوان از داده‌های متنی در کنار داده‌های عددی، جهت پیش‌بینی و عملکرد بهتر بازار بهره برد. در این پژوهش جهت پیش‌بینی روند شاخص بازار سهام نیویورک (NYSE) از داده‌های عددی، داده‌های متنی و یک مدل یادگیری ماشین استفاده شده است. ورودی مدل اولاً داده‌های عددی و ثانیاً نتایج تحلیل احساسات از متن‌های استخراج‌شده از شبکه X است. تحلیل احساسات با یک الگوریتم خاص مبتنی بر یادگیری ماشین (Fin-BERT) انجام شده است. همچنین برای بهبود نتایج پیش‌بینی، در طبقه‌بند پیشنهادی (SVM) دانش پیشینی که در مورد توزیع داده‌ها موجود است در تابع هزینه SVM وارد شده است. این دانش از طریق محاسبه آنتروپی احساسات به دست می‌آید. نتایج آزمایش‌ها نشان می‌دهند که با در نظر گرفتن آنتروپی احساسات در تابع هزینه مدل، نتایج پیش‌بینی بهبود می‌یابد.

هدف: تولید جنین های موشی کایمری با استفاده از سلولهای بنیادی جنینی دستکاری شده ژنتیکی بیان کننده واریته هیستونی H2A.Z-EGFP و جنین های تتراپلوییدمواد و روشها: دو بلاستومر جنین های دو سلولی موش نژاد NMRI توسط دستگاه الکتروفیوژن با ولتاژها و زمانهای متفاوت در هم ادغام شدند. در بهترین حالت ادغام جنین های تتراپلویید با سلولهای بنیادی جنینی رویان B1، مشتق از موش C57BL/6 که وکتور H2A.Z-EGFP به آن وارد شده بود و بیان کننده ژن مزبور بود، ترکیب (aggregate) شدند. ورود ژن مزبور به سلولهای بنیادی جنینی با الکتروپوراسیون بود. جنین های ترکیب شده در محیط T6 تا مرحله بلاستوسیست رشد یافتند.یافته ها: مقایسه میزان ادغام بلاستومرها با الکتروفیوژن و تکوین جنینهای تتراپلوئید نشان داد که با ولتاژ 100 ولت از جریان مستقیم و زمان 25 میلیونیم ثانیه، صددرصد جنین های دو سلولی در هم ادغام شدند و هشتاد و دو درصد جنین های تتراپلویید تولیدی تا مرحله بلاستوسیست و هچینگ بلاستوسیست رشد یافتند. ضمنا 75درصد جنین ها با هم ترکیب شدند که 42درصد بلاستوسیست ها دارای سلولهای بنیادی جنینی ترانسژنی بودند.نتیجه گیری: در مجموع نتایج این مطالعه نشان داد که می توان از جنین های تتراپلویید و سلولهای بنیادی جنینی دستکاری شده ژنتیکی برای تولید بلاستوسیستهای ترانس ژنی استفاده نمود.